“馬路上最常見的信号燈，其實已經有一百多年的曆史，而在這一百多年裡，竟然沒有什麼變化。”
在2018世界交通大會上，阿裡雲機器智能首席科學家闵萬裡感慨道。
“信号燈從出場第一天起，它的智能就被寫死了。”闵萬裡說，“信号燈是個近視眼，它通過一些傳感器（來觀察），隻能看到眼下，隻能看到剛剛發生的事情。而有了大資料和人工智能，一切都開始變化了。有了高德地圖的資料，每輛用APP導航的車在哪裡、要往哪裡去，一目了然。看得見，想得遠，自然比别人做的多。”
網際網路+信号燈比傳統的隻用傳感器的信号燈更加有預見性，因為它可以清晰地感覺到還有多少車在上遊路口将要過來，進而判斷十分鐘後應該是紅燈還是綠燈，發現哪些路段的紅綠燈設定不合理，改事後諸葛為未蔔先知。
基于這個想法，阿裡雲和高德地圖推出了城市大腦智慧交通公共服務版，一個普惠式的、免費的城市大腦公共服務。這個系統中有預警解決方案，誘導解決方案、管了解決方案和研判解決方案，通過這種連接配接的紐帶形成高效的功能。
通過預警系統發現交通擁堵，通過排程系統和預警系統來幫助交通管理部門對擁堵和事故進行快速處理，同時可以提供車輛分流的解決方案，通過高德導航的提示來進行分流，并在事後進行事件評估，形成一個閉環過程。
舉例而言，如果北京四環發生了擁堵，交警可以在城市大腦上規劃分流到三環，這種政府推薦的方案在使用者規劃路徑的時候會直接顯示在高德的前端，直接實作自動化的連接配接。
一個比較直覺的成果是給救護車提供一路綠燈。在杭州蕭山區的實踐中，城市大腦為交通做出整體的優化，為救護車提供全程綠色資訊通道。在救護車到達擁堵路口前10秒或20秒，信号燈自動變綠，清空擁堵車輛，保障救護車暢通無阻。總計壓縮通行時間7分鐘，提速50%，最後的差距可能是生死之别。
“智能在端，智慧在雲”
未蔔先知聽起來容易，實作起來卻非常難，主要是難在算力。
如果每個路口都提前預知将要來到的車流，基于未來的路況和需求進行調配，需要的計算量是無與倫比的。
闵萬裡說，網際網路APP資料上行是資料源材料之一，加上交通當中自己的資料，為智慧交通提供了豐富的原材料，而當原材料更加豐富的時候，也需要更加好的配方和加工方法生産出更加優良的産品和商品，比如把信号燈單點優化變成區域優化。
阿裡雲将電商當中的經驗借鑒到了交通中。雙十一交易的資料量極大，堪稱最複雜的資料洪峰，阿裡将那個場景下資料的運輸能力轉移到垂直行業中去。
目前，阿裡雲在杭州和上海的城市大腦當中，實作了對視訊全量實時計算，而不是事後抽查。在杭州做到了主動預警主動發現，以前是巡檢在控制台觀察，現在則是全景線上，準确率95%以上。
資料的完整就使得創新成為可能，闵萬裡用吃東西來做比喻。交通系統不挑食，能處理視訊當中的非結構化資料，甚至APP資料，才能長出強健的聰明的智慧體。不光不挑食，還要能消化得了，也就需要計算能力。
闵萬裡說，2011年，還隻能望數興歎。但是到了2016年，随着雲計算的出現，這一切變得迎刃而解了，連一個小白使用者也能在很短的時間内得到超量的計算能力。
北京信号燈配時優化使路口平均延誤下降了6%。
城市大腦在高架路上的應用，上海高架預測精度提高10%。
在這種充分的計算能力下，通過交通配時優化節約下來的時間，相當于給每個人每天節約了6分鐘。
阿裡雲團隊實作這一切，利用的隻是既有的資料資源，而沒有在交通燈和馬路上添加任何新的探頭等硬體，從代碼和方法論上着手得到了這些百分比的提升。這是闵萬裡一直強調的“智能在端、智慧在雲”的展現，也是雲計算的巨大價值所在。
強調開放，讓算法融入行業
阿裡和高德的合作實作了資料和算法在交通領域的作用發揮，但在資料和算法這兩層之上的應用智能平台，闵萬裡表示，他們還需要更多的生态夥伴來開創。
他用石油來比喻。阿裡雲将原始資料加工成易于了解的資料提供給合作夥伴，就像原有的石油經過提煉之後，等待大家做成橡膠、汽油甚至高品質的汽油。他表示，石油的第一層提煉已經完成了，下面将交給其他的合作夥伴。
目前ET城市大腦項目已經實施了許多行業生态的合作方案，包括不同供應商的細分領域，還與公路協會合作，加上清華大學、上海交大等高校，成立了未來交通實驗室，以支撐未來的科學研究能力。
闵萬裡感歎目前這方面的應用與資料體量相比太少了，價值密度沒有充分挖掘，需要更多的人來釋放資料的價值。“價值的釋放一定是通過行業當中源源不斷創新，絕不是靠阿裡雲工程師寫一些代碼。”他說道。
是以，他呼籲一個開放的AI 生态，并表示這絕對不是颠覆式的，而是一個共赢的模式。最終的願景是超越雲計算，因為雲隻是基礎設施，最終的目的是在雲的基礎上創造出來的應用智能。
打破資料孤島
會上，高德地圖副總裁董振甯也強調了開放的重要性。他說，資料是城市大腦的最重要的血液和養分，所有人都知道資料有巨大的價值，卻不懂得怎樣使自己手中的資料産生價值，自己緊握着這些資料，“放在口袋裡不跟别人分享”，資料成為一盤散沙，就創造不出應有的價值。
他認為，解決資料孤島問題有四種路徑：
第一，要有資料的處理能力。大量的資料彙聚起來後，需要有雲計算的資源進行資料處理，有充足的算力對資料底盤進行處理，才能創造資料的價值。
第二，選擇有價值的資料，用有價值的資料創造更多的價值。阿裡和高德在進行城市大腦磨合的時候，把目标聚焦在交通和安全領域，也是出于資料價值的考慮。這兩個領域一個涉及到國計民生，一個涉及國家安全。“創造頭部的價值是很重要的能力。”董振甯說。
第三，解決資料孤島很重要的手段，是存量和增量的問題。很多人進行資料彙聚的時候首先考慮的是存量的資料，但存量資料其實反而不好獲得，高德提出的方法是先取得增量資料，通過增量資料帶動存量資料。他們疊加了高德海量的資料和通過AI的海量視訊，作為增量資料，“這樣之後再對存量資料進行擷取，會獲得很好的資料基礎。”
第四，也是董振甯認為最有效的手段，是國家強制性的幹預。在城市大腦已經落地的一些城市如杭州、上海等，這種手段就發揮了作用，杭州專門成立了大資料管理局來進行這種所有部門資料的彙聚。
城市大腦彙聚的資料分為三類，一類是靜态資料，也就是是路網資料，第二類是城市物聯網資料，像高德、共享單車提供的網絡設施的物聯網的資料，還有一類資料是視訊資料，通過視訊彙聚的功能，基于阿裡雲進行資料彙聚，同時通過各種方式來建構城市感覺系統，構成城市大腦的資料底盤。
董振甯說，網際網路公司目前的科學研究還更多在基礎研究上，但網際網路在工程上則需要進行前瞻性的探索。通過高清地圖對所有的資料進行攝入，構成統一的表達性，物聯網資料、高德的資料在交通的表達上是一緻的，為下一步的工作融合不同資料源之間的資料。
城市交通大腦的可持續發展，關鍵需要一個開放的生态系統，“如果沒有開放系統和更多人的加持，如果單靠一兩個公司這個智慧大腦是不可能建構的。”董振甯說。
資料人才轉型
在資料和AI人才的偏重上，闵萬裡說，資料團隊和AI團隊都同樣重要。據闵萬裡介紹，阿裡雲ET城市大腦團隊現有約300人，在大資料和雲計算方面的人才配備較為充足，但人工智能方向還有大量人才缺口。大部分行業專家不懂代碼，而算法專家并不了解交通行業。
如何堵上人工智能人才不足的缺口？我們應該給行業專家配一個算法工程師？還是讓行業專家學寫代碼？
闵萬裡也曾在大資料文摘的專訪中談過這一問題，他認為兩種做法都有可能，但是難度不一樣。
“第一個是傳統行業的專家了解這些雲計算的技術或者是大資料深度挖掘的技術再去做這個行業的更新換代，聽起來很美好，但是執行起來很難，原因在哪？當他已經成為一個行業專家的時候，基本上是機關的頂梁柱，他的動力在哪？因為他面臨重新學習的過程，機關能讓他去嗎？
但是反過來，我們的技術專家，我說過我們願意走到工廠中的房間去，我們願意去學習行業專家的一些知識，我們有激勵的機制讓大家沉到場景中去，我們可能會學的很快就沒有非技術的阻礙了。是以說從現實的效果來看，技術人走出去可能效果更快。”
原文釋出時間為：2018-07-04
本文作者：文摘菌
本文來自雲栖社群合作夥伴“
大資料文摘”，了解相關資訊可以關注“
”。