2018年12月5日下午，第五屆FIE論壇在香港大學周亦卿樓CBC如約開幕。本屆圍繞主題“人工智能與數字孿生”展開深入的討論，眾多相關學者和業界大佬將親臨現場進行深入交流。銀江智慧交通研究院院長郭海鋒應邀參加本次論壇。

在論壇上，專家們暢所欲言，郭海鋒院長圍繞著“人工智能與數字孿生”的主題發表了以“物理、社會、信息三元一體定義數字孿生交通”為主題的精彩演講。

多維度創新思路：

率先實踐三元一體 推進數字孿生交通

郭海鋒院長在論壇上主要提出了從不同角度出發的創新思路。

交通擁堵給個人造成的無形成本，給社會造成的無形成本則更巨大。對于城市道路交通系統而言，其實感知能力依然較弱，想讓城市道路交通系統智能化地運行依舊任重道遠。

智能的五個進階：感知能力、認知能力、決策能力、控制能力、反饋能力。

交通再認識：Traffic is OLD（Origin-Link-Destination）。映射交通系統，不能孤立地映射人、車、路和環境，而應是將OLD作為整體進行映射。

數據即土壤，AI即透視。AI對于道路交通系統而言，近期真正的價值應該是透視能力，而不是期望AI能實現無人值守的自動化。

超能計算就是HI@AI（Human Intelligence+Artificial Intelligence），把專家經驗和AI技術結合在一起，這種人機耦合模式是我們采用的核心技術棧，重構數據、模型、算法和服務。

數字孿生透視交通系統的運行規律，達到可見、可辯、可管、可控、可治、可服。

交通信號配時中心實踐三元一體治理范式，開創了一種全新的交通治理服務模式，實現了全域交通時空資源集中統籌、優化和利用，以期實現數字孿生交通，進而有效指導物理世界交通的高效運行。 

各位老師、同學、嘉賓朋友大家好！

非常榮幸得到組委會的邀請，在我慕名已久的香港大學和大家分享一下近階段的一些思考，以及我們研發的一些產品和應用情況。坦率而言，人工智能以及數字孿生并不是我擅長的領域，所以，我今天也只能是借著智慧交通這個主題，膚淺地分享一下我對數字孿生交通的一點理解。首先，我個人認為我們很難構建出真正意義上的數字孿生交通。理由很簡單，組成交通系統的個體是人，而人這個個體，我們從定性角度都難以界定，當然就更無法在數字世界進行界定。而我們認知世界的順序則是定性到定量，然后再從定量到定性。所以，面對一個復雜的事物或系統，我們首先應該思考清楚如何定性認知，然后才能著手定量界定，最后通過定量反過來進一步指導定性認知。

1、如何確保城市道路交通安全、穩定、有序、快捷地運行？

杭州是一座既有人文底蘊，又有秀美風景的城市，我相信這是大家對杭州的最基本印象。然而，深入城市腹地去感知杭州這座城市，尤其在早晚高峰時，也許大家看到的是這樣的城市印象——交通擁堵。說得嚴重一點，城市道路交通的惡化，正在不斷吞噬著一個城市的健康和未來。

論壇組委會和我說，我們今天來的同學大部分是從事工業制造、系統工程專業，為了貼近大家的專業，便于大家理解，我這里把城市道路交通簡單比喻為一個工廠，那么杭州主城區這個交通工廠目前有6000+路段（工廠傳送帶），1500+路口（傳送帶上的控制閘口），日間輸送能力約50萬輛/小時，傳送帶上的每一輛車都是真正的“智能車”，智能到什么程度呢？這些“智能車”都是隨機出現在傳送帶上，隨機地從傳送帶消失，有時又會隨機地干擾傳送帶，甚至是阻塞傳送帶，導致某個甚至某些傳送帶的功能失效。

請問，如果我們是這個交通工廠的廠長，有何辦法確保這個交通工廠能夠安全、穩定、有序和快捷地運行？

2、杭州曾受困于此，但現已有好轉

 杭州在過去幾年曾受困于此，直白點說，一直受困于城市交通擁堵。2015年，高德地圖發布的城市交通擁堵排名，杭州位列第4，同時，杭州成為2015年堵車時間最長的城市。按高德的計算方式，杭州2015年一年累計70個晝夜都處于擁堵狀態，超過了北、上、廣、深。

2016年，杭州繼續穩坐十大擁堵城市，位列第8。2017年，杭州摘掉了十大擁堵城市的“桂冠”。交通擁堵的負面影響，我想大家都能感受到。高德2017年的報告中特別舉了香港的例子，說香港是擁堵成本最高的城市，即對一個常年駕車出行的香港人來說，一年因擁堵而產生的成本全年約15890元。換個角度說，如果沒有交通擁堵，個人財富一年可能會增加15890元。這就是交通擁堵給個人造成的無形成本，給社會造成的無形成本則更巨大。

幸運的是，杭州自2017年以來，城市道路交通的運行狀況在不斷好轉，2017年擁堵排名下降到第48位；2018年，第一季度和第二季度，高德、百度、滴滴三家發布的延誤指數顯示，杭州同比2017年，均在下降，說明杭州交通2018年比2017年還要有所好轉。

3、杭州究竟做了什么

坦率而言，對于一個幾千個路口、近萬個路段的城市道路交通系統而言，真的很難說清楚究竟哪些事情導致這個巨大復雜系統惡化了；同樣，也很難說清楚究竟哪些事情使得這個復雜系統改善了。我們只能反過來審視，過去實施了哪些重點的舉措。

2017年，對杭州城市道路交通而言，一項重大的事情就是阿里聯合銀江股份等企業在杭州實施城市數據大腦建設項目。目前，城市數據大腦已迭代至2.0版本，日均處理數據量幾百TB，已實現約5000路視頻的實時在線分析。

阿里在城市數據大腦中的貢獻，除了云平臺和計算能力外，我認為最大的貢獻在于感知層，即能夠感知城市級更全、更多的數字化交通運行指標。因為有了感知能力，對于我們認知這個城市的道路交通系統就有了一個進步，從而讓我們在決策和控制層面也有了相應進步。即便如此，對于城市道路交通系統而言，其實感知能力依然較弱，想讓城市道路交通系統智能化地運行依舊任重道遠。

4、智能的五個進階

人們現在都熱衷于討論AI，討論人工智能技術本身。我個人認為，目前為止，人們更多地發展了AI方法論，而缺少AI認識論的提升。大家都在講采用了什么樣的AI技術，而很少有人關注如何讓一個產品或一個系統真正具備智能的能力。那，如何實現“智”和“能”？其實關鍵的步驟就是這5個：感知能力、認知能力、決策能力、控制能力、反饋能力。從這幾個維度看，我們正在做的所謂的智能交通系統，其實依然停留在感知層面，我們僅僅觸碰到了智能的冰山一角而已，感知尚不充分，后續的認知、決策等能力更可想而知。

我舉個簡單的例子，我們每個個體毋庸置疑都是具備智能的，比如，大家來到香港大學讀書，在座的各位同學感知到的“香港大學”這四個字要遠遠多于內地的其他人，因此在座同學對香港以及香港大學的認知就會更深一層，你們以此為起點的決策也會更勝一籌?；氐轿覀兊脑掝}本身，如果城市道路交通的感知能力受限于客觀條件，那么我們該如何借助IT手段提高交通的認知、決策、控制和反饋能力呢？這正是我們團隊在做的事情。

5、回歸本初，重新認知

我們也一直在思考，如何面對和認知這樣一個復雜的大系統？一個可行的路徑是，我們要回歸IT技術和交通本初，重新認知。

眾所周知，當年電報、電話發明的目的是把人的想法以文字和聲音的方式快速地傳送到遠方。時至今日，數字世界，已能夠較好地完成OD間的信息流動。但這并不能代表我們就可以把客觀的物理世界直接在數字世界中重構。

當然，物理世界的道路交通也在快速發展，人們也不斷地把物理世界的道路交通對象映射到數字世界中。然而，到目前為止，數字世界交通的發展，似乎并沒有讓物理世界的交通得到很大的改善。那么，我們要思考，究竟是我們映射本身出了問題，還是反過來數字世界指導物理世界時出了問題？

6、交通再認識

為了理清這個問題，我們就應該對交通本身進行再思考。傳統交通，教科書中幾乎千篇一律這樣寫，交通就是人、車、路、環境。這種論述其實是把系統中的構成要素抽離出來，或許適合過往的交通現狀，但即便這個論述本身，我也一直持保留意見，我們可以想一想，交通系統的要素中真的有“車”嗎？“車”里也依然是人，沒有人的話，那就是真正的Robot。所以，路上從來都不是車多，而是人多。

我個人的一點理解是，如今的城市交通，不能再簡單地用人車路環境這幾個要素來描述。其實，交通自有人開始至今就一直存在，我這里給出了一個描述，Traffic is OLD。這個OLD，其實就是Origin-Link-Destination。很樸素，這是我理解的交通兩個字的本質。因此，映射交通系統，不能孤立地映射人、車、路和環境，而應是將OLD作為整體進行映射。

我們暫且拋開O和D端上的問題，平時我們熱衷討論的各類交通問題，其實本質上都是Link自身，也就是城市交通路網運行中的問題。

我們再看一下自1997年至今，內陸城市智慧交通建設的20年都解決了交通路網運行中的哪些問題？其實就三個方面，設備安裝集成、業務平臺開發、后期設備平臺維護，簡單可總結為就是一種線性模式，是一種管理思維，而且管理的重點是公務人員和路上的各種設備。并沒有把精力放在交通系統運行上。而管理思維的本質，其實是Event驅動，也就是圍繞著事件組織交通的日常管理。

我們需要正視：目前信息技術無法像工廠流水線一樣，建設完畢就能驅動交通系統自動化地運行。實際情況是，既無法驅動看得見的物理世界自動化地運行（人因瓶頸），也無法驅動看不見的數字世界自動化地運行（數據瓶頸）。顯然，如果說有問題的話，首先是我們的映射本身出了問題。那么我們該怎么辦？我的一點思考是，要采用立體模式，治理思維，重新運用IT技術治理交通運行中存在的各種問題，重構數字孿生交通，側重于主要的過程和規律重構。

然而，城市交通系統，其實是工程技術外表下的一個小社會系統，發展至今日，各類問題疊加在一起，已極其復雜。如何重構數字孿生交通？我們應從物理、社會、信息三個維度進行審視，先掃清這三個維度上的問題。即治理思維，其本質是Effect驅動，這與管理思維Event驅動具有本質區別。Effect驅動重在效果，以達到什么樣的效果組織資源。物理即道路網絡，社會即管理者和出行者，信息即以數據為起點的信息空間。

7、三元一體治理范式

從物理這個維度，可以從路網、路權、路設、路障、路效這幾個角度深入去梳理，借助信息技術手段，挖掘道路的空間價值。

從社會這個維度，可以從民生、民信、民意幾個角度去梳理，借助信息技術手段，挖掘民信民意價值，比如我們在杭州通過輿情處理通道，可以快速收集和反饋出行者的各類問題，推進社會共享共治。

信息這個維度，似乎沒什么可說的，大家幾乎都在熱炒，無外乎就是數據、模型、算法、平臺。但這些可能是表象，我們真正要治理的是數據的功能層面。

8、數據即土壤，AI即透視

很多IT公司都在講，數據是生產資料、是水和電，我覺得這個描述不太準確，如果真是生產資料，那么意味著我們可以直接拿來使用。然而現實是這樣嗎？真正使用交通數據的從業者就會清楚，這些數據大多都沒辦法拿來即用。所以，一定要給數據打個比喻的話，我覺得數據就是土壤，在這個土壤上長什么，要自己去設計，同時要對這個土壤本身進行治理維護。

那么，AI又是什么？其實這里有兩個概念要澄清，傳統AI技術，是基于數學衍生的所謂AI算法，本質上與概率統計沒太大區別，僅僅是多了一個解決問題的手段；另一個是當前熱炒的AI技術，實現的前提是有足夠多的數據對設計的AI系統進行喂養?，F實基礎是，無論是數據樣本量，還是樣本的覆蓋域都遠沒有達到可以持續喂養一個大的AI系統的能力。所以，AI對于道路交通系統而言，近期真正的價值應該是透視能力，而不是期望AI能實現無人值守的自動化，至少對我們的國情是這樣。

那我們團隊在實踐中是怎么運用數據和AI技術的？我總結為是HI@AI，Human Intelligence+Artificial Intelligence，我稱其為是超能計算，即把專家經驗和AI技術結合在一起，這種人機耦合模式是我們采用的核心技術棧，重構數據、模型、算法和服務。

通過超能計算平臺，實現宏觀上給出城市交通畫像、微觀上對交通元素進行素描、進而把握交通出行規律、為交通管控和精確執法提供支持、對城市交通健康進行檢查、為其他應用提供數據交換共享、建設交通知識智庫、最終我們也希望能開放交通超能引擎，為第三方提供交通科學計算服務。

這是我們研發的超能計算平臺的體系架構和計算內核，由雙引擎驅動，計算引擎保證了實時和流式數據的處理；交通引擎保證了模型、算法和運營經驗的有效集成。同時，封裝了相關機器學習算法，驅動交通應用，從而形成閉環。

9、數字孿生透視城市交通

其實治理的本質就是通過技術手段，或者說數字孿生透視交通系統的運行規律。所謂透視，就是把原來沒注意到的問題，都能夠清晰理清楚了，達到可見、可辯、可管、可控、可治、可服。也就是做到對城市級交通運行的狀況可見；對常發以及偶發性問題可辯；對日常業務流程可管；對交通擁堵及異常態勢可控；對綜合性疑難問題可治；對管理者以及廣大出行者可服，即提供有品質的服務。

這三方面的治理能力，前三點相對容易做到，而后面可控、可治、可服，其實是越來越難的，可控，我們現在已基本做到，在杭州我們通過自主研發的信號優化平臺和專業團隊，已能夠對全市域1000+路口進行全方位的優化控制；可治以及可服，我們也研發了相應產品，近階段會推出和部署上線。

10、 產品及案例應用

這是我們為杭州交警支隊建設的交通信號配時中心，也是我們在提供軟件平臺產品和專業化運營服務?？梢哉f，在全國開創了一種全新的交通治理服務模式。

該模式由交警支隊組建專班，將原先分散在各交警大隊的信號配時權力回收到交通信號配時中心，由專班來領導駐場的專業團隊，借助我們研發的交通信號優化服務平臺，通過配時中心統一負責全城市的道路交通信號配時優化。

這改變了以往由于配時權力分割導致路網被人為分裂的不科學現狀，實現了全域交通時空資源集中統籌、優化和利用。

同時，我么也圍繞杭州交警支隊“標化”、“優化”、“序化”、“智化”的核心理念，推動杭州主城區交通的有序治理。

這是我們在配時中心運行的交通信號優化服務平臺。在社會治理維度上，我們開發了信控OA產品，圍繞著信號控制相關的標準、規范、流程、輿情等，進行治理。

在物理治理維度上，我們開發了路口管家、信控專家、交通醫生，實現路網時空資源及狀況的重構和映射，進而對路網、路權、路設、路障、路效進行全方位治理。

在交通控制方面，這里我稍展開講一下，我的一點思考是，傳統交通信號控制中關于單點、干線和區域的論述以及在數字世界的映射已不適合內陸一二線城市的控制需求，所以，我們應重新認識城市交通控制。我們現在主要是從控制策略、控制方案和配時參數這幾個角度去考慮交通信號控制，這與傳統控制思維是有本質區別的，也相當于在交通控制方面進行了重構和映射。

這是我們的路口管家產品，實現了路網、路段、路口空間資源的透視。這是我們的信號專家產品，實現了城市交通時間資源的透視，我這里說的透視，并不是說展現層面的可視化，而是說把時間資源利用情況真正地做到了了如指掌。

在信息治理維度，我稍展開一下，我們所提的數據治理包括了兩個方面，一個是數據功能方面的治理，另一個是數據性能方面的治理。數據功能治理，是指要先想辦法讓數據能相對準確地表達實際的物理意義，然后才能談數據匯聚后的性能表現。然而，現在無論是學術界還是企業界，幾乎忽略了這一根本前提，所提的大數據也好，數據治理也好，都是假設數據功能沒問題，都在講搭建了怎么樣的流水線處理過程，怎么樣大規模的匯聚融合、數據交換，這樣做其實是回避了根本性問題。如果數據本身有問題，匯聚一起只能是造成更大的問題。

這是我們對杭州近一萬個線圈和地磁檢測器數據質量的自動化細致分析，結果也是很有意思的。我們主要精力其實都放在了怎么樣恢復數據作為土壤的基本能力。

這是我們為了更好地掌握城市交通運行的宏觀態勢，研發的一個仿真平臺，目前還在內測階段，計劃近期上線。我們做的這個仿真不是模型驅動的，而是真實的數據驅動的，目的只有一個，希望能夠揭示并認知交通真實運行的客觀規律，為決策和控制提供更好的依據。

這是我們的仿真界面，可以實時地與交通運行同步，同時能夠對未來5分鐘城市交通的態勢情況進行全域推演。

應該說，依托杭州配時中心，我們對杭州市主城區確實做了大量系統性的治理工作，也取得了一定的效果，前面我已有講過，時間關系，不展開了。

11、結語

最后，總結一下，一個系統的智能應是感知、認知、決策、控制和反饋這五方面能力的有機整合。目前，從技術角度看，城市道路交通系統更多停留在感知層面，我們在認知、決策、控制和反饋方面也僅僅做了一小部分工作。想實現真正的交通AI，路還很長。另外，我們可能需要從物理、社會、信息三個維度，三位一體地對交通重新進行審視，以期實現數字孿生交通，進而有效指導物理世界交通的高效運行。

謝謝大家！