从围棋到交通:用算法探索城市的精细化治理之路_产业综合_行业_中金在线

　　为了扩大实验规模，薛贵荣动员实验室购置了30台服务器组成集群，“搞来搞去大概搞到1000万的规模”，比原先扩大了10倍。但谷歌、微软、Facebook的规模实实在在地摆着，他们的解法更有实用价值。“我自己也觉得再往下做会变成纸上谈兵，我也担心学术这一块走偏了。”
　　不能再这么折腾下去，薛贵荣决定一定要把搜索引擎规模做上去。2009年，阿里巴巴找上门，可以为薛贵荣提供1000台服务器。“我一听这个东西，就觉得终于可以跟谷歌和Facebook这些机构在同样量级上PK了。”
　　从学界走向业界的那天开始，薛贵荣觉得处理问题的方法和手段和以前不一样了。花了4年时间，2012年在云上搭出了一套搜索平台后，阿里搜索框架也换成了这套技术底座，这一平台也为一万多个网站提供了搜索和推荐技术。
　　AlphaGo这件事有点不一样的味道
　　这件事想了一年多，碰上了谷歌人工智能机器人AlphaGo约战围棋世界冠军韩国棋手李世石。“关于围棋，我也想了很多。在局部决策上，棋子放在哪里我们还能预测，但我们想不明白，子落下去还能告诉他输赢。”
　　“这个事儿有点不一样的味道。”2016年3月，李世石对阵AlphaGo的最后一场中，经过5个小时激战，李世石最终执黑不敌机器人AlphaGo，机器人以4:1的总比分取得了胜利。
　　在深度学习已经广泛应用在图像处理之时，还从来没有人把它用在决策上，而且这是人工智能第一次做到局部和全局决策的统一，这对薛贵荣触动很大。
　　从感知识别到认知决策，人工智能跨了一大步。薛贵荣觉得“还是要再往前走一步”，得跟上时代的步伐，把自己所积累的和真正有挑战的问题结合起来。这才有了后来天壤的创业故事。
　　AlphaGo一时名声大噪，我国也涌现出多个人工智能围棋程序玩家，包括腾讯AI Lab开发的“绝艺”、清华大学的“神算子”。而当时薛贵荣创业的第一个目标也是做一套AI围棋出来，他把这项决定称之为“试练”，团队一头扎入了AlphaGo论文中。
　　2018年5月，杭州云栖小镇的2050大会有场重头戏。来自天壤的AI围棋执白子对战世界围棋冠军朴廷桓，激战三小时后，朴廷桓认负。　　
    薛贵荣和朴廷桓合影
　　从策略上，天壤通过创新型的伴随训练方式，搭建渐进式的加深网络，先从小网络开始训练模型，再逐步切换到更大的网络。在更快的迭代速度下，实现深度神经网络训练。
　　“做AI围棋对我的触动还是很大的。所有人都以为，AlphaGo的论文出来了，全世界都能做到这件事，其实根本不是这样。”薛贵荣说，这里面还有很多挑战。
　　当时有人说，“只要有算力就能做出AlphaGo，还有人说不就是用了一个算法吗?”最终做了一遍AI围棋才发现，算力很重要，算法很重要，数据、系统和细节也很重要。
　　围棋盘与城市交通路网
　　薛贵荣自己都没想到，机缘巧合之下，天壤的这套AI围棋程序最后用在了交通信号灯的控制上。城市交通路网类似于围棋棋盘，信号灯调控和围棋落子都是基于海量数据连续决策。
　　想象一下，如果依靠人工调度交通信号灯，极限是几个路口?天壤开发了一套交通模拟系统用作信控游戏，其中包含1×1路口、2×2路口、2×1路口、4×1路口。实际上，在2×2的“井”字型路口情况下，人为调控信号灯就变得吃力了。　
    而现实中的城市道路很可能是100×100的规模，这就意味着一万个路口有调控的需求。“人脑的思维肯定跟不上，再加上每天通行车辆的实时反馈，基本上不能有更直观的判断了，只能眼睛盯着路口，调通了就不管了，因为能力有限。”2018年，天壤与杭州交警部门合作，项目的第一个试点是天壤要承担杭州城市交通流量50%以上的高架道路。团队建立了基于深度强化学习的算法模型，拟定场景化的调控策略，保持高架道路畅通的同时，最大化单位时间内的道路通行量。
　　经过天壤团队和杭州交警的反复探索和实践，AI逐步接管高架道路信号灯，接管数量也由早期的55个扩展到100个，帮助杭州整体高架道路日常平均提速20%，通行流量增加15%。AI信号灯调控系统上线后不仅提升了信号灯的调控效率，也降低了交警工作的人力和时间成本。
　　从AI围棋到信号灯调控，薛贵荣说，一开始花了很大精力去做AI围棋，就是想把技术底层磨练出来。围棋也好，城市交通也好，都是复杂巨系统的决策问题。子怎么落，灯怎么控，都要考量局部和全局。
　　“围棋里，局部空间上可能会争取一个很小的胜利，但大局可能全部搞没了。但也有可能局部没做好，全局布得很好。一个是全局布局能力，第二个是局部的战斗能力，这两个得协同起来。”信号灯的调控也一样，牵一发而动全身，一个信号灯调控不好，就可能导致整片区域瘫痪。
　　城市实时车辆究竟有多少?
　　信息化的典型特征是数据在线化。交通治理的信息化场景中，摄像头监测车辆行驶，公安指挥大厅调动摄像头观测，发现堵点时手调信号灯。薛贵荣说，今天的交通治理做到了信息化，但没做到智能化，交通治理普遍停留在“视频靠眼睛看、指挥靠嗓子吼、信控靠手调”的阶段。
　　自主发现堵点、自动调控信号灯，从信息化走向智能化还要跨越一条鸿沟。算法、数据和算力三要素中，今天算力基本上都能找得到，而做算法就必须先有数据，但相比基于数亿人脸数据开展的人脸识别训练，像交通治理这样复杂场景下的决策，最大的挑战是缺乏数据，“不要谈大数据了，连数据都没有。”训练数据不够，就做不到智能。
　　如果要调控信号灯，最直观的数据是要知道汽车实时在途量。每个路口、每个片区实时车辆究竟有多少?高峰和平峰时路上又有多少车?只有数清楚底数，才能了解道路通行状况，判断堵点位置，及时做出最优调度。“底数不清，做什么事都错了。”
　　那么如何才能数清楚底数?薛贵荣说，不用互联网企业的地图软件，也不必添置新设备，天壤利用城市本身自有的数据，将摄像头卡口数据、公交车和出租车等GPS定位数据融合。随后，这套实时数据映射到包含2000多个路口的真实路网以及100多万实时车流的宏观交通仿真推演引擎中，通过推演得到第一批训练数据和训练模型。
　　接下来就是跑一次数据更新一次模型，经过几轮迭代，薛贵荣把这件事“整通了”，还发现了个有趣现象：一个城市的最大汽车在途量是汽车保有量的10%。以杭州为例，杭州汽车保有量300万辆，高峰时在途量大约30万辆，平峰时20万辆。
　　推演引擎还可以探索不同调度策略，推演出交通调度大模型。相比其他地图软件发现堵点滞后5-10分钟，天壤“交通大脑”一分钟内得知堵点。天下武功唯快不破，一个信号灯周期2-3分钟，抢先5-10分钟就意味着抢先两三个周期。“如果在几个信号周期里没有适时采取措施，堵点就开始蔓延了。”　　
    去年，这套“交通大脑”投放到江西南昌，与南昌市交管“135快反机制”联动，1分钟发现拥堵，3分钟交管到现场，5分钟撤离，实现突发事件的快速响应及处置。目前南昌试验区已实现交通拥堵指数环比下降4%，主干道10分钟以上的交通事故量环比下降46.44%，车速环比提高3.67%。南昌也成为中国首个从“限行”到“不限行”的标杆城市。( 来源：澎湃新闻 作者： 记者 张静 )
热门搜索

Related Keywords

Taiwan ,Shanghai ,China ,West Bank ,Nanchang ,Jiangxi ,Rongcheng ,Guangdong ,Xuhui ,Chile ,Hangzhou ,Zhejiang ,Dachu ,Shaanxi ,Zhao Kuo ,Ali Baba ,Google ,Shanghai Jiao Tong University ,Shanghai Transport University Associate Professor Research ,Ma Ali Baba Group ,Assembly On Shanghai ,Tsinghua Universitya God ,General Assembly ,City Fine ,Focus City Management ,Technology Limited ,Road Pass ,Ali Baba Group ,Xuhui Riverside ,Google Amazon ,State Google ,Google Microsoft ,March Lee ,Tsinghua University ,City Transport ,City Road ,Hangzhou City Transport Flow ,Fine Management ,Public Security ,Peak Peace ,Jiangxi Nanchang ,டைவாந் ,ஷாங்காய் ,சீனா ,மேற்கு வங்கி ,நங்சங் ,ஜியாங்சி ,குவாங்டாங் ,சிலி ,ஜெஜியாங் ,டச்சு ,ஷாங்க்ஷி ,ழோ குவோ ,அலி பாபா ,கூகிள் ,ஷாங்காய் ஜியாவோ நாக்கு பல்கலைக்கழகம் ,ஜநரல் சட்டசபை ,தொழில்நுட்பம் வரையறுக்கப்பட்டவை ,அலி பாபா குழு ,கூகிள் அமேசான் ,நிலை கூகிள் ,கூகிள் மைக்ரோசாஃப்ட் ,நகரம் போக்குவரத்து ,நகரம் சாலை ,நன்றாக இருக்கிறது மேலாண்மை ,பொது பாதுகாப்பு ,