滴滴智慧交通的主要切入点就是应用车辆轨迹数据和移动视频数据为整体交通管理和交通治理建设赋能，主要应用场景包括路口及路段问题诊断、规划数据支撑、仿真推演支撑、信控优化

编者按：自2017年以来，智慧交通已经成为滴滴重要的战略方向。滴滴智慧交通的主要切入点就是应用车辆轨迹数据和移动视频数据为整体交通管理和交通治理建设赋能，主要应用场景包括路口及路段问题诊断、规划数据支撑、仿真推演支撑、信控优化。

截至目前，滴滴智慧交通项目已覆盖全国30多座城市，还在墨西哥、巴西等海外国家落地。

近日，在中国交通信号控制市场年会上，滴滴智慧交通控制技术负责人郑剑峰围绕滴滴交通大数据详细介绍了一些应用实践案例。

以下内容为郑剑峰演讲全文：

从2017年以来，智慧交通已经成为滴滴重要的战略方向，滴滴智慧交通的愿景是希望能够结合滴滴的业务场景、数据和技术为城市交通赋能。

滴滴做智慧交通的一个主要的支撑和切入点就是滴滴大数据。滴滴平台每天处理数据超过4875TB，日均车辆定位数约700亿条，每日处理路径规划请求超400亿次。

滴滴大数据覆盖了交通路况、驾驶行为、车辆数据等多个维度，目前对15分钟后网约车相关的供需预测的准确度已经达到了85%。

2017年以来，滴滴陆续和很多政府部门进行了合作，通过这几年的接触，大概总结下现阶段智慧交通发展在大数据应用中面临的一些挑战：

第一，缺乏对城市路网广域检测数据获取能力。大多数城市的道路网络交通态势感知前端设备不完善，存在覆盖率问题、设备可靠性问题、数据连续性问题，难以满足交警业务的精细化管理需求；

第二，缺乏对互联网数据的分析处理能力。对互联网轨迹数据的处理、涉及到地图导航技术、路况态势分析等专业领域技术对数据的挖掘，对于部分软件集成商而言，缺乏互联网数据的处理经验及相关技术积累；

第三，缺乏算法和大数据分析计算能力。无论是信号优化、路况态势研判、轨迹分析、图像识别等都需要先进算法支持、以及对实时数据的大规模处理和计算能力。

滴滴智慧交通的定位是以大数据、云计算为基础，发挥算法能力和交通工程能力，为客户以及合作伙伴的应用场景提供更加智能化的工具平台与灵活解决方案，帮助客户以及合作伙伴降低生产成本，提高生产效率。

我们从事这块业务最核心的数据资产，一是实时的车辆轨迹数据，从基本的轨迹点可以直观看到交通拥堵情况，以及对路口排队相关的情况进行定性分析；二是移动视频，目前全国已有超100万台车辆安装了桔视设备，通过这些设备，可以基于视频结构化收集排队数据、交通设备相关数据，以及道路异常情况等交通数据。

滴滴在智慧交通的主要切入点就是应用这两方面数据为整体交通管理和交通治理建设赋能。这里面的核心难点是如何将数据变成有效的信息来支持用户决策。

我们在这个方面做了大量的底层数据工程建设、数据治理以及数据可视化的相关工作，目前基本形成了一个完整的可视化数据分析平台。基础计算的部分主要包括底层路网再加工和轨迹数据分析，如果有检测器和配时数据，也可以接入进行流程化处理，在基本数据处理之后再进行基础指标计算，然后对拥堵进行分类及标签化，最后是离线或动态信号控制优化的一些应用实践，以及交通规划层的应用支撑。

要做好这里面的工作，很重要的需要考虑的一点是不同城市不同管理者对交通拥堵和交通情况的感知都有一定的主观性和个性化需求。为了满足这方面的需求，我们希望设计一个灵活的数据分析平台，让用户可针对他们的需求进行个性化的适配，从而计算相应指标。我们打造了一套完整的数据可视化及交互平台，保留了标定的参数输入，能够支持用户和生态的灵活应用拓展。这里核心的一部分就是我们现在建设的底层大数据计算平台。

滴滴信控大数据计算平台主要包含路网计算平台和轨迹数据仓库。路网计算是在导航路网的基础之上抽象成一个更符合交管业务，包括更符合城市治理的交通地图平台；轨迹数据仓库包含轨迹数据及数据处理后形成的多样化指标，能够将交通表征和其成因进行结合分析。

滴滴大数据计算平台现在可以做到在可控的成本范围之内进行高性能的计算，支持全国400多个城市的实时计算，可以实现每分钟甚至到每5秒钟进行整个指标和特征的快速推算，支撑整体应用和分析。

在交通管理和规划的应用层面，滴滴信控主要侧重在四个场景：路口及路段问题诊断、规划数据支撑、仿真推演支撑、信控优化。

路口及路段问题诊断

在交通组织层面，通过对滴滴轨迹数据的处理，以及适当交通模型的抽象，可以识别出路段瓶颈点、车道分配不合理、潮汐车道以及低效路口。

在信号控制层面，可以识别控制时段不匹配、绿灯空放、方向失衡、区域性过饱和等拥堵特征。

仿真推演支撑

常规调整下，可对比路口评价指标随着组织和信控优化方案调整后的变化情况（延误、停车次数、排队长度等）进行推演和数据支撑；特定场景下，可对占道施工、大型集会、特勤管制、恶劣天气的影响范围进行仿真推演的数据及分析支撑。

比如在昆明一个重大项目施工前，滴滴通过轨迹数据加上宏观的交通仿真模型来推演整体交通趋势。

规划数据支撑

滴滴智慧交通目前也开展了很多规划层面的数据支撑，主要包括基础交通出行数据、出行规律数据及信号控制诊断数据等的数据支撑，协助交通规划单位进行项目建设的推进和把关。

信控优化

信号优化部分是滴滴与很多合作伙伴，包括信号机厂商、集成商共同打造的综合解决方案。目前能做到滴滴轨迹数据和主流信号机厂商进行无缝对接，对路口进行针对性方案的建议生成。如果检测器数据对接的场景上，系统也可以开展一些数据融合应用及分析。

目前为止，滴滴智慧交通项目已覆盖全国30多座城市，以及墨西哥、巴西等海外国家。

项目案例

2020年，滴滴与南京交警合作建设南京建邺信控项目应用。项目通过获取互联网实时轨迹数据和路况数据，进行多源路况数据计算与融合，将信号灯路口与路段路况数据进行关联，建立信号灯控制评估、实时诊断模型等应用，持续跟踪、监测和评价信号灯路口的运行情况，为缓解南京城市交通拥堵，优化路口时空效率提供一系列治理工具、方法和思路。

在苏州工业园区，滴滴打造了一个互联网+智慧交通辅助决策平台，进行数据存储与网络通信、数据分析与决策生成、系统控制与对外接入等模块的开发。实现基础应用支撑、辅助决策分析等应用落地。

2020年，滴滴在苏州主城区也是首次实现了与SCATS系统的动态和离线对接，在动态层面可以进行实时控制逻辑的分析和选择优化，在离线层面也能够针对性地帮SCATS系统自动生成4套或16套的基本方案。保障SCATS自适应优化在有无检测器下都可以较为稳定的运行。

最后，滴滴智慧交通的定位还是希望基于大数据打造一个灵活开放的分析和设计平台，和合作伙伴一起共建整体的智慧交通解决方案，更好的将大数据、云计算和专业的交通工程进行深度结合，共同为交通管理部门提供智能化解决方案。