我们的城市人口密度非常高，超过一百万人口的城市有142个，美国只有9个，大概是他们的16倍。

中国的道路资源非常紧张，过去十年私家车每年的增速是13%左右，而道路资源每年只增加1%左右，供应远远赶不上需求的增长速度，所以拥堵在中国是普遍现象。

但是，这个问题既是挑战，也是机会。

滴滴非常幸运，赶上了这个机会。经过过去五年多的高速发展，滴滴已经成为全球最大的一站式出行平台。

在这个过程中，我们积累了大量的数据，在国内已经覆盖了400多个城市，有4亿多用户，并且目前还在国际化的进程中。

实际上，滴滴是一家科技驱动的大数据公司，这是我们当初创业也没有想到的。我们正在通过“科技+数据”的方式，让人们的出行体验变得更美好。 

滴滴平均一天要做两百亿次路径规划，高峰时段，嘀嗒一秒钟，规划一百万次，这是巨大的运算量，都是为了不断提升我们的效率和用户体验。

我们最复杂的系统就是派单系统。派单可能是大家以为的最简单的事情，有些公司也是这么做的，一个订单冒出来，那找最临近的司机，派给这个司机了，实际上他不一定是最优的，哪怕仅隔1毫秒的时间。

比如给A用户派了离他最近的一个司机，假设在两公里之外，但是一毫秒之后，离这个司机只有几百米的地方，有一个B用户冒出来了，就一毫秒，那么刚刚派的单就不是最优的。怎么办呢？

平台会让请求等待两秒钟，在两秒钟里面，攒了足够的订单需求和可用的司机，接着，相互之间两两构成一个巨大的系数举证，进行一次撮合。

这里面要考虑他们之间的物理距离，路径规划，接驾时间，司机的服务分，还有乘客的喜好等等，综合各种因素，最终，加权归一到0～1之间的值，如果值越大，表示相关性越高，最终求这个撮合对。

撮合对的这个相关系数的累加和最大，那至少就做到了两秒钟最优，但这两秒钟最优还不够。

一天有86400秒，如果以两秒钟撮合一次计算，我们要考虑43200步（每一步都包含以上提到的计算量）。围棋格子里面只有19层棋局，最多361步，而且都有确定性的解，是赢，还是输，还是平局，但我们这个调度的最优解是在不停变化的，所以这个问题比Alpha Go面临的问题要复杂很多很多倍，需要非常强大的科技手段和计算能力。

因此，滴滴已经成长为一个“物·移·大·智·云”综合平台的典型代表。 

现在我们国家也在提倡用互联网+交通，大数据，云计算，人工智能的技术，多方位地来改善交通，因为滴滴掌握了非常宝贵的轨迹数据，在这一方面，滴滴已经完全有能力帮助实现。

过去交警往往是通过路口的检测器，摄像头，卡口，地磁这些方式取得轨迹数据，但将这些数据放在地图上面只是一个个的点，而路口与路口之间是一条边，边上的数据是没有的。

由于滴滴的业务发展，我们得到了边上的数据，把点和边汇集到一起，就可以看到全局的交通景象。

基于这些数据，政府部门、学术单位、第三方公司都可以利用它们来做一些相应的挖掘，多方共建，开发出更多的服务，实现“让出行更美好”的理念，这是滴滴“智慧交通”的使命，也是我们正在做的事情，优化出行结构，让整个交通系统可持续发展。

那么，如何优化出行结构，提升运力效率呢？

首先就是将所有的出行方式线上化。我们有步行的方式，还有自行车、公交车、地铁，出租车、自驾车，将它们都线上化之后，根据这些数据，政府部门可以对道路进行科学规划，对交通进行有效监管，企业可以据此降低成本，提高服务质量，形成一站式出行，给老百姓更多的选择。

滴滴在智慧交通里面的优势，一方面是前面所讲的数据的优势，其次还有技术的优势。

我们目前已经建立了一个智慧交通的平台，名叫“滴禹平台”，“滴禹”就是滴滴大禹的简称，希望能像大禹治水那样，通过智慧交通来疏导交通，让交通变得更通畅一些。

基于滴滴丰富而高质量的数据，我们做了全国四五十个重点城市的整体交通运行报告，除了排名和热点分析之外，我们还提供每一个城市的实时交通运行指数（TPI）。每一个城市都细分到每一个区每一条街。

我们可以看到哪些道路是最拥堵的，某个商圈怎么样，因为这些轨迹流都是实时的，只要指数出现异常，我们就能第一时间知道的，可能是路上有交通事故了，或者路边乱停车了，导致车速不快，所以我们会第一时间跟交警联动起来，交警可以及时去处理。

另外一个跟交警合作的事情是查酒驾。因为城市里面很多交通事故都跟酒驾有关，滴滴上代驾的订单量是全国最大的，所以我们有代驾热力图。

代驾热点附近往往餐馆特别多，大家吃饭，喝酒之后，要叫代驾，那我们知道这些车是经过哪些路径的，所以这些信息交警都可以获得，可以精准的抓酒驾，当然这个不是为了罚款，更多的是为了交通安全。

影响交通的还有一个关键：信号灯。国内的很多信号灯设置非常不合理，能不能尽可能让车在启动之后，一路畅行无阻，而不是每一个路口都要停一下？

我们通过轨迹流量的动态变化，每一个方向的绿信比（交通灯一个周期内可用于车辆通行的时间比例），不同路口之间的相位差，可以测算出干道、区域的优化模型，调整信号灯的周期来改善这个问题。

这个模型目前已经在全国六个城市240多个路口铺开，未来还会不断迭代，精益求精，争取更大规模地复制到更多的路口上面去，实现区域式集中“绿”化。

这是我们在济南的潮汐车道上运作了一个月多的拉链车。什么是潮汐车道？在很多城市都有这种情况，区域属性非常明显，比如工作区，住宅区，那么早高峰的时候，大家都从住宅区往工作区去，反方向的车流量特别少，晚上就反过来，形成潮汐车道。

所以当一个反向车流量特别大，另一个方向车流量特别小的时候，通过隔一条车道，给车流量更多的地方，这个实际上收效也是不错。 

在公共交通领域我们也做很多创新，比如基于大数据，对现有路网进行评价并作出相应的规划，然后根据一些热点，做跟公交集团一起做定制巴士和跳站小巴，创造多样性的公共交通服务，最终将所有的出行方式都打通并且线上化以后，通过滴滴的APP，我们可以对出行作出更加高效、细致、实惠的规划。

例如在一个城市内，人们从A点到B点，我们可能有几十条路径规划，快车直达是一种选择，快车到一个地铁站，坐机场快线去机场，也是一个选择，骑ofo自行车，去公交站乘坐公共汽车也是一个选择……

这里面不光是把这个组合排列出来，还会为你实时计算路上的交通状况，有可能路上已经堵车了，这时候是不是根据用户的画像结合实际的路况，给用户做一个更精准有效的推荐？

我们相信，在一个城市里，如果我们把这个做好，会是一个很大的创新。当真正把所有交通工具打通之后，未来的出行平台，会像一个你个人的出行秘书一样，甚至有可能和你的日程表连接起来，你每天要去什么地方，它都帮你把所有路径规划和出行方式都安排好。

我想这就是未来交通，这就是我们真正要去的地方，真正实现为大众服务，以人为本的智慧交通。

谢谢大家。