杨净 整理自 凹非寺

量子位 | 公众号 QbitAI

我对城市大脑的前景高度怀疑。

城市道路交通就像安卓平台，生态参与方很多。

ChatGPT时代平台化服务会迅速涌现，某种程度上解决了一部分就业问题。

……

在最新CCF C³活动现场，30余位学者专家来到滴滴出行，围绕着「智能技术与交通治理」的主题展开激辩。

与我们日常息息相关的出行，背后需要怎样的协同和治理？ChatGPT时代又将给出行带来什么样的可能？城市大脑又该如何去推进？

带着这些问题，在不改变原意基础上，量子位做了如下整理：

来自北京交通大学计算机与信息技术学院副院长李浥东，清华大学经济学研究所长聘正教授、副所长王勇，北方工业大学智能交通控制（北京市）重点实验室研究员张福生和滴滴出行智能平台事业群总经理杨毅，就《出行生态治理中的多方协同》展开了探讨。

主持人由滴滴AIoT平台产品负责人孙伟力担任。

孙伟力：从个人角度看，司机乘客是如何参与到这个规则里面中去？

杨毅：平台在制定相应规则的时候我们会做用户调研，从司机乘客的角度去考虑这件事。比如以往有个模式叫做公众评议会，让公众参与进来讨论，一定程度上体现了多方参与的治理方式。

孙伟力：像司乘对规则不理解，有个经典话题就是绕路，这里面不光是两个人的事，还与整个城市交通管理有关，张老师对其中交互协同、规则治理有什么见解？

张福生：整个交通管理系统是个庞大的人机交互系统。之前有个说法就是，一说就会一干就错一讨论就吵架。司乘双方矛盾就是个缩影。

但前提是要守法，我们有道路交通安全的各种实施条例和细则，在设置交通控制设施时也要遵从一些基本规范，即看得见、听得懂、凭着常识就能理解的东西。

现实情况下大多数产生矛盾的原因在于规范性不强或标准化程度不高。

孙伟力：几位老师谈到的交通治理这个概念，已经并非我们想象中司机和乘客这种简单场景，而是不断去做外延的，李老师怎么去看不同交通之间的协同？

李浥东：差别还是挺大的，就从基础设施和系统来看道路公共交通更像安卓平台，生态参与方非常多，有各种服务模式；而轨道交通实际上更像苹果封闭系统。这导致两者治理方式，从数据、系统复杂性以及客户需求复杂程度都有不同。

王勇：公共交通与轨道交通，包括网约车、出租车、公共汽车，应该是个互补的关系。我在想是不是可以在资费方面将各方拉开一定档次，让不同人选择不同方式，从而减少公共资源的占用。

孙伟力：从交管角度看，如何实现更好的资源分配？

张福生：先往前推一句，普通社会层面上大家一提交通治理目标就是治堵，但个人认为堵是治不了的。经济越发达，出行需求越旺盛，堵是必然的。

至于资源分配问题，我们核心方案主要有两点：空间分配、时间分配。事实上在分配交通资源时，有更多的目标需要实现，比如安全、公平、绿色低碳、可持续发展等等。这也就意味着我们分配资源比例和分配方法侧重点就有所不同，包括政策导向、舆情导向，不同时间不同地点也会不同。

孙伟力：那么从交通治理角度看，未来哪些智能技术值得期待？

张福生：接着王老师说ChatGPT这件事。举个例子，交通行业有个最基础问题，即黄灯问题，当路口绿灯变成黄灯时走还是不走，结果用英文问ChatGPT，答案是正确的，但中文问一遍答案是错误的。人工智能领域有句话叫做垃圾输入，垃圾输出。所以与其期待AI未来能给我们带来什么，不如先把眼前的事情做好。人自己把事情先做对，再让机器学，我们才能利用。

王勇：未来无人驾驶时代来临之时，人这个智能体如何与人工智能进行相互协同？相互关系是怎么样的？杨毅：滴滴一直在考虑自动驾驶来临之时自己到底是怎样的形态，此前我们做过尝试。有个有意思的问题，就是无人车与有人车混行的过程，其实有很多技术难题，因为这些交通参与者的行为是不可控的；但真正到自动驾驶时代，反倒容易了。

李浥东：我希望未来出行真正能通过智能技术做到以人为本。目前国内交通服务提供商很大程度上在考虑想要干什么，能干什么。很少会真正考虑乘客需要什么，希望未来智能技术能在这方面带来相应的转变。

除此之外，滴滴出行智能平台事业群总经理杨毅、北京大学智能学院研究员袁晓如，还分别带来了《出行生态智能化治理的现状与展望》、《可视化看中国——从时空数据了解社会》的主题报告。

首先，杨毅分享了出行生态治理的重要性、面临挑战以及滴滴的智能化治理体系。过去几年里，滴滴初步做到了在线化、数据化和智能化。随后谈到在安全（范围广、学科多、识别难）和服务（触点多、纠纷投诉、取证难）方面的挑战。

接着，袁晓如就《可视化看中国——从时空数据了解社会》的话题介绍了他在交通轨迹数据可视化方面的思考和探索。

多维轨迹数据有助于更立体地刻画交通情况；交通的变化可以通过数据获得更加生动的刻画。

比如北大西南角一个复杂的路口，如果长时间积累车辆轨迹并可视化就会发现，有少数车会在这里走出一个半圆形，以这种方式来绕开红灯。

此外，他介绍了包括可视化技术在道路层级探索、北京水患和历史分析、中国古代名人迁居地图、汉籍流传等场景的应用，可以更形象地表征气候、经济、教育、文化、交通情况。

袁晓如谈到，出行背后是一个社会的综合治理，而可视化能为综合治理提供更可靠的依据。而综合治理就需要多个交叉学科合作，北大新组建的人文社科数智化研究基地就正朝着这个方向努力。数据可视化技术非常有趣，能够帮助我们更好地研究过去、看到未来。

— 完 —

量子位 QbitAI · 头条号签约

关注我们，第一时间获知前沿科技动态