侯杰：腾讯位置大数据与智能交通实践助力公共出行

　　2018年6月29日，由工业和信息化部、北京市人民政府主办，中国智能交通协会支持，北京千方科技股份有限公司（以下简称“千方科技”）与中关村智通智能交通产业联盟承办的第二届交通大数据论坛在北京西苑饭店举行。本届论坛以“数聚交通 智汇未来”为主题，汇聚了政府部门、科研院所、行业企业、知名媒体等200余位嘉宾到场。

　　以下内容根据现场发言整理：

　　腾讯刚刚中标了北京市大数据整体规划的项目，在这样一个大城市，我们提到的各种复杂的要素，怎么去规划大数据。今天通过这个论坛还是想跟大家分享两部分内容，第一部分就是跟大家分享一下到底腾讯位置服务在哪些生态中具有能力。第二部分，也就是我们在智能交通领域的实践。

　　腾讯的数据源及其点、线、面。

　　第一部分，先是跟大家分享一下腾讯位置服务生态。提到腾讯的位置服务离不开地图，也就是点线面。其实腾讯不是为了做智慧交通而做位置服务的，我们更擅长的是场景，我们是离C端更近的应用，给大家提供服务。所有的内容都是在服务本系统的能力以上，可以拿出一些内容做溢出的。提到了大数据的位置服务，首先提到背后的数据。其实对于腾讯的应用来说，背后也是一个个数据集。最基础的数据就是互联网导航自治的，以及海外的合作。我们也拿到了非常多的行业数据，还有一些合作伙伴的数据共建，以及现在一直在提的用户的众包方式是我们的数据源头，这是我们所有的数据来源。

　　刚才提到了点、线、面。首先说点，我们目前这个阶段比较擅长做定位，大家每天都会用到定位，比如说我在微信里分享一个位置，打开大众点评想看附近的餐厅，用到的滴滴、摩拜，所有的场景第一个源头都我这儿。只要是腾讯生态的，所有的数据都在我们腾讯位置服务里面。所以其实每天的定位，一天是全球范围内600亿次的定位次数，当然这里面我想多提一点，我们最大的优势就是我们的精度非常高。在座的各位做交通，包括城市规划领域，我们会做到非常多的手机数据，大家都非常的清楚，精度可能不够。如果在交通小区的层面是没问题的，我们再往下，刚才也提到了像街道的空间，甚至到了楼宇，对腾讯来说22.5米90%的定位请求都能达到，我们在楼宇里想叫滴滴的话，怎么能把您定位到楼里面，这是非常有意义的。wifi数据都是我们做参考的，就不提了。

　　其次，提到了线，线就是路线，这里面也涉及到了规划和导航，我们也融入了非常多机器学习的能力，不断的去丰富我们这个水平。我们自己有个误差率，现在基本上可以控制在15%，这应该在行业内是领先的。因为我们首先第一个是有了非常多的数据，这块可以跟大家坦白讲，如果拿北京的浮动车的数据去分析我们的交通流量、交通拥堵等是远远不够的，500多万辆机动车里面，我们只能拿到六七万辆出租车数据，滴滴为我们一天提供20万辆的数据。这个基本上也是网约车发展的曲线，所以这些数据对我们来说意义重大。我们在跟一些科研机构、高校院所，包括甚至于像各地的做浮动车的同事聊起来的话，这个数据其实超出大家想象的。

　　再次，我要研究这个面，从城区再到小区，甚至是一个建筑，这个面上的数据非常重要。所以待会儿再跟大家分享我们案例的时候，只要点的定位属于这个面，我们就认为它一定在这儿出现过，这是物理客观的从时空范围一定在这儿，我们做真实客观的数据，不太多讲模型，我们更希望把客观的数据拿给大家，再结合线下的数据得出结论。

　　腾讯的无人驾驶与数据基础

　　今天也提到了自动驾驶。对于互联网公司来说可能未来的车就是手机长了四个车轮。我们认为高精度地图就是我们的基础，其实政府的标准在做了，我们实施的工作、维护工作都在准备，国际上走得也很快。我们更希望这些数据把握在我们自己手里，当然我们相信也只有像BAT，车厂级别的才可以这么大范围的采集地图。在车上面有64线的雷达，这种雷达在全球基本断货了，还有GPS，差分定位，所有的技术我们再去采路上的点。我们做L3、L4、L5这个级别的无人驾驶，这是最基础的数据。我们今年在深圳拿到了第一张道路测试的牌照，应该说交通载距的变革，带来的是交通管理的变革。在封闭道路上，腾讯今年的无人驾的团队在今年5月做到20万公里的矢量地图，我们要把20万封闭道路的高精度地图采回来，这是我们做无人驾驶的一个基础。

　　一、腾讯数据在便民生活中的努力

　　其实我们也服务方方面面，大众点评，基本上是吃喝玩乐，包括玩王者荣耀，想跟附近的人都在用定位，把这些能力整合出来才是我们今天说的重点。把我们系统生态内“to C”端的东西整合，让老百姓的生活更加方便，看看如何在交通行业里做一些尝试。

　　所以这不是我们最终的目标，我们会发现在这个过程中我们能创造一些价值。之前大家可能听到，说腾讯是一个生态，我们要赋能，其实基本上我们改变了这个说法，我们叫助力。我们希望还是站的姿态比较低，比较务实，我们把这些相对来说可溢出的能力拿出来跟合作伙伴之间做一些合作。所以下面就是一些交通的实践了。

　　二、腾讯在交通领域的具体实践

　　这页片子我觉得进一步阐述了腾讯的位置服务在所有交通方向的重心。大家平时听到的，我今天没有讲大数据，没有讲城市大脑，仿佛腾讯做得不好一样。其实我们的方向是不一样的，我们现在这个阶段看高德、百度，更多的是车辆，大家在驾车过程中的轨迹数据，这些数据我们对于研究这个城市，研究城市的拥堵，包括城市大脑，我们也看到了其实1.0也是基于信号灯的感觉。未来会更好的。但是在这个阶段的话，其实包括城市迁徙图，更多的研究的是大家驾车的过程，这也跟我们今天的主题交通会更贴切一点。当然在这方面他们确实做得非常好。

　　对运营商来说，他们的精度不够高，但实际上我们其实看到很多的论坛要谈路况，而且谈城市路况，这个好像不太符合路况，或者说交通信息公共出行的服务。其实我们的重点，我们更关注的是人的服务，刚才北规院的同事也提到了，其实对于我来说，我们更关注的是人的OD，我们关注人的位置，关注人的聚集，关注人的迁徙以及对这些的评价。其实位置服务做的就是这些事，描述人的变化。

　　1、交通迁徙

　　交通的方向我们也大概梳理了三个方向，第一个方向是迁徙，不管是国内还是跨境的，我们跟发改委、铁路、民航部门有很多的合作。比如说520大选后大陆去台湾的自由行比例下降，国人去“一带一路”国家的变化等，以及涉及到一些城市的迁徙，我们对交通规划、对城市规划的辅助、城市内的OD、城市内的制度平衡等。交通规划包括交通运输的组织，还有交通可达，我们现在不希望提拥堵，更希望提交通可达性。交通拥堵有非常多的因素，有道路的承载能力还有规划设计。当年北京之二环之内任意两点，20分钟必须到，这是前几年，现在大家都不提了，因为随便拿个数据都拿不到。还有包括交通枢纽，我们精度很高，可以确定北京南站的星巴克附近的这一圈人，精度是20米，如果用室内地图附近的话，可以更精确。当然这只是在交通方面，其实在智慧零售，在其他的领域只要分析到客流分析，我们相信腾讯的位置数据是非常贴近这个行业的。

　　下面是几个简单的案例。第一个刚才一直在提迁徙，我们一直在帮政府做辅助决策，2017年和2018年两年在帮广东省交通厅做春运的大数据分析。我认为广东是一个非常务实的省，当然经济也比较发达，我们给到他们的数据一定是对他们的工作、决策、交通方式分配等有帮助，是一系列非常优秀的、实际的工具。当然现在规划我们也做了一些基于这种上海的2040，包括北京的通州区的副中心，深圳的2030等，都有我们背后提供迁徙数据的身影。我们认为迁徙代表了经济的活力。再看东北的数据会非常明显，我也参与了前段时间整个腾讯跟吉林、辽宁的战略合作签约。我们会拿到一些数据，像东北的人才的流失，东北务工人员的去向，包括从辽宁、鞍山人员迁徙角度来表达，这其实直接和我们的经济活动是密切相关的。其实在迁徙数据，各个尺度上，地级市再到更小的区县都在参与。

　　2、交通可达性

　　交通的可达性也提到了，可达性这种模式是非常有意义的。我们觉得在好多的场景，甚至于做交通预测中都会涉及。最右边的就是做交通预测，我可以告诉你现在5点35分，我6点的时候从这儿出发我要回三元桥大概花多长时间，6点5分出发的话我会花多长时间，实际上腾讯现在已经做了这些，都会陆陆续续的推出来。我提个很有意思的例子，比如说我跟我爱人一个在东边，一个在西边，都是六点下班。我们要开车去吃饭，吃饭的地点一定不是天安门，它可能是离我更近一点，因为我这边更堵一点。包括比如说一对新人刚来到北京，两个人的工作地点怎么确定，到底房子租在哪里，让大家尽量同时到哪儿，这些都是预测。包括大众点评，现在只看附近的餐厅，未来看看开车10分钟能到哪里，这些就是做了一些交通的预测。当然我们提到的其实对于交通管理，交通的规划来说也非常有意义。所以我们应该说大数据给我们带来的不光是算法的更新，它直接面向用户的更新都体现在每天的生活中。包括大家提到的美团、点评、快递、ofo，好多的路线的编排，其实背后都有我们的数据。这一部分更多说的是我们的数据来源于各位，您一边在生产数据，一边也在享受我们的服务。