現代城市生活中，交通擁堵已經成為世界級的難題。為解決這一難題，在今天舉辦的2018年雲棲大會高德專場上，高德地圖聯合清華大學李萌教授團隊共同發布了「交通預測」這一技術研究成果。該研究成果基於深度學習的大規模城市路網交通狀態預測，旨在擁堵發生之前進行疏堵。
清華大學工業工程系博士生導師、副教授何方介紹，交通預測本質上是交通狀態時序變化預測問題，即基於智慧大腦感知整個城市路網的實時路況，並對各路段在未來一段時間內的交通狀態進行預測。地圖導航將預測信息應用於動態路徑規劃，引導用戶沿通暢道路出行，一定程度上實現全網交通流量的均勻分布，避免潛在的擁堵路段形成。
他表示，實現精準的交通預測，需要攻克多個技術難題，即交通變化呈現非線性特徵、多步預測誤差累積、交通狀態空間關聯性複雜等。針對這些技術難題，其研究團隊分別提出了不同於傳統的解決方案。首先，針對交通狀態非線性變化的特徵，研究團隊通過新興的深度學習模型——注意力機制來捕捉交通狀態的時序變化。注意力機制的核心目標是從眾多信息中選擇對當前任務最關鍵的信息，即將目光聚焦在更為重要的信息上。第二，對於多步預測誤差累積，預測準確度低的問題，則利用序列生成模型來解決。據了解，序列生成模型突破了輸入大小固定的傳統框架，開通了將深度神經網絡運用於機器翻譯與智能問答等語言序列型任務的先河。第三，交通狀態空間關聯性複雜問題則適用於圖卷積網絡模型予以應對，圖卷積網絡拓廣了卷積神經網絡的應用範圍，藉助圖譜理論提取空間特徵。
除了巧妙地結合序列生成模型、注意力機制、圖卷積網絡三種深度學習模型，研究團隊還提出了新的訓練方法構建了包含時序數據、空間特徵和歷史信息的多維度特徵向量，從而形成完整的交通預測解決方案。該方法預測精度較傳統方法可提升10%，為導航路徑規劃及旅行時間估計提供更準確的信息支撐。
據了解，藉助高德地圖提供的海量出行數據，交通路網狀態清晰可見。何方教授在會上展示了高德提供的浮動車原始軌跡，並統計了實時在線的導航車數與平均速度，能夠精準刻畫出路網交通狀態的實時變化。
據了解，清華大學李萌教授團隊是未來交通與城市計算聯合實驗室的重要成員。該實驗室是去年12月7日，高德地圖聯手中國公路學會共同成立。除了清華大學李萌教授團隊，還有同濟大學楊曉光教授團隊、中山大學餘志教授團隊、浙江大學王殿海教授團隊、北京航空航天大學王雲鵬教授團隊等科研團隊重磅入駐。
今日雲棲大會公布的交通預測研究成果只是未來交通與城市計算聯合實驗室其中一項研究成果。據悉，該實驗室還有眾多研究方向，包括能提供無限量數據能源的「插座」，會看城市擁堵病的交通「醫生」，會說話的道路安全預警「精靈」，不被限速困擾的「智慧」公路，能預知路段PM2.5的環境「先知」等。
未來，「未來交通與城市計算聯合實驗室」還將開展「重大安保活動中的交通與安保協同管控體系」相關研究。探索彈性學習框架下的城市安全態勢與區域交通狀態協同關聯分析及數據驅動的新興交通形態科學、高效監管體系。