去年我们在广州做的项目，可能是在人工智能指挥交通管理当中第一个成功的实践。为什么这样讲是第一个？这是因为我们动了一个交通管理当中最核心的东西，信号灯。大家在实际生活当中经常会发现，很多车都在等红灯变绿，但是在绿灯的方向一辆车都没有，这种供给的错配是因为它没有及时的发现这个网络流已经发生了变化，跟以往的经验不同。

　　我们在广州做的这件事情的核心是就是用移动互联网的数据，以及交警自有的数据，把多种信号融汇在一起，我们来判断，当一个路口的信号灯不健康的时候，配时不合理的时候如果我对它进行调节，相当于我在这个网络上刺激一个信号进去，它会怎么样沿着这个网络传递。

　　为什么我们要做这样一件事情，大家可以看下图。传统的信号灯是一个近视眼，因为它所有的触觉都是基于周边采集设备所看到的情况，比如说视频，比如说地面的线圈，雷达枪等等，但是它探测的范围都是非常的局部，而且是滞后的。

　　而互联网信号灯不一样，因为我们看到的数据是从天而降的，大家在开车的时候都是带着有手机的，而手机上又有你的定位，把这些数据聚合在一起就成了交通路况，甚至精准的知道在每一个路段上有多少辆车在跑，在往东边走，在直行、左转还是右转，能够看得清，甚至看得全，所以你看的是整个城市，没有盲点。再配上我们人工智能的算法，网络流的算法你就可能看得透。看得透直接的效果就是什么？我们能够判断管控的信号调整，就是一个信号灯，我把绿灯的时间占比调整，会怎么样影响到周边的几个街道，怎么蔓延，这就有点像我在脑部的神经当中某一个神经元上刺激一下之后，会影响到大脑当中周边哪些区域，哪些功能区。

　　这件事情其实也有另外一种完全不同的做法，如果我们不想去研究人脑的过程，或者是类比的过程，我们是可以用深度学习的方法来做这样一件事情。如下图：

　　这是一个典型的城市路网上实时路况，每个路段上标的红黄绿，代表的是交通是拥堵，还是畅通。大家设想一下，如果在我们的城市当中，每分每秒我们都有一张快照，我们就可以把一个交通状态的描述从网络的结构转化为一个image，有了image就可以用很多现在经常用到的深度学习的方法，来进行分类或者说进行监督学习或者无监督学习，来判断当前的状态会怎么样演变。

　　如果用深度学习的方法对当前的盘面做一个推演，我们就应该清楚该在哪些地方下手调整。比如说我要调整信号灯，甚至我临时的限制上高架路路口通行流量的占比。但你要具体判断，限流多久，从什么时间点开始，什么时间点结束，是100%的限流还是20%的限流，这些具体数据在今天的深度学习还没法得到，还是需要回归到原始的网络流的理论上去。所以在这个approach当中，深度学习可以给我们找到下手的目标，然后我们再用网络流的理论来判断，应该采用多大的力度，在什么时间点内采取行动，阻止整个盘面的恶化。

　　这个项目去年已经在广州的两个成功落地，今年在广州市将要全面推开，所以这应该说在全世界是第一个，在这么大规模的城市当中用人工智能去实时的控制他的信号灯。

城市大脑

　　如果说用互联网的数据控制信号灯是人工智能在交通管控当中成功落地的一个案例的话，城市大脑就是一个全面的升级。

　　上面这张图片是城市大脑的一个截屏。过去一年不少媒体在问，杭州做城市大脑的初衷是什么？其实跟上面是同样的道理，杭州要把所有的数据汇集，要看得清楚各种信号，要做实时的推演，要判断这个盘面，交通状况会怎么样的变化，公交车在哪里会有堵塞。再基于这个判断，进行实时的调度比如说调节高架路的信号灯，调节地面道路的信号灯，调节主干线公交运行班次甚至临时加开特快专线。