当汽车越来越多，城市越来越堵时，缓解交通拥堵的方案就会一次次被拿出来实践,然后被贴上失败的标签。首先是倡导了多年但一直没有多少成效的“公交优先、地铁出行”，其次是出现了网约车和共享单车，但是无论轨道交通和公共交通多么发达，无论滴滴打车多么方便，只要汽车数量不减，交通拥堵就不会消失。对于个人而言，关键在于如何从日益拥堵的道路上快速找到一条捷径。这条有效的捷径就是将人工智能技术应用到交通治理。

　　实现治堵的基础：海量地图和用户数据生成的实时路况

　　地图导航领域已经有了十几年的发展，行业格局也已经比较稳定，不过现在，竞争的核心已经从定位导航能力转向大数据和人工智能技术两项实力。

　　随着城市化进程加快、城市汽车保有量只升不降，交通状况复杂性大幅提高，因此，单纯的导航并不足以有效应对瞬息万变的路况。如何实时预测交通拥堵情况，如何提供用户人性化的路线建议，如何让新手快速成为“老司机”，成了地图导航必须要着手解决的问题。而这些前端技术的变革，都离不开数据采集这一基本功。

　　在底层数据的获取上，地理信息采集相对复杂，在数据采集上，地图导航都面临同一个问题：采集成本太高，投入太大，更新太难。无奈，只能从技术和人力两方面同时发力。要想实现地图数据的高效生产，就必须依赖自动化的高精采集设备。百度地图是较早实现数据采集高度智能化自动化的地图厂商，通过在顺德建立数据中心，作为“数据大脑”，承担着国内最大的数据采集业务，提高数据采集效率。

　　相比于其他地图产品，百度地图的杀手锏是基于人工智能（AI）的图像识别技术。在2016年9月，李彦宏对外展示人工智能的进展时，表示百度地图的采集设备能够自动识别道路特征、建筑轮廓、道路图形标牌、电子眼、警示牌；图像智能识别技术则能够精准识别店铺名称、门牌号、停车场标识，甚至是营业时间。目前，开奖，百度地图全流程数据生产自动化程度已超过80%，全景图像的自动化识别提取准确率高达95%。百度地图独创了图像自动识别分析技术，其所覆盖的道路总里程超过670万公里。这样一来，数据采集能力也就大幅度提高了。

　　数据采集生产是百度地图数据实力的一个缩影，路况数据生产同理。我们都知道，路况数据生产最重要的标准是实时，现在，与过重测算前方车辆的速度不同，百度地图将重点放在车辆密度反映路况上，因为“车多就意味着路堵”，知道哪个地段车辆多，就引导司机绕开哪个路段，有效解决速度计算强依赖于轨迹速度以及“知道速度快慢，但是不能明确车辆多少”的先天性问题。

　　另外，光靠自己一身之力是难以支撑海量数据的持续更新的，必须要将用户的车辆发展成为一个个信息点。

　　以往的地图产品想要抓取用户的实时出行状况，大多是通过汽车内置导航和交通部门提供的路况信息，但面对如今多维度多元化的出行方式，这样的方式已经难以适应，必须借助更高效的技术来获取更为精确的实时路况数据，才能真正优化出行。百度地图将目光从“车”转移到“人”上面。具体来说，是利用百度系统的用户规模优势来构建交通运行图景，通过利用百度搜索的资源，百度地图能得数亿级别的用户数；同时，百度地图的O2O功能做得最好，用户在使用百度地图搜索周边内容时，也能给百度地图提供实时的位置信息。

　　交通路况能够更实时，意味着交通大数据需要更海量，如何发动上亿的用户主动上传定位、搜索、导航信息，实现数据库秒级更新，是行之有效的方法。比如，百度地图推出了“POI认领”（POI：信息点），目前已经有近150万商户标注、认领POI数据，全球POI总数达1.4亿。这使得百度地图上76%的数据来自创新生态采集模式，让“人人都成为POI采集师”已经逐步成为现实。

　　无论是用户大数据、路况大数据，还是POI、道路信息采集，所有维度的地图大数据的价值最终都指向应用。城市“交通病”的解决，不能光停留在限行限号，而是应该让海量交通大数据发挥底层作用。

　　借鉴无人驾驶背后的避堵逻辑，人工智能为最佳治堵方案