现代城市生活中，交通拥堵已经成为世界级的难题。为解决这一难题，在今天举办的2018年云栖大会高德专场上，高德地图联合清华大学李萌教授团队共同发布了“交通预测”这一技术研究成果。该研究成果基于深度学习的大规模城市路网交通状态预测，旨在拥堵发生之前进行疏堵。

　　清华大学工业工程系博士生导师、副教授何方介绍，交通预测本质上是交通状态时序变化预测问题，即基于智慧大脑感知整个城市路网的实时路况，并对各路段在未来一段时间内的交通状态进行预测。地图导航将预测信息应用于动态路径规划，引导用户沿通畅道路出行，一定程度上实现全网交通流量的均匀分布，避免潜在的拥堵路段形成。

　　他表示，实现精准的交通预测，需要攻克多个技术难题，即交通变化呈现非线性特征、多步预测误差累积、交通状态空间关联性复杂等。针对这些技术难题，其研究团队分别提出了不同于传统的解决方案。首先，针对交通状态非线性变化的特征，研究团队通过新兴的深度学习模型——注意力机制来捕捉交通状态的时序变化。注意力机制的核心目标是从众多信息中选择对当前任务最关键的信息，即将目光聚焦在更为重要的信息上。第二，对于多步预测误差累积，预测准确度低的问题，则利用序列生成模型来解决。据了解，序列生成模型突破了输入大小固定的传统框架，开通了将深度神经网络运用于机器翻译与智能问答等语言序列型任务的先河。第三，交通状态空间关联性复杂问题则适用于图卷积网络模型予以应对，图卷积网络拓广了卷积神经网络的应用范围，借助图谱理论提取空间特征。

　　除了巧妙地结合序列生成模型、注意力机制、图卷积网络三种深度学习模型，研究团队还提出了新的训练方法构建了包含时序数据、空间特征和历史信息的多维度特征向量，从而形成完整的交通预测解决方案。该方法预测精度较传统方法可提升10%，为导航路径规划及旅行时间估计提供更准确的信息支撑。

　　据了解，借助高德地图提供的海量出行数据，交通路网状态清晰可见。何方教授在会上展示了高德提供的浮动车原始轨迹，并统计了实时在线的导航车数与平均速度，能够精准刻画出路网交通状态的实时变化。

　　据了解，清华大学李萌教授团队是未来交通与城市计算联合实验室的重要成员。该实验室是去年12月7日，高德地图联手中国公路学会共同成立。除了清华大学李萌教授团队，还有同济大学杨晓光教授团队、中山大学余志教授团队、浙江大学王殿海教授团队、北京航空航天大学王云鹏教授团队等科研团队重磅入驻。

　　今日云栖大会公布的交通预测研究成果只是未来交通与城市计算联合实验室其中一项研究成果。据悉，该实验室还有众多研究方向，包括能提供无限量数据能源的“插座”，会看城市拥堵病的交通“医生”，会说话的道路安全预警“精灵”，不被限速困扰的“智慧”公路，能预知路段PM2.5的环境“先知”等。

　　未来，“未来交通与城市计算联合实验室”还将开展“重大安保活动中的交通与安保协同管控体系”相关研究。探索弹性学习框架下的城市安全态势与区域交通状态协同关联分析及数据驱动的新兴交通形态科学、高效监管体系。