11月9日，由中国智能交通协会主办、北京易华录信息技术股份有限公司等协办的“第十七届中国智能交通年会(ITSAC 2022)暨2022中国智能交通大会”在成都成功召开。活动以“数字化背景下的ITS创新发展”为主题，聚焦数字化转型背景下的智能交通行业发展。
易华录资深副总裁孙建宏发表大会主旨演讲《数字化驱动城市交通管理模式创新转变》。
以下为演讲实录
今天主要分享易华录将“交通业务深度理解”与“数据收存治用易”相融合，用场景化、业务化的“数据产品和服务”来解决城市缓堵、交通安全方面的实践，并和与会嘉宾共同探讨ITS数字化的发展路径。
01
当我们共同探讨ITS数字化时，第一个有共识的成功范例一定是网约车。
2012年前后，网约车出现。10年来，140多家网约车公司、150多万名网约车司机加入网约车服务中，每天提供4000万单服务。凭借其精准对接出行需求，网约车引领了交通数字化转型的大潮。尽管它至今仍有安全隐患、数据隐私等合规监管问题，但大家愿意在发展中去完善，没有人想回到从前的巡游时代。因为每次出行，只要动动手，终端、网络、平台轻松提供我们所需要的车和最佳路线，那种焦急、茫然、糟糕的打车体验一去不复返了。
网约车是“移动互联网ITS数字化”成功的范例之一。再向前回溯，消费互联网才是开启数字化大时代的策源地。
消费互联网从本质上颠覆了商业及其连带的一切对象和关系的运行模式，并且以山呼海啸之势推动全社会数字化转型。转型前后最本质的变化是“精准洞察、动态连接、高效协同、个性化服务”，其核心推动力就是借助数据洞察、标签化等，提供了业务化的观点，为精准营销和企业运营提供智能化工具。
消费互联网数据从生活方方面面渗出，涓涓细流，百川归海。这些自带标识的、多维度的、时空连续的全过程数据，相互印证，融合拼接，轻松清晰呈现消费者画像、产品画像及各环节关系。它能够为产品营销、企业运营、风险控制提供前所未有的智能化工具。有了这样的数据，就等于轻松拥有了魔镜!
因此，相对于传统行业，消费互联网来自云原生、数字原生，它们就是新物种。
数字化转型，首先就是借鉴它们对全过程标识数据收存治用易的方法，用数据说话，解决行业自身的问题。
02
再转到我们今天共同探讨的交通发展话题。
缓堵和安全依旧是交通的两大主题，我们更关注的是在 “交通资源紧张、交通冲突多发、公众出行迫切” 的早晚高峰通勤常堵路段、医院学校周边，如何缓解拥堵的问题。我们探讨如何为减量控大提供有效抓手。
两部委在十四五规划中都突出强调了 “数智赋能管理、服务模式创新” 的发展思路。各地也纷纷成立了专门的大数据管理部门和岗位，为进一步加快数字化转型做了组织准备。交通，尤其是交管，信息化的广度和深度相比于其他行业，应该是比较靠前的。但和消费互联网数据特点相比较，依然显得很不一样。主要表现在：
1.多数交通数据涵养在业务系统中，系统与数据解耦较少;
2.跨网络访问限制较多;
3.成立不久的数据部门与业务部门协作效率不高。
由于数据散，最终表现出的成效就是视角小、洞察浅。但交通世界运行的复杂程度远高于消费行为，需要我们加快寻找到合适的ITS数字化发展路径。
这样显著的差异，也说明照搬照抄互联网大数据的模式是不可行的。那么在当前一段时间内，交通大数据落地应用的破局点在哪里呢?
根据我们几年来在各地的实践情况，体会之一就是把互联网的方法与交通数据的实际情况结合起来，找到适合交通数据深度应用的发展道路。
PART1 破局点一：先易后难，场景化落地，聚焦/打透/见实效
在大数据科的协调和促动下，努力将已有一定聚集度的数据拉通，形成有规模、维度的数据基础。并要聚焦场景，用标签化呈现数据业务价值，为业务部门解决实际问题。得到业务部门的支持，就是将数据变活的唯一检验。
PART2 破局点二：急用先行，按需治理加工
对数据治理要重视和持续投入。未经治理、缺乏质量和安全保障的数据归集只是在增加成本。我们获取的绝大部分交通数据，是为解决那时那刻、特定业务的数据，但一旦转换焦点或时过境迁，那些数据的价值就不在保鲜。
所以对结构化数据的治理要围绕 “支撑高效管控服务” 展开，而不止步于主数据的共享交换;对非结构化数据，尤其是交通视频,蕴含现实交通世界丰富的运行特征，更需要投入可灵活调度的AI解析平台，按需治理加工。
03
二十年来，易华录一直是智能交通创新发展的践行者。自2016年以来，易华录看到互联网在高效协作中形成的巨量数据，必定会带来大数据产业的新契机，因此坚定转向 “数据服务” 方向。
在智能交通领域，易华录将自己 “对交通业务的深刻理解” 与 “政企数据收存治用易” 相结合，努力发展成为 “社会可信的数据服务商”。
面向新发展阶段，在“互联网、大数据和自动驾驶”三驾马车的驱动下，一体化综合交通和智能驾驶、车路协同一定会在某天胜利会师。数据服务就是高效协作和规律洞察的核心要素。
易华录依托超存云、数据治理工具和服务、数据资产管理平台，为各城市交管/交运、部省交通数据中心提供数据服务。我们在各地的实践中，感受最深的就是数据中台内涵和数据服务输出发生了显著变化。
1.数据中台下沉了，更加讲求 “数据治理及业务标签构建” 基本功。
2.在应用出口上扩宽了，交通大脑不是唯一的输出方式。
建设期的模型不是数据价值的天花板，用户更喜欢自己上手，随时用自助建模工具构建模型，用数据探寻解决实际工作中出现的问题;
用户希望不同能力的合作伙伴能够相继出现，在数据实验室中求解验证，然后再移植到业务平台;
用户希望用数据说话，面向自己的辖区业务，分析出类似百度高德这样的交通报告。
对此，我们在项目实践中，形成了一套相对完备的组织方法、管理制度、技术标准和治理工具，形成较完善的交通数据治理服务能力体系，提升规模化交通数据的质量和数据安全，践行数据价值释放和有序流通，支撑交管/交运数字化转型。
主要包括以下六个方面：
一是关于数据治理标准规范
我们基于行业标准、业务理解和实践要求，和用户一起，在项目中形成了较为完备的交管、交运数据治理规范，为规范开展数据治理提供了很好的基础。
二是关于数据治理方法与成果
我们采用自上向下场景驱动，和自下向上数据探查的方式，进行交管、交运数据治理工作。比如为北京交通管理实现了数据与业务的解耦，为应用场景提供大数据技术服务，让大数据科有了工作抓手，它成为新机构、新平台和新模式的范例之一。
三是关于实战业务模型的构建
我们为用户提供自助建模工具，为对业务有深刻理解的警官提供了作业手段，他们可以在工作中随时随地构建、升级、分享业务模型，提升业务化模型构建能力，不断增强用户用数据说话的工作氛围。
四是关于用户画像的突出应用
标识化时空数据为持续行为追踪和规律探查提供手段。我们在标签、模型和指标的基础上，我们构建重点车画像、重点企业画像、常堵路段画像、隐患路段画像、警员画像等，让问题、规律、需求与措施之间的匹配度不断清晰起来，让评判有依据，让改进有方向。
五是关于用知识图谱探寻复杂问题的答案
对于常堵路段等交通顽疾，需要找到其根本的影响因素。我们尝试用尚不完备的交通数据，将影响拥堵的业务逻辑用知识图谱的方式呈现出来，找到可用的、有限的调控手段，卸载不必要的交通负荷，缓解瓶颈点段拥堵。
六是关于视频AI应用
交通视频的智能解析和AI预警已经成为大家普遍探索的有效方案。易华录在项目实践中，形成了较丰富实战的高速公路和城市道路交通对象识别、交通事件和交通参数检测算法，并通过视图库与结构化交通数据平台有效融合，构成完整的交通数据资源。我们在项目中已经成功落地80多种人车非对象识别、交通违法、交通参数检测和交通事件等算法。
以上是对于易华录将交通业务理解转化为数据治理、标签化等能力体系的介绍。这些能力在北京交管警务云和大数据平台项目、河北路防项目、哈尔滨交通云项目以及一体化综合交通、交旅融合等方面都有成功落地实践。
我们今天在此探讨ITS数字化，就是看到数据在深度洞察、高效协作方面的巨大能量。这是一个需要我们持续探索、实践、交流、推进的事业。面向新发展阶段，在技术创新、管理创新推动业务创新的实践中，易华录将坚定立足与提供可信数据服务，与业界密切协作，用ITS数字化不断实现交通供需的精细动态匹配，完善和创新交通服务出行、交通服务产业模式，提升交通安全和运行效率，助推实现交通强国。
