花蓮租車精選代辦行程：智慧駕駛時代的智慧出行

本次論壇以“智慧交通、融合創新”為主題，旨在分享創新服務及技術成果，宣導交通管理大資料與新媒體等互聯網+手段應用，進一步提升政府職能部門的決策水準和服務社會的能力。神州租車首席資訊官劉亞霄現場發表演講：

劉亞霄：簡單介紹一下我們公司的背景。我們在考慮，作為一家全國最大的車隊的運營企業，我們怎麼能夠有效利用先進技術去促進整個出行行業發展。神州最早成立是這邊的計程車公司，現在大概10萬輛計程車。從去年開始做神州專車，全國50幾城市。同時在無人駕駛，我們在矽谷有一個實驗室，專門做這方面的探討工作。

那麼我們在這方面主要集中在三個投資技術方面。第一個是LBS，其實也是網約車的基礎，有了地圖，有了導航，有了實際位置，可以做常規化。

同時資料不停上漲，通過資料不停搜集，有一個實用大資料，可以做很多資訊，做網約車，在街上開，大家有沒有覺得約網約車有很不方便的時候，網約車，得給司機打6個電話才能找到他，司機也難受，乘客也難受。我們利用大資料方法，哪些地方乘客上車的時間可以在50秒或者1、2分鐘之內。這種情況下推薦給司機和乘客，可以有效地節省我們整個網約車的時間。

還有一部分就是深度學習，人工智慧。這個可能大家覺得離自己比較遠，一會兒舉一個例子，剛才用路網中心王主任講的路網監測，其實政府有很多手段，但是大家如果開車來這裏，其實北京路網有一個不舒服的地方，就是路上的井蓋特別多，開車的時候路很顛。大家有沒有想過，哪一個地方井蓋多，哪一個地方井蓋少，路的舒適程度怎麼樣？大家覺得沒有辦法統計。不管從政府角度還是從個人，甚至於從地圖供應商的角度。但是如果我用我的網約車在街上跑一圈，搜集各地圖像之後，可以用深度學習方法知道北京到底多少井蓋，哪一個井蓋蓋得好，哪一個井蓋蓋得不好。

這些資料就在我們的實驗室裏面做一些工作。大家看深度學習是人工智慧方面的學習，可以幫助大家用大資料解決很多，在管理上的問題。

那麼為什麼有這樣的發展？實際上這是根據人工智慧發展分不開的。今年可以說人工智慧非常重要的年份，當然有的標誌性的事件就是阿爾法狗戰勝了李世石。所有人類直接認知的領域直接被電腦打敗，包括對圖像的識別，包括對語言識別。也就是一台電腦在我聽我講的東西，它能理解的資訊有可能勝過在座一些普通的人類。或者這麼說，就是從認知的角度來說，超大量資料和超大量網路，已經使得人工智慧時代在今年有一個爆發增長點。

這個爆發增長點，會對我們未來出行道路，我們認為將來可能會有三個很重要的投資點，就是人工智慧。第一個是自動編程，現在程式師是一個很好的工作，很有可能在不遠的將來，兩年以後，現在初級程式師。第二個自然就可以理解，現在所有的括弧，電話銷售，都有一些微博、微信的服務人員。

第三個也是大家認為最有可能實現的就是自動駕駛，所有巨頭都在自動駕駛上面，到什麼程度呢？大家看右邊的，也就是說所有人都認為2020年最保守的戴普勒，如果現在滿足一套廠商的套件。現在大家研究的集中點，就是怎麼在真實路況下，保證既安全又舒適。

那麼我們怎麼定位自己？我們看到自動駕駛有很多的參與方，首先是車廠，像戴普勒、豐田。其次這裏很多的巨頭，穀歌、百度，我這邊列出來比較有名的，都是做自動駕駛。最新出來的是優步，有100輛無人駕駛車在有人監督的情況下在路上跑。

未來一定有一個無人駕駛的運營商出現，這是未來神州的定位。我們希望作為智慧出行的運營商，對整個新的無人駕駛或者是智慧駕駛做一個更優化的。

具體做什麼內容？首先協調線上線下協調工作，自動駕駛車在街上開的時候，從目前技術條件來看，很難做到完全全自動的集成。所以對車輛維護保養都會有相關的線下的擁堵，北京一萬輛自動駕駛車。

第二，就是自動駕駛車要適應現在自動駕駛整個運行情況。

第三，自動駕駛有些東西雖然是新興的技術投資行業，最終是要賺錢的。我們討論如何在現有的專車和計程車基礎上提高效率，從而為自動駕駛自己養活自己。自動駕駛車可能很貴，一百多萬一輛，但是我們計算過，比現在網約車貴五倍，自動駕駛車仍然能賺錢，這是一個很有意思的事情。自動駕駛設備貴，並不代表自動駕駛運行成本高。

這裏面做了什麼事情呢？首先我們通過現在車內內置一些感測器，考慮除了安全以外怎麼考慮舒適問題。花蓮租車利用自動駕駛車很安全，坐在車上就會覺得暈車，通過駕駛員的運行情況，找到既安全又舒適的行為習慣。

大家已經介紹了這邊來尋找自動駕駛車在街上巡遊或者是停靠的時候，以及下一單將要去哪里的方向，這是一種大資料深度學習。

那麼這一塊是我們剛才講的，我們叫做道路基礎設施，通過網約車或者自動駕駛車，我們可以搜集很多資料，這些資料就是在車上裝一個手機可以看到路面情況。

在匹茲堡通過一些小的網約車的裂縫，通過電腦學習，就可以知道整個匹茲堡到底哪條路應該修了，哪條路應該沖下去？對我們來說如果車在路網上跑，就知道整個路網情況以及交通設施情況。就是說這個路燈整個滅了，這些都是可以通過大資料、智慧駕駛出現的。我們也可以希望這個智慧駕駛能夠為整個城市智慧化建設方面發揮很大的作用，這也是我們考慮到的，將來自動駕駛能夠自己養活自己的。

那麼我們路線圖是什麼呢？我們從智慧駕駛向智慧出行，三個相關的準備。第一個就是資料獲取，第二，業務集成，第三，就是生態。

首先從資料上加大，在日常車隊運營過程中資料獲取量。大家一提深度學習，提人工智慧，就覺得這個事情很大問題在於資料，週末在矽谷參加一個很重要的深度學習會議。人工智慧無外乎就是兩點，第一點如果有一個很好的模型。但是發現結果不好，拿大量資料改變它，優化它。如果資料很多，但是發現模型還不夠完美，就把這個資料更加優化。

神州在路上採集資料，我們希望業界有志於在這邊做一些智慧管理工作的，不管政府還是公司，都產生一些很重要的作用。

第二，就是智慧車，同樣一個20萬的車和100萬的智慧車，首先解決司機一年工資。其次，司機服務不好，機器人一直在那裏開，理論上開20個小時不成問題，但是20個小時肯定不成問題。怎麼樣在現有網約車體系獲得更大發展，提高效率，減少這些空駛時間，減少路面時間，這是在業務運行上的。

其實很重要是大家可以看到神州租車，很快發現租車行業現在占到停車場的意義不大。大家專車逐漸融合成一種動態，資源的動態規劃和調整，這些可能是神州在對整個業界新的貢獻。

我們採用動態規劃，這就是第三個生態圈，我們把所有的服務人員全部動起來，讓花蓮租車不停地接單管理，原來是一種流程，一天規劃，第二天做什麼。現在完全不是這樣了，整個是完全的動態規劃。

我們認為將來的智慧駕駛或者是智慧出行，簡單分兩部分，一部分是雲端資料，雲端資料就是說後臺運營商，找到運營最佳方式，找到路上最佳的模式，就是說街上有一個小夥子，這個事件就是為全社會所有人都學到，再也不會出現第二個事情。所以大家覺得特斯拉有一個很重要的事故，從一定層面來說，因為再也不會出現這樣的事故。

但是我們不能完全依賴于高德，所以車端需要有很強的計算能力和思考模型。這是我們希望建立生態鏈以後，我們希望在運營上的合作，包括資料獲取，以及結合資料開放，使得這個行業越來越大。

另外一方面就是整個的自動駕駛也不是一個測試，應該是全社會應該投入關注的事情。最簡單來說，對政府來說，管理或者是城市管理能不能借助智慧駕駛，剛才講的有趣的實施來加速，來優化管理能力，這是其中之一。

另外，自動駕駛不可逆轉趨勢，在交通基礎設施上有相關支撐。剛才有的領導講自動駕駛智慧化，有沒有可能你的信號燈不光是在那兒亮一下，同時還能發一個信號說，現在要變燈了。這種控制絕對比讓人工智慧去看更有意思。

第三，隨著智慧駕駛整個體系提升，智慧出行整個效率提高，那麼政府，包括公司是否在這個領域更好地提高整體效率機會。

比如說以後的車，最新被影響的是誰？一定是保險公司，每天那麼多的車型，可能不需要車了。沒有那麼多高車險的支出，為什麼交那麼多的保費呢？這筆錢應該用在哪里，是不是應該用在整體的交通基礎設施，以及自動駕駛有相應支出，這一塊改善效率更好。這是我們應該考慮的問題。

我們希望不光是未來有對自己生態鏈的定位，更重要的是希望在這個生態鏈上能夠撬動整個行業的優化，使得中國的智慧出行行業真的能夠彎道超車。目前全世界智慧駕駛，四個國家，第一，美國、第二，日本，第三，瑞典，第四，中國。中國現在提的熱，但是沒有具體的。美國已經有大大小小幾十家大公司了，初創企業。日本承諾2020年一定在冬季奧運會上使用花蓮租車計程車。

瑞典準備在全國劃出自動駕駛專線。我們有很多的創始公司在提自動駕駛，但是沒有真正的落地，我們希望從中國特色出發，從中國的模式出發，能夠整合所有的這些相應的企業，相應的政府部門的資源，為中國早日實現彎道超車，從第四名到第一名。