无论是自驾、网约车还是公交地铁，出行是现代生活的底层设施。
随之而来的问题则与每个人息息相关：如何保障驾驶安全？如何解决司机乘客之间的纠纷？随身物品遗落在车上了怎么办？
作为在全球服务了5.87亿左右的活跃用户、拥有2300万活跃司机的出行平台，滴滴2022年归还乘客遗落的手机超25万部，行李箱超2万个，笔记本电脑7000多个。
滴滴的实践显示，好的出行体验背后是一整套服务体系和治理体系的支撑，除了数字技术，还需要社会学、心理学、博弈论等各种跨学科协同；不仅平台和政府要参与治理，乘客、司机、媒体、第三方机构等各种角色也都需要参与进来。
如何让出行更美好？这不仅是滴滴在思考的问题，也是专家学者、政府机构甚至每一个居民都应该关注的问题。5月16日，CCF C³走进滴滴，一起探讨“智能技术与交通治理”，与众多交通行业专家、技术专家一起探讨数字技术、智能交通、无人驾驶等方面的新理论、新方法，分享新进展、新成果。
1、
滴滴出行智能平台事业部总经理杨毅介绍，过去几年，滴滴在整个出行生态的治理上做了很多尝试，大量采用数字化技术，初步做到整个出行生态治理的在线化、数据化还有智能化。
事前预防，以人车准入为主，包括人脸、证件、车脸可信采集与真实性验证等；
事中治理，包括交通安全治理、车内冲突治理、司乘纠纷治理等；通过车载设备，预防司机的疲劳驾驶、对司机疲劳驾驶、分心驾驶、未系安全带等不安全驾驶行为进行识别、干预、培训等。如果出现行程轨迹明显偏移导航、长时间丢失或停留等异常情况，平台会采取响应安全措施。
事后治理，则包括大量的客服工作、司乘判责、应急响应等。会上杨毅还介绍了滴滴的物品遗失找回服务和信息安全保护系统，2022年滴滴司机归还的遗失物品就包括了超25万部手机，超2万个行李箱，7000多个钱包，6700台电脑。
“司乘纠纷中，最难的是数据取证和规则明确，我们需要运用社会学、犯罪心理学、交通安全法律法规等各学科的综合知识，再和数字技术的结合，从平台的角度，保障双方的公平公正的。”杨毅指出。
通过积累数据、沉淀中台、输出标准，滴滴不断探索如何减少交通事故、减少人身冲突、实现应急响应、提供更好的服务体验，“希望大家出行顺利，尽可能不要接触到治理体系，但是如果遇到意外纠纷，滴滴的治理体系也能提供很好的服务。”杨毅总结。
2、
可视化看中国：从时空数据了解社会
北京大学智能学院研究员袁晓如认为，在交通出行过程中，如果将司机们的行驶路线集合起来变成可视化，可以看到很多有趣的情景。
比如，在北大西南角有一个比较复杂的路口。但是如果可视化长时间积累的车辆轨迹，但是有少数车在这里走出一个半圆形。这是因为在现实场景中该路口有少数司机通过这个方式绕开红灯。（10余年前的数据，当前应该没有类似现象了）。
对于每个饱受堵车之苦的大城市上班族来说，堵车过程到底是怎样形成的，一直是个谜。随着数据获取和可视化技术的加持，堵车不再只是停留于简单的描述，而是可以具体呈现来的场景，然后提供有针对性的治理。
通过和历史位置数据的结合，观察者还可以描绘出各个历史时期的人口迁移路线、书籍传播等历史信息。
袁晓如指出，出行背后是一个社会的综合治理，随着现在数据获取的精度更高，可以绘制的可视化也更加多样精确，能为综合治理提供更可靠的依据。“综合治理需要综合知识，从交通数据或行为数据这方面来看，需要个人认知、心理动因、法律法规、甚至国际合作等各个交叉学科的协作。以北大校内为例，校内正在试图将各个学科的知识结合起来，包括国际间的数字治理、数字经济、古代文化等。数据是个粘合剂，让这些分散的知识集合起来、可视化呈现，这让我们既能看到现在，也能看到过去和未来。”
3、
那么政府、平台、第三方机构、媒体舆论、司机乘客分别在出行治理中扮演什么角色？各个参与方如何协同合作，才能让出行更美好？
清华大学经济学研究所副所长王勇指出， 平台的出现给出行治理带来新的解法和思路。
过去政府治理主要在事前和事后进行，比如政府主要在事前提高准入门槛，规定入门资质；事后进行惩罚，吊销执照。政府没有多少精力对事中进行监管。
现在有了平台企业，平台能够对过程进行检测，也就具备了事中管理的能力。比如对司机乘客之间的纠纷，平台可以对纠纷发生的过程进行取证。也可以对司机在驾驶过程中的状态进行识别和检测。
从协同治理的角度看，首先，由于平台具备事中检测的能力，所以政府可以放松事先资质审核。不仅是网约车的准入门槛降低，美团的证照分离，都是平台和政府之间的一个监管协同。
其次，在事后惩罚方面，平台可以和政府分工协作。政府惩罚主要手段是行政处罚，平台则可以借助市场化手段，发放服务卡、降低声誉机制等。二者相互配合，平台拥有比较灵活的市场化手段，进行市场化奖罚，而公权力则对危害比较大的行为进行惩罚和威慑。
北京交通大学计算机与信息技术学院副院长李浥东认为， 出行治理的底层是交通大数据的打通。居民出行由道路交通、轨道交通、航空、海运等多种方式组成，各种交通方式之间的数据如果打不通，协同治理只能是一个设想。
北交大承担一个交通大数据人工智能教育部重点实验室，就是希望能够把多模式下的大交通里面的数据能够打通。首先建立起管理者之间的大协同，然后把数据系统打通，在这个基础上，长出很多面向出行治理的应用。
北方工业大学智能交通控制（北京市）重点实验室研究员张福生认为 ，交通治理的核心，最简单来看就是治堵，但实际上堵是治不了的，因为供给有限，需求无限，经济越发达，出行需求就越旺盛，那堵是必然的。所以就变成了出行空间怎么分配的问题。
从分配交通资源的角度看，它是一个多目标导向，而且不同时间内、想要满足的目标可能不同，有时是政策导向，有时是舆情导向，比如同一时间内，旅游出行怎么分配，商务出行怎么分配，通勤出行怎么分配——通过拆解成多目标，再来看待治理拥堵这个问题，可能就有一些新的办法了。
滴滴出行智能平台事业部总经理杨毅认为， 智慧交通最核心的要求是解决供需问题。如何弹性提供供给，如何更好地满足需求，这也是滴滴一直也在探索的问题。智慧交通方向确实是具有很大的社会价值，但也面临很多的技术挑战。
4、
更好地认识企业、更好地服务企业
走进滴滴，探讨智能技术与交通治理，这是CCF C³举办的20场线下活动。
在活动开始前，CCF秘书长唐卫清指出，CCF拥有10万+的会员，但一直在思考如何更好地服务企业。
C³活动的愿景是从技术角度为企业提供服务，主要是通过3个方面来实现：一是企业需要技术布道，二是企业需要交流技术，把难题端出来，展开交流，寻找合作机会；三是让技术人相互熟悉起来，扩大交流面。
杨毅介绍，滴滴在2017年就开始与CCF合作，建立了大数据实验室，同时在人才培养和人才评选方面进行深度合作。今天通过分享滴滴的研究成果和实践案例，希望可以和专家学者一起展望出行的发展趋势，推动整个行业的创新。
活动结尾，CCF副秘书长、企工委主任、亿邦动力CEO王超总结，本次在滴滴讨论技术治理的问题，其实是为了让从业者们从更高层面看技术，从更高的层面看待出行。
王超认为滴滴面临复杂的出行场景。在整个交通系统中，滴滴的业务是非标的、开放的复杂系统。
复杂系统带来复杂的治理问题，这要求滴滴必须富于智慧才能够发展。王超认为，这种商业模式的要求是“既要……又要……还要。”对顾客来说，既要安全又要便利还要便宜；对滴滴来说，既要对乘客负责，也要对司机负责，还要对社会有交代。
王勇（清华大学经济学研究所 副所长 ）：
刚才大家提到要把控各类数据，可以搞一个城市大脑来统筹我们的交通，特别是如果再有了无人驾驶车，整个出行就会变得更加智能。我从经济学的角度来看，我对这样一种有城市大脑集中安排的前景表示怀疑。
因为我觉着交通行为很像一个市场，每个个体都在做分散决策，在一定规则之下来协调大家的行为。
如果交给把所有数据都集中起来，有一个非常厉害的超级人工智能替我们很多人做决策，就好像哈耶克所说的“致命的自负”，似乎就有了数据，什么都能搞定，我想请问，你们怎么看看？未来结合无人驾驶技术，结合数据，结合人工智能的这种城市大脑方案到底可行不可行？
李浥东（北京交通大学计算机与信息技术学院副院长）：
有很多城市在做城市大脑，在一个做轨道交通的人眼中，从区域到区域之间的大容量的大客流的骨干调控，中心调度肯定是最有效的。如果为了乘客点到点的个性化需求，集中调度肯定是有问题的，计算资源、算法、数据三个层次现在都支撑不了。
所以针对不同的交通模式，我们可以采用不同的数据使用方法。就像您说的，我们不可能用一种模式去解决所有的交通治理问题，数据打通仅仅是第一步，这些数据到底能不能起到作用，或者在整个城市范畴之内，能不能解决一些核心难点，现在大家还在尝试中。
我们计算机学会也刚刚成立智慧交通分会，将交通方向的人和计算机方向的人结合起来，希望我们在发展过程中，能够尝试着回答您刚才所说的问题。
张福生（ 北方工业大学智能交通控制（北京市）重点实验室研究员）：
我比较喜欢通过故事来说明问题。这个故事是你银行里有多少钱，不会因为你用了更先进的支付手段，钱就会变多。技术能起的作用是让你花钱的方式更科学，但并不会让你的钱变多。
王老师刚才给自动驾驶泼的冷水，我完全同意你的观点，自动驾驶可能在某种程度上让司机和出行的能力有一定提升，但是它还是有天花板，天花板到底在哪？
信息化的手段可能让我们对规律更了解，让我们的管理更灵活，让出行效率更高，这应该是能达到的。但是我们有时候需要强控制，有时候需要弱控制。比如通过发布信息，影响居民路径的选择。当然这些东西都离不开数据和算力，这是一定的。
杨毅（滴滴出行智能平台事业群总经理）：
我们追求的确实可能不一定是城市大脑这样一个超级AI，让它来安排所有的人，让每个人可能生活在一个安排好的情况下，作为人我觉得有点可怕。实际上我们可以利用数据、规划、调配等方式，在一定程度上解决好当前供需市场的需求，解决多种交通之间的配合问题，更好满足多目标的协同。这是我们这些做技术的同学希望在交通场景下发挥的价值。
