能不能有更好的预测路况的方法？
上周差点没赶上飞机，因为轻信了百度地图的路况。
但是我真的不是来吐槽百度的。
要知道，作为囧在途中则有轻度烦躁症患者，和对首堵交通状况强烈的忧患意识，我已经培养出了近乎条件反射般出门先看路况的习惯。特别是对于赶飞机这种有明确deadline并且容易出状况的场景，更是不厌其烦地反复推敲，在App给出的几条参考线路之间权衡再三。无奈，最后还是差点栽了一回。
因为，我在App的“帮助”下，选了一条最不拥堵，一路有着赏心悦目的绿色路况的路线。但是当开到半路的时候，这条路已经堵得根本走不动了。这个时候，百度地图的路况开始聪明地慢慢变黄、接着变红、最后变黑……我进退维谷犹豫半天，不得不无奈地调头，在同病相怜的车流中慢慢蹭回一开始的出发点，再换个线路一路狂奔，好歹算是踩点赶到了首都机场。
当时，冲动地想把百度地图删掉。
路况信息到底反应了什么？
但是最终我还是没这么做，删了地图App，难道要回到103.9时代么？在有一个可能滞后的路况信息和没有路况信息之间，我不得不屈从前者，有总比没有强，虽然它有一个重大问题就是“滞后”。
我们先来看看路况信息是怎么来的。
百度地图或者其它一些地图App，原本他们的路况信息主要来自第三方实时路况采集的公司，这些公司会通过各种手段，比如线圈、摄像头，但更主要是各种车辆（比如出租车）中的GPS实时数据，来获得各个路段上的平均车速，这些车辆技术上称为“浮动车”。
不过，现在用百度地图进行导航的人也很多，大家的实时车速和信息也能通过App上传给百度，大家都是“浮动车”，至于用不用，就看他的节操了。
总的来说，路况信息主要反映了之前一段时间车辆在路段行驶的速度。
预测路况能做到吗？
但是，其实我需要的是未来一段时间之后，我要通过这段路段的时候可能的速度。在我看到这个路段畅通无阻的时候，我毅然驶上了这条路；但是，不巧的是，可能前方突发了一个事故——我却一无所知，直到所有人都堵得动弹不得，路况信息才会反馈回来——这里路况变差了……
唉，要你何用。
那么，通过算法、大数据、或者不管什么技术，可不可以预测一下路段未来一段时间的路况？我们可以先看看BA分别是怎么做的：
百度
嗯，其实这就是一个历史流量统计
阿里巴巴
案例是浙江高速路况预测，实际预测效果如何未知
各位可以自行判断靠谱程度。
机器学习与突发事件
阿里巴巴的方案里给出了“数据流形”这个模型，看说明和流形学习之类的高深话题有关，虽然作为宣传材料颇有点语焉不详，不够通俗易懂。但是，从逻辑上，通过机器学习从历史路况数据中，学习出一定的预测模型，再对当前实时路况进行推演，得到一个可能有85%准确度的路况预测，是可信的。不管如何，这都比直接统计历史流量的水平还是要高一点的。
但是，这些预测都是基于“交通流”来进行推演的，但是这里有两个值得思考的问题：
- 突发事件的影响，比如突发了一起交通事故，到底对未来路况是什么样的影响？
- 拥堵的严重程度如何预测，比如一段很拥堵的道路，到底15分钟以后能畅通还是至少要等1个小时？
对于问题1，其实现实中，很多时候的拥堵都是突发事件导致的，这些突发事件包括但不限于交通事故、违章随停、车辆故障等等。所以，机器学习中如果缺少突发事件作为训练样本，得出的结论其实比实时路况好不到哪里去；同样，突发事件数据如果没有参与到模型计算中，对实际交通状况的估计也会很不准确。我差点赶不上飞机的原因，就在于前方有突发事件，突然变畅通为堵塞，但后面的车都是一无所知，依然前赴后继地去加剧这个路段的拥堵。
对于问题2，刚巧有个鲜活的例子，在刚刚过去的清明小长假，我的朋友圈一片哀嚎：去上海原本1个半小时的车程，最后走了快10个小时。百度地图的路况信息是这样的：
其实这种黑红相间的路况，在北京的东三环、东五环之类的路段也算司空见惯。但是，在亲身体验这次拥堵事件之前，你能想象到这样的路况会堵得一动不动，结果竟然需要高铁都能在北京上海跑一个来回的时间才能走这一百来公里？如果早知道，很多人恐怕宁可多请一天假也不愿意凑这个热闹吧。
如果能很好地回答这两个问题，路况预测可能比现在要靠谱得多。
实时的卫星视频
对于实时路况的监测和对突发事件的捕捉，国外有一些有趣的思路，比如实时的卫星视频。先来看一段视频：
“The world's first HD video from space”，是不是很震撼？——这家公司已经被Google收购了。虽然分析普遍认为Google的目的在于增强其卫星影像能力，但Google如果需要给卫星影像锦上添花其实并不需要这家公司，而他能提供的卫星视频所具有的实时、动态这些卫星影像不具备的特点打动了Google。设想一下，如果未来Google Earth和Google Maps展现出来的不再是静态的地图，而是实时的地面现状，每一辆正在行驶的车辆、每一个发生的事件都能实时地被看到，这是多么惊艳的一件事情。
对，其实这可能会比任何现有的路况信息和预测都要准确。
可能更好的方法
更好的预测路况的方法，至少有两个方向值得投入和期待突破：一个是围绕大数据的机器学习，加入更多与路况相关的影响因素，比如突发事件、天气情况、限行规则等各种数据，来训练更符合实际的模型；另一个是更多维度、更实时的数据获取，在这个充斥着数据的时代，只使用GPS未免过于简单了。
畅想一下，未来出门的时候，只要钻进自动行驶的特斯拉，打声招呼：“我要去机场”，剩下的一切就不用再操心。不管路况如何变化，汽车都会确保你在最短的时间内到达你的目的地。
其实我们人类就这么一点点的欲望。
欢迎从GeoHey获取地理和位置相关的数据、知识、服务
访问网站 http://geohey.com
联系我们 contact@geohey.com
长按关注公众号
