我相信，哪怕“下半场”概念的持续走俏，当整个社会的技术基础设施向人工智能的底座切换，它被写入政府工作报告也只是时间问题。要知道，在过去数十年，当科技学术界在向公众描述未来时，对于“确定趋势”凝成共识的次数其实屈指可数——且远未达到今天学界对深度学习这条技术脉络高度认可的坚定态度。

这种共识当然会向政府等决策层传递。就像互联网时代，不少科技企业完成了对资源配置的重新释放，在即将大规模落地的人工智能时代，在对待更复杂的社会问题时，他们也有能力，通过AI为政府和其他社会组织赋能，通过数据的交融，合力将城市向更具智慧的方向演进。

其实谁都知道，世界的复杂度正如“沙堆实验”一般集聚，传统人力基于过往经验，早已显得疲惫不堪——譬如交通问题，早有人预言，隐匿于城市毛细血管的交通网络，有可能是第一个被搁置在人工智能底座的社会系统。

在迅猛的城市化发展中，交通是所有人的切肤之痛：在中国，有大约超过50个城市面临不同程度的拥堵，城市越大拥堵越严重，不只中国，交通问题是世界大型城市的共同顽疾，我看到的数据显示，欧盟境内每年因交通拥堵造成的经济损失达到了1000亿欧元——而也正因如此，在全世界的资本市场，出行领域的点滴创新，从来都会招致他们的敏锐嗅觉。

巨大的公共福祉背后，是颇为坚信的路径实现。众所周知，城市交通网络由人，交通工具和管理三个维度构成，且随时都在变化。

而这也意味着，当数据成为新经济的底层驱动力，解决交通这样的复杂社会问题，政府也势必对人工智能敞开怀抱。在我看来，通过“人工智能+社会治理”，用数据为城市“画像”，才是每天诞生的海量城市数据的最佳归宿。

具体到交通领域，无论约租车，移动地图，还是共享单车，实时公交，都将成为智慧城市升级路上的重要一环。

解决人口问题的智能方式

说到城市化，不妨先说一个我今天看到的案例：人口问题。

必须承认，将巨大人口卷入到整个世界经济的分工体系，是过去三十年中国增长奇迹的最大因素(事实上，愈到未来，中国人口红利优势就愈显著，全世界最发达的高铁系统就是最好佐证)。而在中国人口问题的另一端，如今社会学家的普遍达成的共识是：自由迁徙实则是解决城市化发展“不公”的最佳方案。

如你所知，在城市化历史进程的奔流中，你一定经历过那种看起来就充满不确定性的人口普查方法，面对频繁的流动，传统普查方式人力成本高企且往往并不精确。

其实政府完全可以仰仗更睿智的方式，譬如通过移动地图，百度地图就每天响应450亿次定位请求，，位置服务超720亿次，完全可以基于这些累计的定位数据，计算出每个用户的工作地和居住地(当两个月在某个位置出现上百次;时间集中在9：00-19：00;连接的wifi固定，基本可以判断是在工作地)，然后通过划分区域位置边界，测算出某个区域的人口绝对值。如今百度地图慧眼数据的预测准确率已达85%以上，完全可以为政府机构提供重要的辅助性数据资料。比如百度依靠人口数据优势，，以城市新流入常驻人口与全国所有城市新流入常驻人口均值比值为指标，发布了城市吸引力报告，2017年第一季度的报告显示：在人口吸引力排名Top10城市中，长三角、珠三角各占三席，人口吸引力突出，此外还包含北京、重庆、成都及郑州。

另外他们还以城市拥堵指数和公交站点覆盖率为指标，同时发布了城市交通运行情况报告。城市拥堵方面，从主要城市拥堵排名Top10数据看，直辖市重庆、北京、上海三大城市入榜，天津是唯一未入榜的直辖市;其他入榜城市均为省会城市，其中哈尔滨以2.138的工作日高峰拥堵指数居榜首。而公交站点方面，在公共交通站点500米人口覆盖率排名前十的城市中，广东有深圳、东莞、佛山、广州四个城市上榜，北京作为北方唯一入选Top10的城市，排名为第七。

可以预见，这种基于真实流动状态的数据分析势必将影响决策。

人工智能+交通的路径实现

事实上，判别智慧城市的一大标准，即是各个领域决策层——尤其政府决策部门对于数据的驾驭程度。而欣喜的是，作为一次算法革命，深度学习以一种简练的网络模型得以解决过往极为复杂的社会难题，譬如交通。下面不妨从打车，公交，单车和地图等不同维度来拼接成“智慧交通”的全貌。