第一組大數據控制的紅綠燈安裝在在濟南的經十路上,，那條主干道原來很擁堵，我們的系統上線以后,，很多路口的通過時間縮短了10%-20%,。通過對一個區(qū)域內幾十個紅綠燈集中調度，擁堵又減少了20%-30%,。在基建上沒有任何額外的投入,，僅僅是靠數據，我們就讓現實交通效率提高了這么大的幅度,，智慧交通有很大前景,。

再比如說，如果今天你愿意用滴滴拼車,，有60%的概率我們會幫你找到一個拼友,。在北京，我們實測過,，70%的訂單都是可以拼在一起出行的,。這能很大程度解決擁堵問題。

城市化最大的問題之一是擁堵,。因為現在城市里都是樓房,，人類在三維空間生活工作，但是交通還得回到二維空間,，車輛幾乎都在地平面上運行,。就算再加上地鐵高架，也不過是多了一兩個平面而已,，依然是二維的,。當整個城市的人在某個時間點集中上班下班的時候，大家從三維的空間擁到二維的平面上,，人和車的矛盾,，車和路的矛盾就不可化解了。這是城鎮(zhèn)化進程繞不過的障礙,。限制買車,、限制出行，并不能解決根本問題,。

同時,，我還看到另一組數據，路面資源那么緊張,，但有很多車只坐了一個人,，80%以上的汽車沒有坐滿座位。很多人的出行方向其實是一致的，所以我們需要大數據,。需要在高峰期和擁堵路段大力推廣拼車,。

數據還帶來了一些其他改變。比如說一個出租車司機,，他去做了專車司機以后,，服務質量明顯提高。人還是同一個人,，什么讓他變好了呢,？是因為我們可以記錄司機每一次的行為，而服務會影響他接下來的收入,。數據改變了激勵模式。

今天我們在做交通安全預測模型,?；ヂ摼W讓交通變得透明起來，每一個司機的每一個駕駛習慣都已經被沉淀成數據了,，比如說他有多少比例是超速的,，他急拐彎的頻率如何，這些駕駛習慣會影響他未來的安全駕駛或者說出風險的概率,，都被滴滴記錄下來,。那些篩選出的有風險的司機，我們對他們做針對性的教育,，而不是泛泛地講要注意安全,。我們可以具體地提醒你在拐彎的時候不要太靠內側，或者說你一定不能再超速了?，F在滴滴對駕駛員的工作時間有強制要求,，如果你超過了一定時間，無論開滴滴的快車還是專車,，是一定要強迫你下線的,。這都是希望司機能夠保證安全，不要疲勞駕駛,。