近月以來，多名出租車、公交車司機被確診為新型肺炎，朋友圈滿是各地急尋同乘人員的訊息和文章，再次將安全出行問題推向風口浪尖。

2月4日，呼和浩特市一名出租車司機被確診為新型冠狀病毒感染肺炎病例。除1月27日、1月29日在家休息，1月18日到1月31日，她駕駛蒙AY1754出租車共載客154次。

同日，金華東陽市一名公交車司機回河南老家后被確診患新冠肺炎，東陽已找到該司機駕駛的公交車乘坐人員103人，并采取隔離留觀措施。

2月7日，深圳衛健委發布通報：377路公交司機姚某檢出新冠病毒“陽性”，隨后，5條同場站線路（822、M281、 M428 、377、B741）約100輛公交已暫停運營，并對全部車輛進行了消殺。

在疫情特殊時期的公共交通調度、安全出行引導等難題面前，智能交通的安全、可控和高效性，可以更好地服務城市。

特殊時期，百度Apollo自動駕駛平臺聯合其生態合作伙伴新石器時代、智行技術等已赴武漢，北京、上海、青島等地投資數十種可用于清潔、消毒、送餐等服務的無人駕駛汽車，并利用生態的力量幫助預防和控制工作。

為了擴大疫區無人駕駛服務的規模，百度Apollo于2月10日宣布將免費開放低速自動駕駛微型車套件和自動駕駛云服務矩陣等，為企業提供有力的支持。

未來，更多的自動駕駛汽車將成為戰爭流行前線的高效可控公共資源，并在社會服務方面做得很好。

除了百度之外，智能交通領域的多家企業也紛紛發力。

海康獻出了臨時卡點防疫檢查站車輛預警解決方案，千方有重點場所疫情防控云平臺解決方案，中控信息有疫情監測解決方案，平安智慧交通有防疫重點車輛核查系統和疫情防控交通一體化系統等。

此番疫情的發生，對于交通行業提出了莫大的挑戰，但同時，疫情過后，智能交通也會迎來發展的機遇。

我們可見，疫情中人流和車流的管控可說是重中之重。此次疫情正值春節，大量的人員回鄉、旅游，交通出行非常集中，跨省、跨城市、甚至跨國的流動都非常大。

出行方式主要包括鐵路、飛機、長途客運和私家車等幾種方式，因此考慮新市場需求，新產品管控和服務的對象主要是個體人和車輛。
談及車流管控，我們需要掌握車輛在重點疫區及周邊城市的跨地區活動情況、出現位置，并進行實時、動態的統計分析及實時過車預警，加強針對經過疫區車輛信息的感知防控能力。

在人流的管控上，需要掌握人的出行軌跡和信息，車輛的出行軌跡和信息，人員乘坐不同交通工具出行的信息。

簡單來說，在這次疫情的防控工作中，對通行的人和車輛，我們需要弄清楚對方從哪個省份，哪座城市來，經過哪些城市，駐足過哪些地方，乘坐了哪些交通工具，所乘坐交通工具的車次/航班次等非常詳細的信息。

一輛車一輛車的詢問，一方面容易造成交通擁堵，另一方面也會增加病毒傳播的風險，那么該如何解決呢？

首先可以依靠車輛軌跡追蹤，基于道路視頻監控、卡口等視頻數據，通過車牌書本，以掌握重點車輛的重點疫區旅居史、停留史、活動軌跡，分析目標車輛的密切接觸對象等信息，以及有關車輛和人員管控的外延信息，數據整合。

在這次疫情防控過程中，就有不少企業將大數據疫情防控系統多個省份的公安機關疫情防控工作應用，但這些系統主要應用在省內，城市等一定區域內的軌跡追蹤。

除此之外，車輛數據的追溯效果還受前端數據采集質量，以及跨省數據共享等問題影響。所以未來還有相當大的提升空間，提升的關鍵點就在于重視交通基礎數據的采集，重視交通采集前端設備的運維。

第二個可以考慮應用的場景是建立“遷徙大數據”，此前有地圖商曾經對外發布了遷徙大數據，數據顯示了春節期間不同城市人口的遷入量和遷出量，遷徙關系。

但這一地圖數據主要是基于機動車數據生成，人的出行方式卻不止機動車一種，因此整合大交通方式的人口遷徙特征則是需求提升的目標之一。

此外，這次疫情防控工作中，一個高頻出現的場景是同架次/車次的個體出行者尋找，這對于出行追蹤提出了新的需求。

例如我們開頭提到的東陽公交車司機被感染后，由于強傳染性，當地追溯了103位同乘人員進行檢查與隔離。

在追溯過程中，我們看到一開始是媒體發布公告的形式召集，后期面向公眾上線了疫情跟蹤、同車查詢系統，尋找過程還是較為被動。

目前，城市出租車出行有很多打車軟件，都綁定有個人的移動聯絡方式，應急狀況下主動的個體出行信息服務實際上也可以延續到城市出行末端。

未來若是能夠打通一體化出行鏈后，這些信息要素就可以完全掌握，讓追溯更加主動高效。

總而言之，未來智慧交通領域的發展，無論是其產品和解決方案的基礎都是大數據的應用，不過每一次危機和困境都會伴隨新的機會出現，疫情過后，我們都希望它能為智能交通沉淀些什么。