刘东波：多模系统网联交互与数据赋能的城市交通智慧协同管控

刘东波  研究员
公安部交通管理科学研究所 副所长

　　一、项目背景
　　新时期城市交通面临诸多问题和挑战，项目立足以下三方面需求开展应用研究：
　　（1）回应老百姓关切体验。现阶段老百姓对拥堵的认识是比较客观的、一定程度上可以理解接受的，不过是更关切出行的可靠性、顺畅性、舒适性问题。出行体验最不好的例子就是，路口信号灯在没有车辆通行需求的时候显示绿灯、有车辆通行需求的时候显示红灯，尤其采用倒计时更加显性表明信号配时的不合理。
　　（2）响应政府交通治理新需求。各地政府都非常重视交通精细治理，在推进过程中，如何通过技术、科技手段，找准问题的关键点、准确支撑科学决策？近年来一直讲精细化治理，但始终难以准确直观地回答精细化治理的落脚点在哪里？所以要用好新技术新科技手段给予明确支撑。
　　（3）顺应交通智能管控产业升级期待。“十一五”、“十二五”时期做国家科技支撑交通项目，其中一个目标就是要成果可复制，也就是说对产业升级发展有积极引领作用，所以必须要对产业升级发展担起责任。当下，各种新理念新技术新科技非常多，可以说进入了前所未有技术创新发展的新环境，交通大脑等到底该怎么走、怎么更好地接地气、可商业化，智能交通产业融合创新、升级发展路线怎样走更为理性？

　　项目的总体研究思路和推进路径，首先是将聚焦问题和场景目标为导向作为整个项目的实施主线；以此为指引，围绕如何做好网联、用好大数据，如何升级用好现有多种交通应用系统，整合协同好各类交通资源环境，在此基础上，基于可网联可交互、有可用数据、及时用数据，要突破的是如何用AI来提档升级，如何提升路侧端、中心平台的智能化，如何针对平峰、高峰不同交通场景、问题症结、交通状况，提供针对性的解决方案。

　　到目前为止，总结整个项目初步形成了以下几个方面的成果：
　　1.三套应用体系
　　（1）数据交互体系。公安交管内部各类交通系统、互联网出行、交通行业系统之间可获取可交互的数据共享应用体系，包括了内部研发数据规范和几项基本技术标准。
　　（2）智能应用体系。以大数据平台为“脑”、以网联各类应用系统为“智能体”的应用框架体系及可协同可执行的应用升级路径；
　　（3）优化方法体系。在以往研究基础上项目重点聚焦非饱和、饱和、重点交通方式场景的针对性交通组织与控制优化指标及方法体系。
　　2.一大协同平台
　　基于网联多种交通系统的大数据，构建涵盖分析研判、诊断预警、预案/方案优化及在线评估反馈、预案调度执行等功能于一体的大数据平台，实际上是“智能脑+执行体”在“汇聚、判断、调度、反馈”的应用结合。
　　3.四类场景应用
　　有了针对性方法体系、有了数据支撑和中心管控平台，更需要有智能应用来支撑，针对平峰、高峰、慢行/公交等代表性场景，升级研发相应的可执行应用系统。
　　4.两项核心设备
　　整个项目做下来，基本准则是立足现实基础设施，升级软件功能、提档应用功效，希望能够立足现有设施可以更好地升级，同时研发提升两项路侧设备：视频感知和边缘计算终端，这两项设备是网联大环境下数据可获可交互可用的根基所在。

　　二、项目成果
　　项目重点研究形成七个方面代表性成果：
　　1.设备可物联/系统可互联，规范数据交互
　　我们希望能够做到路侧的设备可以物联、中心各类系统可以互联，也就是说，横向可以数据交互，此前公安交管路侧前端重在向上做集成，前端横向联通的事做的很少。这也是公安交通管控大数据缺失、用不好的很重要原因之一。

　　在路侧层面，项目重视解决前端各类感知和信号机直连协议标准的问题，边缘计算和所有路侧设施相连的数据标准问题，重点推动感知与控制一体化及其数据的实时交互使用。

　　在中心系统平台层面，一方面，各类交管应用系统与大数据管控平台的数据汇聚和反馈标准没有，项目任务最终通过数据规范化汇聚打破公安内部各种烟囱系统数据的不可共用。另一方面，构建公安专网里大数据管控平台与互联网出行系统、与公交系统等多模系统如何打通连接、能交互共享什么数据。针对不同的互联应用对象，我们定义了相关交互数据指标、交互频率等规范标准，所以，项目第一大项成果是各种交通系统之间的数据交互规范和推进数据资源共享标准化，形成了一系列内部开发规范和定义基础数据交互的国标行标。
　　2.网联大数据汇聚支撑导向，建立协同管控应用架构
　　有了数据之后，到底该怎么做应用？该怎样定位大数据管控平台的功能？就是要界定清楚“大脑”该做什么，面向管控需要哪些“智能体”应用的问题，同时也定位好“大脑”为专业化做好信号配时中心提供基本支撑。整个项目围绕如何做好交通运行研判诊断、信号优化评估、多场景应用协同调度、调度警力快速处置拥堵、发挥互联网导航助力疏堵等重点问题开展研究。同时也前瞻性考虑如何借助智能网联赋能做好车路协同。

　　我们一直期望这样的体系能够得到业内认同和共同实施推广，近年来各种新技术和新概念层出不穷，回顾梳理下来，真正落地、用得起来的确实很少，所以，我们认为研究建立、推动上述的应用框架体系和数据交互标准体系非常重要。
　　3、场景化交通协同优化方法，问题导向、靶向治理优化
　　解决拥堵的问题，最根本是溯源找准问题所在，优化治理方法自然有针对性、有实际成效。现阶段处于用好交通大数据的起步发展环境，最重要的就是做好研判、问题的诊断和评估，所以要想做好优化方法，先要把研判的指标体系、诊断的指标体系、评估的指标体系，关键衡量指标准确地列出来，围绕这些指标，一个个做汇聚计算的算法，并不是一个智能算法可以解决所有问题，所以项目研究提供了各项关键衡量指标及其算法集，来实现诊断评估、助力怎么优化。

　　以往说要做好交通诊断和优化，如果没有逐层递进、分类明确的指标和数据支撑，是无法实现的。项目正是基于此，围绕不同场景建立相应的优化方法体系，并编撰了场景化案例式的应用指南。
　　4.感控一体化路侧边缘控制成套设备，运用AI智能提升
　　第一项设备是升级研发普遍用的视频感知设备，在识别车辆、数量、速度的基础上，项目通过AI算法实现准确识别绿灯放行过程中的车间时距，也就是绿灯起亮开始，从第一辆车到最后一辆车，所有前后车辆之间的车间时距，这项指标是信号动态控制最重要支撑，之前分析刻画的少。不同相位车道在绿灯放行的不同时序内，不同位置的车头时距不一样，需要通过视频AI算法刻画，进而获得动态的通行状态演化特征。

　　第二项设备是路侧边缘计算终端，边缘计算的概念与作用范畴很多，我们希望能够将边缘计算用在交管专网路侧，把它做实、做得有用一点，基于华为边缘计算基础软硬件，我们努力实现以下几点：作用之一，可嵌入安装在信号机内，接入不同进出口方向视频等感知设备，植入视频识别处理、实时汇聚计算学习算法等，可判断车道级、进口道级以及整个路口的通行状态、阻塞事件等。目前现有的信号机提供不了这样的接入能力和算力。

　　作用之二，换条路径支持多种品牌信号控制设备系统的网联、多种路侧智能设备的数据同步汇聚，边缘计算终端就可直连到大数据管控平台，不再通过系统集成的路径，而且可以前瞻性的支撑车路协同各种应用场景，这也是项目研究、极力推荐的应用架构和路径。当下不可能把现在中国20多万个红绿灯路口信号机都替换成新的，现实也做不到完全统一各品牌自主的内部通信协议，所以换条路径、用边缘计算终端，既能解决路侧设备物联、数据汇聚可用的问题，也能助力破解联控的问题。
　　5.交通需求与通行效率导向，提升实时优化控制
　　针对平峰时段，信号灯状态、配时与排队放行车辆需求动态变化、不匹配的问题。在“十二五”期间做了基于特征参数经验值的实时响应控制基础上， 这次通过“十三五”项目，就特征参数、控制增加升级了有关人工智能算法。
　　第一个是实现交通状态和控制参数的交互结合，原来建模数据源要么是为识别交通状态，要么是优化控制参数，现在利用动态网络建模方式将两类数据源交互结合起来考虑，目的支撑感控一体化和实时交互。
　　第二个是升级相位级的实时优化控制算法，因为每个路口红绿灯放行限值时间不同，也就是最小绿、最大绿等特征参数值是不同的，并其与通行状态、通行量相关，所以通过机器学习算法，实现不同路口信号控制特征参数阈值的动态获取和路口动静态交通条件的自适应匹配。
　　第三个是增加了下一周期的动态响应控制模式，引入了迭代学习控制，来升级传统、阶段式的控制，也可以说是路口周期和绿信比的动态调整模式，此种模式也是为了兼顾不同技术路线的信号机控制迭代升级。

　　此外，在传统公交优先的基础上，拓展实现不设公交专用道的公交优先，也就是通过信号系统直联公交运营系统，秒级获取提供公交车的位置信息以及载客量情况，公交车到达路口前，就知道相应的通行相位和车道方向，基于公交车行驶速度、各相位通行数量前置测算、提前调整各相位绿灯放行时长。涉及涵盖两种混合车道情况，一种是占用右转车道，另外一种让所有车道的社会车辆与公交车一起通行，公交车过路口后随即切换相位。
　　6.面向高峰交通拥堵场景，精准化主动均衡调控
　　针对高峰的场景，不是彻底解决堵的问题，而是如何缓解交通快速集聚致堵的问题。围绕不同致堵的场景分类给出解决方案、研发应用。我们选取了几个代表性场景：快速路、拥堵热点（也就是常态化堵点）、通勤干线、通行量过度不对称等。  
　　最关键的技术支撑问题就是如何溯源关键流向路径及集聚速度和通行量，项目主要是利用路口电警卡口过车数据、高德互联网导航数据以及路口排队放行状态数据等，分层解析来进行判断、获取规律的特征。在此基础上，针对如何调控分流问题，也就是沿着主要流向路径，一方面，远端路口优化增加红绿灯时间，即适度截流、减缓汇聚程度；另一方面将调控需求交互推给高德导航，由导航优化诱导路径算法、分流诱导部分汇聚用户车辆。项目重点也研发了不同环节的优化算法、升级了形成不同场景化应用。

　　此外，针对经常出现的对向车道交通不均衡、同一个方向左转和直行通行量差异大的问题。在原有固定调控的可变车道、潮汐车道基础上，增加改进车道排队放行状态实时监测，实现相对实时动态切换，切换之后并根据车流量的变化实时调整相位级的放行时间，也就是升级实现两个动态控制。
　　7.大数据支撑/系统协同，赋能交通智能网联管控与服务
　　大数据平台功能如何定位，如何做到协同？基于项目研究设定的应用框架，前面也提到，大数据管控平台功能重点定位在交通运行研判诊断、信号优化评估、多场景应用协同作用、调度警力快速处置拥堵、互联网导航助力疏堵等功能上，也兼顾考虑赋能智能网联车路协同。围绕这些功能，项目研发了面向智能网联的协同管控服务平台，接下来在示范城市进行落地验证。

　　在项目示范城市范畴内，高德作为项目参与单位，基于跨领域跨网络的交互数据规范，开放提供了相应数据接口和可交互指标数据，同时，交通管控数据，如红绿灯控制方案、交通管制及事件信息也交互给高德出行平台，专门研发了助力疏堵调控的导航诱导路径优化算法，初步实现交通专网智能控制、互联网导航疏堵在各自的优势领域协同调控交通。实际上，大数据管控平台赋能车路协同，也是基于这样的技术应用架构，应用创新和前瞻探索要更符合现实应用情况及产业化发展实际，这也是整个项目努力推动的。

　　三、近期计划与愿景展望
　　项目年底要结题，接下来，一方面将在五个示范城市选取代表性场景进行落地验证，同时做好各项功能系统应用的验证示范以及效果的测评。另外一方面，按照科技部项目验收要求，总结凝练好代表性的成果和关键技术创新，加快实施进度。

　　回顾项目立项、研究推进以来的整个实施历程，项目组共同努力的目标愿景，就是期望能够让大数据可获、可用，能够让AI有用武之地，让感控更加智能化，让协同更接地气。真正的智慧交通是要解决老百姓关心的问题，是要为政府治理能力提升给予支撑，是要对产业创新升级发展有引领。让技术创新深植交通生态。