無錫市交通警察支隊指揮中心主任 吳仁良 

其實從信息產業的手段來講，不管是傳統意義上的線圈也好，包括視頻、地磁、電子標識等也好，都是手段之一，從我接觸到的情況，已經不像以前那么重視線圈，因為可替代的技術很多了。但其他不管是視頻、汽車電子標識等等，它們不是相互替代的，而是相互補充的，誰也替代不了誰。

比如說視頻，能檢測到的信息非常豐富，但有一個致命的缺陷，它受制于環境。像上午說的雷達，精度、使用范圍很廣，但是也有缺陷，車流很多的時候是很準確的，但是車流量很少的時候，要看是不是合理。汽車電子標識采集的數據也是非常精準的，但只是一個電子信息，如果汽車電子標識的信息不跟視頻結合起來，一輛車的畫像就不是全面的、不是精準的。它們之間是相互補充、相互結合的，這些手段結合在一起，結果會更加準確、更加精準，為我們的服務和管理提供更好的幫助。

而V2I技術本身是一個多技術融合的系統，并不是一個完全的采集技術，融合了多種手段到系統里面去。剛才在前面的分享中已經說了，在無錫的車路協同系統中采集到的數據非常豐富。比如說急救車輛的避讓，首先需要對急救車身份進行鑒證，是不是急救車，有沒有在執行急救任務。車輛是急救車，但如果是去加油、去維修，要不要給他優先權呢？肯定不需要。那么，系統怎么知道它是在執行緊急任務，還是出去加油、修車，從這個角度來講，單個感知肯定不是最全面的，要通過各個系統和手段融合以后最終為交通管理所用，而且用的時候能夠符合我們的預計和要求。我的理解是這樣的，謝謝！

上海智能交通有限公司軟件研發部總經理 鄭綱 

我非常同意吳主任的觀點，為什么要互補？因為各種檢測技術有各自的獨特性，交通感知還是要按需求來的，不是說我要裝什么設備，而是說在這個環境中需要采集什么信息，在時間和空間上采用什么設備。剛才講到視頻和電子標識，多數情況下是兩個感知設備一起安裝同時工作，這就要研發一個算法把視頻識別的圖像數據和電子標識數據匹配起來，不是互相替代的問題，而是兩個之間又產生新的模型、算法和需求。包括V2X也是一樣的，車輛能夠提供感知的信息，反過來車輛也需要感知信息。像前面龍隊說的，有些路口并不需要很多感知的東西，滿足交通管理控制需求就可以了。這是我的想法，謝謝！

深圳市城市交通規劃設計研究中心總工 張新宇 

我認為這個話題是數據化的問題，是數據源的建設。對于交通系統來說，數據是最基礎的采集，在大的平臺來說應該是IaaS。我非常贊同剛才前面專家說的觀點，我們做交通的控制、交通的管理最普適的思路是數據、處理模型（工具）、控制輸出三個階段，其中最核心的是，面向目標構造的模型以達到我們的需求。

比如說行人過街，一種方式是裝一個行人過街按鈕，這是一種采集手段；一種方式是視頻、紅外、雷達等檢測路口等待的行人，這種應用對于信息數據的精確度要求是極其高的。如果數據的缺失會導致服務的缺失，讓這種服務能力是不可行的。比如說在某個應用上，用互聯網的數據為基礎，這個數據原來有0.9%或者1%的缺失，影響是不大的。對于數據源來說，我們也達成了一個一致的意見和思路，就是各有各的特性，有它的應用特點和數據特點。這種數據特征就體現了多元的數據采集，它的存在是有生命力的。

柳州市交通警察支隊接處警指揮大隊副大隊長 龍海勇 

剛才鐘教授說的很好，就像法拉利F1賽車，不同的車手開起來就不一樣，并不是車不一樣。這期間我個人也很有感受，最大的關系是用戶的需求。數據的模型不能是完全一樣的，用戶的需求和他想要的預期的預值比較關鍵。比如說你買一個地磁，就想拿到全息數據是不可能的，只能說怎么用這個數據進行轉換、調整，盡量把投入的性價比做到最高。所以有時候我經常和相關企業聊的都是業務，因為所有的“大腦”、“小腦”都是為交通安全、交通效率服務，算法再高深也是企業的事，企業幫業主實現目標才是我需要的。這是交警和企業與科技融合的一個最根本的重點，這是我在基層最大的一個感受。

無錫市交通警察支隊指揮中心主任 吳仁良 

無錫沒有用DSRC，現在LTE-V2X主要是國內公司主導，但在全球來講，無錫應用進展最快。而且實現了很多功能，現在國外廠商都是看中國的進展情況，包括大眾、寶馬等車企都要加入這個團隊，因為無錫進展遠遠超出他們的預期。2018年4月份奧迪推出同步交通信號功能時，汽車界非常轟動，但我們認為不過如此而已，我們的功能遠比他更多，而且實用性更強。

重慶攸亮科技有限公司總經理 戴高 

現在互聯網的數據通常是來自于百度、高德和滴滴的，這三種數據我們都有接口，也對數據進行非商業目的的分析。總體來說數據都是滯后的，包括流向也是滯后的。經過大量的數據特征歸納之后，就會發現在某一個時期可能有一個狀態順序，我們來做判斷和協調。或者在某些路口有一個流向出現了排隊，也可以根據以前的數據來判斷是左轉還是右轉車道在排隊。

根據大量樣本的長時間的可信度比較高的調整，也許還可以，但我也不好準確的判斷。因為所有的歸納能不能推出一個事實，我覺得不一定，但也不煩嘗試一下。我們采取的方法是，在可以接受的方向調整，比如說綠燈本來基礎是30秒，變成35秒，它大概率是對的，反方向還可以協調。可以反復加速使用數據，一個星期做一次優化，這是目前比較少的，所以要比較慎重。謝謝！

柳州市交通警察支隊接處警指揮大隊副大隊長 龍海勇 

我和滴滴、高德都接觸了，互聯網公司給的數據說句心里話不是叫云數據，這些數據是按照模型加工后的，而我們想要的是源數據，才能進行更多的分析。互聯網不一定懂業務和數據應用模型，我也不能把交通研判模型放到互聯網公司去，這是一個矛盾。

在現有的情況下，比如說柳州與互聯網公司握手，能夠快速實現粗放型的信號優化控制。數據的多樣性，做法可能會完全不一樣，數據越多做得更好。我把數據分為幾個層次，一是公安交警自有的數據，二是部委辦局相關部門的數據，三是互聯網數據，要買，可能要去協調，四是不得已而為之建設前端設備才能獲取到的數據，那是最貴的，一二三四從易到難。實在不行我們才會建前端感知層采集數據，所有的數據都是為了一個目標服務的，我們會選投入最少、質量最好、最穩定的數據來用。選擇什么，或者怎么來做，只能退而求其次了。

深圳市城市交通規劃設計研究中心總工 張新宇 

拋磚引玉，今天好幾位嘉賓都講到信號控制，包括龍隊也講了，上午也有教授講了信號控制。每次論壇信號都是主要話題，但是信號控制經過這么多年發展，這幾年隨著大數據的發展，又激起新的浪花。我本人也做信號控制工作，我有一個想法，也是我這兩年在探索的一些方向。互聯網的數據各自有各自的特性，我們想了解數據，特性是什么，包括內容、精度、作用率，我們想描述得很清晰，這是一個本質的東西。

第二，我們想知道這些數據能夠表征交通的什么，這個很重要。從普適性的角度來講，交通有三性：交通的規律性、隨時性、偶發性。規律性指的是周一到周五工作日發生什么變化，節假日有什么變化。隨時性是上周一和這周一是不一樣的。偶發性包括交通事件產生的對交通管控產生的影響。自己生產采集數據也好、互聯網大數據也好，我們最想知道的是數據能描述交通的哪個特征，知道這些特征以后，再來提供什么服務。生產的數據可以很明確，比如說事件檢測器，感知了一個偶發事件，我們可以采集出針對偶發性的數據，結合交通管控預案，代表不同的交通應用層次。

第三，剛才龍隊講到互聯網數據的應用有面和點的管控，我最近也在探索這方面的問題。互聯網數據能不能用于面的管控，我們也在做戰略布局和戰術布局，海量的互聯網數據和結合交警采集數據，能不能樹立一個體系，在戰略層次上把管控策略提升一個高度，結成一張網，再一層一層的剝離，剝離到實戰的層面，從而激活整個數據的作用。

重慶攸亮科技有限公司總經理 戴高 

這個問題是最難的，大數據到大腦到能做什么，我想有兩個方面。一，基于需求驅動，交管部門需要什么，我們來完成。二是基于一些事故或者事件驅動的，人工智能對大數據的分析，最終是根據它的特性提出一些價值目標函數，再反向回去匹配，在事故之前或者檢測出來后， 對需要的結果的反向解說過程。它有兩個來源，不只是我們說的幾個用處，用處很多。所以說，基于需求驅動，交管部門有一些管理上的問題。還一個是事故預防，在偶發之前有沒有一些共性的特征需要去預防和處理。

上海智能交通有限公司軟件研發部總經理 鄭綱 

實際上我是一個IT直男，對這個觀點我比較直。交通大腦也好、大數據也好、人工智能也好，從本質上來看，它就是一個技術，而且是一個IT技術。這個IT技術要應用到交通，應該要有一個術業有專攻的分工團隊來做。從大數據開始推，前面幾年我們也在迷茫，大數據到底是干嘛的，怎么用到交通上？當時智能視頻技術還沒有這么發達，哪來這么多數據應用這么先進的技術。

大數據產業到現在為止，仍然是誰擁有數據資源，誰就有最大的話語權，擁有資源的人并不一定具備行業應用的太深入知識。在這一點上，我和互聯網公司也有溝通，我也理解，為什么？因為現在數字產業沒有一個很好的資質，不知道應該占多少比例。我個人認為，大數據在某些場景下是可以用的，但問題是怎么聯動起來。以前一直說政府數據是孤島，我覺得互聯網的數據也一樣，最后也會變成孤島的形式。不管怎么樣，把數據應用到合適的領域，有數據整合和數據工程、數據IT的團隊，有做交通模型的團隊，也有做應用平臺的團隊，也有業主團隊，團隊組合起來才能更好的把交通應用和交通大數據結合起來。

無錫市交通警察支隊指揮中心主任 吳仁良 

我接著鄭總的話繼續拋磚引玉，我的理解，不管是大數據也好、大腦也好，或者交警掌握的精準數據也好，“不管是白貓還是黑貓，抓住老鼠就是好貓”，這句話放到智能交通領域來講，一樣合適，能解決問題就好。我非常同意鄭總的說法，大數據和交通大腦都是一個手段，而且是手段之一，不是唯一的手段。只要能解決問題，這個手段就是好的，不管你是用大數據解決的，還是用精準數據解決的。哪怕你到路口人工計數也沒問題，只要能把問題解決掉，而且確實有效果，這就是好的。

從我們的交通管理來講，面臨各種各樣的問題，有些問題需要精準數據。涉及到交通信號控制，從策略上來講信號控制需要大數據，從管控的有效性和實時性來講，就需要大數據和精準數據結合起來。比如說匝道設計就只能用精準數據，用歷史數據是不行的。我們可以通過數據看出路網哪里存在缺陷，哪些地方需要加強，哪個地方的斷頭需要打通，這種工作以前可能需要規劃的專家對業務相當精通、對城市的運營有非常詳細的了解，現在不需要，現在可以通過積累的大數據解決問題。

比如說通過對車速的刻畫。正常情況下道路或整個路網的車速的隨機性比較大，但隨機性的分布應該也是有規律的。如果某條路上或者某個點測速是突變的，那肯定是哪個地方有問題。這個問題通過普通的情況可能還看不出來，比如說突然從哪個地方就拐彎了，肯定就有問題了。類似的應用很多，不存在哪種技術最好，我認為這種事情沒必要刻意的去評判誰更好，關鍵是，誰能解決我們關注的問題，關心的問題，能解決就是好的。謝謝！

上海智能交通有限公司軟件研發部總經理 鄭綱

前段時間有一個說法，道路交通不管是路也好、車也好，最終滿足的是人的出行，安全和效率。我的感覺是，今后在智能網聯的情況下，怎么滿足人的目的，可能也會有一個變化，對人的出行方式也會帶來影響。但可能比較遠，當智能網聯已經到達一定程度以后，才會帶來一個變化。

無錫市交通警察支隊指揮中心主任 吳仁良

我非常贊同剛才這位先生提的問題，我們今天討論的大部分主題和內容更多是側重于機動化交通。從整個交通來講，構成肯定不僅僅是機動化交通，還有非機動化交通和行人交通，慢行系統。為什么現在更多的側重于機動化交通，因為問題比較大，不把這個問題解決好會出很大的問題。同樣是事故，機動化交通的事故后果嚴重性肯定會大于慢行系統，兩個行人撞一下，死傷的機會不大。輕重緩急，重要的問題先解決。現在無錫已經意識到問題，慢行系統也已經提上了議事日程。

今天的分享已經說得很清楚，為什么現在公交車的吸引力不高。無錫機動化出行比例居然達到25%左右，為什么？哪怕是早高峰，公交或者地鐵都有座位，為什么？因為公交的吸引力并不是很強，或者私家車的出行便捷性還是很高。由于這個原因，公交出行的吸引力還不像東京、香港等其他一些大的城市，公交車可以比私家車更快，在這種情況下肯定會舍棄私家車的出行乘坐公交車。

還有慢行交通，比如說自行車出行，出行距離是有限的。也受天氣影響，在北京騎自行車，冬天騎半個小時是不可想象的事情。慢行系統從前幾年開始，今后肯定會慢慢提高重視程度。但也有一個過程，不可能說一下子把所有的問題都解決掉，問題要一個一個解決。

深圳市城市交通規劃設計研究中心總工 張新宇 

我對這個話題特別感興趣，為什么感興趣呢？因為我們一談到這個話題，自然而然的就談到了末端管控，是科技的力量使交通管理往前走了一大步。誠然這是近幾年來一個很突出的成果。但這位先生也講了，我們交通的最終目的是要使人的出行更加美好，從什么時候開始出行，選擇什么樣的方式，對于交通參與者來說，一定是趨利的，這個“利”是指出行的舒適性、時間經濟性和成本的經濟性，有一個平衡。對于解決這些問題，從兩方面來講這個事，一個是服務的提供者政府，無論是智能交通也好、還是智慧交通也好，應該把交通的范圍擴展，擴展到交通項目的全生命周期，擴展到政府提供服務和出行參與者在享受服務的全鏈條，這才是智能交通的真正含義，才是完整的。

舉個例子，從湖南過來坐高鐵，到達深圳福田站，在市中心，這在國內是很少見的。這是數據在規劃交通項目建設前期起了一個很重要的關鍵作用。我們規劃福田高鐵站選址的時候，和鐵總發生較大意見分歧。鐵總有兩個相當充分的理由，一是在建成區的成本太高，比如說拆遷等成本太高，二是希望帶動城外的經濟發展。但我們發現來深大量客流是集聚到深圳的福田、羅湖、南山，用數據來支撐決策。這個難道不是智能交通嗎？我覺得這也是智能交通，用了數據來支撐原來的經驗主導到數據驅動主導，這是一種理念的變化。

其實智能化、智慧化是用一些數據，技術，來解決交通和出行問題，不僅僅是面向管控一個方面，而是多維度的問題。包括停車政策和限牌政策，廣州深圳有限牌政策，還有路邊停車政策、預約停車政策等。比方采用多乘員車道來緩解某一條道路的車流量過大問題，解決潮汐車道和可變車道來解決潮汐不均衡的問題等，都是通過數據的驅動，現在大家都在用，各個級別面向不同業務的政府部門都在用數據進行驅動它，享受智能和數據帶來的精準化服務。