劉東波  研究員
公安部交通管理科學研究所 副所長

　　一、項目背景
　　新時期城市交通面臨諸多問題和挑戰，項目立足以下三方面需求開展應用研究：
　　（1）回應老百姓關切體驗。現階段老百姓對擁堵的認識是比較客觀的、一定程度上可以理解接受的，不過是更關切出行的可靠性、順暢性、舒適性問題。出行體驗最不好的例子就是，路口信號燈在沒有車輛通行需求的時候顯示綠燈、有車輛通行需求的時候顯示紅燈，尤其采用倒計時更加顯性表明信號配時的不合理。
　　（2）響應政府交通治理新需求。各地政府都非常重視交通精細治理，在推進過程中，如何通過技術、科技手段，找準問題的關鍵點、準確支撐科學決策？近年來一直講精細化治理，但始終難以準確直觀地回答精細化治理的落腳點在哪里？所以要用好新技術新科技手段給予明確支撐。
　　（3）順應交通智能管控產業升級期待。“十一五”、“十二五”時期做國家科技支撐交通項目，其中一個目標就是要成果可復制，也就是說對產業升級發展有積極引領作用，所以必須要對產業升級發展擔起責任。當下，各種新理念新技術新科技非常多，可以說進入了前所未有技術創新發展的新環境，交通大腦等到底該怎么走、怎么更好地接地氣、可商業化，智能交通產業融合創新、升級發展路線怎樣走更為理性？

　　項目的總體研究思路和推進路徑，首先是將聚焦問題和場景目標為導向作為整個項目的實施主線；以此為指引，圍繞如何做好網聯、用好大數據，如何升級用好現有多種交通應用系統，整合協同好各類交通資源環境，在此基礎上，基于可網聯可交互、有可用數據、及時用數據，要突破的是如何用AI來提檔升級，如何提升路側端、中心平臺的智能化，如何針對平峰、高峰不同交通場景、問題癥結、交通狀況，提供針對性的解決方案。

　　到目前為止，總結整個項目初步形成了以下幾個方面的成果：
　　1.三套應用體系
　　（1）數據交互體系。公安交管內部各類交通系統、互聯網出行、交通行業系統之間可獲取可交互的數據共享應用體系，包括了內部研發數據規范和幾項基本技術標準。
　　（2）智能應用體系。以大數據平臺為“腦”、以網聯各類應用系統為“智能體”的應用框架體系及可協同可執行的應用升級路徑；
　　（3）優化方法體系。在以往研究基礎上項目重點聚焦非飽和、飽和、重點交通方式場景的針對性交通組織與控制優化指標及方法體系。
　　2.一大協同平臺
　　基于網聯多種交通系統的大數據，構建涵蓋分析研判、診斷預警、預案/方案優化及在線評估反饋、預案調度執行等功能于一體的大數據平臺，實際上是“智能腦+執行體”在“匯聚、判斷、調度、反饋”的應用結合。
　　3.四類場景應用
　　有了針對性方法體系、有了數據支撐和中心管控平臺，更需要有智能應用來支撐，針對平峰、高峰、慢行/公交等代表性場景，升級研發相應的可執行應用系統。
　　4.兩項核心設備
　　整個項目做下來，基本準則是立足現實基礎設施，升級軟件功能、提檔應用功效，希望能夠立足現有設施可以更好地升級，同時研發提升兩項路側設備：視頻感知和邊緣計算終端，這兩項設備是網聯大環境下數據可獲可交互可用的根基所在。

　　二、項目成果
　　項目重點研究形成七個方面代表性成果：
　　1.設備可物聯/系統可互聯，規范數據交互
　　我們希望能夠做到路側的設備可以物聯、中心各類系統可以互聯，也就是說，橫向可以數據交互，此前公安交管路側前端重在向上做集成，前端橫向聯通的事做的很少。這也是公安交通管控大數據缺失、用不好的很重要原因之一。

　　在路側層面，項目重視解決前端各類感知和信號機直連協議標準的問題，邊緣計算和所有路側設施相連的數據標準問題，重點推動感知與控制一體化及其數據的實時交互使用。

　　在中心系統平臺層面，一方面，各類交管應用系統與大數據管控平臺的數據匯聚和反饋標準沒有，項目任務最終通過數據規范化匯聚打破公安內部各種煙囪系統數據的不可共用。另一方面，構建公安專網里大數據管控平臺與互聯網出行系統、與公交系統等多模系統如何打通連接、能交互共享什么數據。針對不同的互聯應用對象，我們定義了相關交互數據指標、交互頻率等規范標準，所以，項目第一大項成果是各種交通系統之間的數據交互規范和推進數據資源共享標準化，形成了一系列內部開發規范和定義基礎數據交互的國標行標。
　　2.網聯大數據匯聚支撐導向，建立協同管控應用架構
　　有了數據之后，到底該怎么做應用？該怎樣定位大數據管控平臺的功能？就是要界定清楚“大腦”該做什么，面向管控需要哪些“智能體”應用的問題，同時也定位好“大腦”為專業化做好信號配時中心提供基本支撐。整個項目圍繞如何做好交通運行研判診斷、信號優化評估、多場景應用協同調度、調度警力快速處置擁堵、發揮互聯網導航助力疏堵等重點問題開展研究。同時也前瞻性考慮如何借助智能網聯賦能做好車路協同。

　　我們一直期望這樣的體系能夠得到業內認同和共同實施推廣，近年來各種新技術和新概念層出不窮，回顧梳理下來，真正落地、用得起來的確實很少，所以，我們認為研究建立、推動上述的應用框架體系和數據交互標準體系非常重要。
　　3、場景化交通協同優化方法，問題導向、靶向治理優化
　　解決擁堵的問題，最根本是溯源找準問題所在，優化治理方法自然有針對性、有實際成效。現階段處于用好交通大數據的起步發展環境，最重要的就是做好研判、問題的診斷和評估，所以要想做好優化方法，先要把研判的指標體系、診斷的指標體系、評估的指標體系，關鍵衡量指標準確地列出來，圍繞這些指標，一個個做匯聚計算的算法，并不是一個智能算法可以解決所有問題，所以項目研究提供了各項關鍵衡量指標及其算法集，來實現診斷評估、助力怎么優化。

　　以往說要做好交通診斷和優化，如果沒有逐層遞進、分類明確的指標和數據支撐，是無法實現的。項目正是基于此，圍繞不同場景建立相應的優化方法體系，并編撰了場景化案例式的應用指南。
　　4.感控一體化路側邊緣控制成套設備，運用AI智能提升
　　第一項設備是升級研發普遍用的視頻感知設備，在識別車輛、數量、速度的基礎上，項目通過AI算法實現準確識別綠燈放行過程中的車間時距，也就是綠燈起亮開始，從第一輛車到最后一輛車，所有前后車輛之間的車間時距，這項指標是信號動態控制最重要支撐，之前分析刻畫的少。不同相位車道在綠燈放行的不同時序內，不同位置的車頭時距不一樣，需要通過視頻AI算法刻畫，進而獲得動態的通行狀態演化特征。

　　第二項設備是路側邊緣計算終端，邊緣計算的概念與作用范疇很多，我們希望能夠將邊緣計算用在交管專網路側，把它做實、做得有用一點，基于華為邊緣計算基礎軟硬件，我們努力實現以下幾點：作用之一，可嵌入安裝在信號機內，接入不同進出口方向視頻等感知設備，植入視頻識別處理、實時匯聚計算學習算法等，可判斷車道級、進口道級以及整個路口的通行狀態、阻塞事件等。目前現有的信號機提供不了這樣的接入能力和算力。

　　作用之二，換條路徑支持多種品牌信號控制設備系統的網聯、多種路側智能設備的數據同步匯聚，邊緣計算終端就可直連到大數據管控平臺，不再通過系統集成的路徑，而且可以前瞻性的支撐車路協同各種應用場景，這也是項目研究、極力推薦的應用架構和路徑。當下不可能把現在中國20多萬個紅綠燈路口信號機都替換成新的，現實也做不到完全統一各品牌自主的內部通信協議，所以換條路徑、用邊緣計算終端，既能解決路側設備物聯、數據匯聚可用的問題，也能助力破解聯控的問題。
　　5.交通需求與通行效率導向，提升實時優化控制
　　針對平峰時段，信號燈狀態、配時與排隊放行車輛需求動態變化、不匹配的問題。在“十二五”期間做了基于特征參數經驗值的實時響應控制基礎上， 這次通過“十三五”項目，就特征參數、控制增加升級了有關人工智能算法。
　　第一個是實現交通狀態和控制參數的交互結合，原來建模數據源要么是為識別交通狀態，要么是優化控制參數，現在利用動態網絡建模方式將兩類數據源交互結合起來考慮，目的支撐感控一體化和實時交互。
　　第二個是升級相位級的實時優化控制算法，因為每個路口紅綠燈放行限值時間不同，也就是最小綠、最大綠等特征參數值是不同的，并其與通行狀態、通行量相關，所以通過機器學習算法，實現不同路口信號控制特征參數閾值的動態獲取和路口動靜態交通條件的自適應匹配。
　　第三個是增加了下一周期的動態響應控制模式，引入了迭代學習控制，來升級傳統、階段式的控制，也可以說是路口周期和綠信比的動態調整模式，此種模式也是為了兼顧不同技術路線的信號機控制迭代升級。

　　此外，在傳統公交優先的基礎上，拓展實現不設公交專用道的公交優先，也就是通過信號系統直聯公交運營系統，秒級獲取提供公交車的位置信息以及載客量情況，公交車到達路口前，就知道相應的通行相位和車道方向，基于公交車行駛速度、各相位通行數量前置測算、提前調整各相位綠燈放行時長。涉及涵蓋兩種混合車道情況，一種是占用右轉車道，另外一種讓所有車道的社會車輛與公交車一起通行，公交車過路口后隨即切換相位。
　　6.面向高峰交通擁堵場景，精準化主動均衡調控
　　針對高峰的場景，不是徹底解決堵的問題，而是如何緩解交通快速集聚致堵的問題。圍繞不同致堵的場景分類給出解決方案、研發應用。我們選取了幾個代表性場景：快速路、擁堵熱點（也就是常態化堵點）、通勤干線、通行量過度不對稱等。  
　　最關鍵的技術支撐問題就是如何溯源關鍵流向路徑及集聚速度和通行量，項目主要是利用路口電警卡口過車數據、高德互聯網導航數據以及路口排隊放行狀態數據等，分層解析來進行判斷、獲取規律的特征。在此基礎上，針對如何調控分流問題，也就是沿著主要流向路徑，一方面，遠端路口優化增加紅綠燈時間，即適度截流、減緩匯聚程度；另一方面將調控需求交互推給高德導航，由導航優化誘導路徑算法、分流誘導部分匯聚用戶車輛。項目重點也研發了不同環節的優化算法、升級了形成不同場景化應用。

　　此外，針對經常出現的對向車道交通不均衡、同一個方向左轉和直行通行量差異大的問題。在原有固定調控的可變車道、潮汐車道基礎上，增加改進車道排隊放行狀態實時監測，實現相對實時動態切換，切換之后并根據車流量的變化實時調整相位級的放行時間，也就是升級實現兩個動態控制。
　　7.大數據支撐/系統協同，賦能交通智能網聯管控與服務
　　大數據平臺功能如何定位，如何做到協同？基于項目研究設定的應用框架，前面也提到，大數據管控平臺功能重點定位在交通運行研判診斷、信號優化評估、多場景應用協同作用、調度警力快速處置擁堵、互聯網導航助力疏堵等功能上，也兼顧考慮賦能智能網聯車路協同。圍繞這些功能，項目研發了面向智能網聯的協同管控服務平臺，接下來在示范城市進行落地驗證。

　　在項目示范城市范疇內，高德作為項目參與單位，基于跨領域跨網絡的交互數據規范，開放提供了相應數據接口和可交互指標數據，同時，交通管控數據，如紅綠燈控制方案、交通管制及事件信息也交互給高德出行平臺，專門研發了助力疏堵調控的導航誘導路徑優化算法，初步實現交通專網智能控制、互聯網導航疏堵在各自的優勢領域協同調控交通。實際上，大數據管控平臺賦能車路協同，也是基于這樣的技術應用架構，應用創新和前瞻探索要更符合現實應用情況及產業化發展實際，這也是整個項目努力推動的。

　　三、近期計劃與愿景展望
　　項目年底要結題，接下來，一方面將在五個示范城市選取代表性場景進行落地驗證，同時做好各項功能系統應用的驗證示范以及效果的測評。另外一方面，按照科技部項目驗收要求，總結凝練好代表性的成果和關鍵技術創新，加快實施進度。

　　回顧項目立項、研究推進以來的整個實施歷程，項目組共同努力的目標愿景，就是期望能夠讓大數據可獲、可用，能夠讓AI有用武之地，讓感控更加智能化，讓協同更接地氣。真正的智慧交通是要解決老百姓關心的問題，是要為政府治理能力提升給予支撐，是要對產業創新升級發展有引領。讓技術創新深植交通生態。