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

新时代的城市交通面临诸多问题和挑战。本项目基于以下三个需求开展应用研究：

(1)回应人们的关切和经历。现阶段，人们对拥堵的认识相对客观，在一定程度上也可以理解，但更关心出行的可靠性、顺畅性和舒适性。最糟糕的出行体验例子是，路口信号灯在没有车辆通行需求时显示绿灯，在需要车辆通行时显示红灯。尤其是倒计时的使用更清楚地表明了信号时序的不合理。

（二）响应政府交通管理新需求。各地政府高度重视交通精细化管理。在推进过程中，如何利用技术和科技手段找准问题关键，精准支撑科学决策？近年来，我们一直在谈论精细化治理，但始终很难准确、直观地回答精细化治理的目标到底在哪里。因此，必须用好新技术、新科技手段，提供明确支撑。

（三）符合交通智能管控产业升级预期。 “十一五”、“十二五”期间，国家科技支撑交通工程的目标之一就是成果可复制，即对产业升级和发展具有积极的引领作用。发展，就要担负起产业升级发展的责任。目前，有很多新概念、新技术、新工艺。可以说，我们已经进入了一个前所未有的科技创新发展的新环境。交通大脑和其他技术应该如何走，如何才能更加落地和商业化？智能交通产业融合创新，如何走更理性的升级发展之路？

项目总体研究思路和推进路径首先是围绕问题和场景目标作为整个项目的实施主线；以此为指导，我们将重点关注如何做好网络连接、用好大数据，以及如何升级和用好现有多种交通应用系统，整合协调各种交通资源环境。在此基础上，基于网络连接和交互、数据的可用性和数据的及时使用，突破口是如何利用AI来升级文件以及如何改善路边的智能端和中心平台如何提供有针对性的针对不同的交通场景、症结所在以及淡峰时段的交通状况，有什么解决方案？

截至目前，整个项目在以下方面取得了初步成果：

1、三套应用系统

(1)数据交互系统。公安交通管理内部各交通系统、互联网出行、交通行业系统之间可以得到一个交互的数据共享应用系统，包括内部研发数据规范和多项基础技术标准。

(2)智能应用系统。以大数据平台为“大脑”、各类网络化应用系统为“智能体”的应用框架体系和协同可执行的应用升级路径；

(3)优化方法体系。该项目在前期研究的基础上，针对非饱和、饱和和关键交通方式场景，重点研究有针对性的交通组织控制优化指标和方法体系。

2. 重要的协作平台

基于各类网联交通系统的大数据，构建集分析判断、诊断预警、方案/方案优化及在线评估反馈、计划调度与执行等功能于一体的大数据平台。它实际上是一个“智能大脑+执行体”中“聚合、判断、调度、反馈”的应用组合。

3、四类场景应用

有了针对性的方法体系、数据支撑和中央管控平台，更需要有智能化应用支撑，针对淡季、高峰、慢速等代表性场景升级开发相应的可执行应用系统旅行/公共汽车运输。

4、两大核心装备

整个项目完成后，基本原则是立足实际基础设施，升级软件功能，完善应用功能。希望现有设施能够得到更好的升级，同时开发和升级两个路边设备：视频传感和边缘计算终端。这两种设备是网络环境中数据可用性和交互的基础。

2、项目成果

该项目重点研究并取得了七个方面的代表性成果：

1、设备可接入物联网/系统可互联，数据交互可标准化。

我们希望路边设备能够接入物联网，各个中央系统能够互联。换句话说，数据可以水平交换。此前，公安交通管理系统路侧前端注重向上整合，在横向前端互联方面做得很少。这也是公安交通管制大数据缺失和利用不善的重要原因之一。

在路侧层面，项目高度重视解决前端各类传感与信号直连协议标准问题、边缘计算及所有路侧设施的数据标准问题，重点推动传感与控制一体化、数据的实时交互使用。

在中心系统平台层面，一方面，各类交通管理应用系统和大数据管控平台尚无数据汇聚和反馈标准。项目任务最终通过标准化数据聚合，打破公安内部各烟囱系统数据不兼容的问题。另一方面，公安专网中的大数据管控平台如何与互联网出行系统、公交系统等多模系统对接，哪些数据可以交互共享。针对不同的互联网应用对象，我们定义了相关的交互数据指标、交互频率等标准。因此，该项目的第一个重大成果就是规范各交通系统之间的数据交互，推动数据资源共享标准化，形成了一系列内部制定的定义基础数据交互的规范和国家行业标准。

2、网络大数据汇聚和支撑引导，建立协同管控应用架构

获得数据后，如何应用它？大数据管控平台的功能如何定位？需要明确“大脑”应该做什么，需要面对哪些“智能代理”应用进行管理和控制的问题，也需要定位“大脑”，为专业的信号授时中心提供基础支撑。整个项目围绕如何进行交通运行分析与诊断、信号优化与评估、多场景应用协同调度、调度警力快速应对拥堵、利用互联网导航帮助缓解拥堵等关键问题。同时，我们也积极思考如何利用智能网联赋能，实现车路协同。

我们一直希望这样的制度能够得到业界的认可并共同实施和推广。近年来，各种新技术、新概念相继出现。回顾起来，我们可以看到其中真正实现和使用的很少。因此，我们认为，研究、建立和推广上述应用框架体系和数据交互标准体系非常重要。

3.基于场景的交通协同优化方法，面向问题，针对性治理优化

解决拥堵问题最根本的办法就是追根溯源、找准问题所在。优化管理方法自然会有针对性、有实效。现阶段，我们正处于利用好交通大数据的起步发展环境。最重要的是做好研究、问题诊断和评估工作。因此，要想做好优化方法，首先要制定一个用于研究、诊断、评价的指标体系。指标体系、关键衡量指标均准确列出。围绕这些指标，一一进行收敛计算的算法。没有一种智能算法可以解决所有问题，因此项目研究提供了各种关键测量指标及其算法集，以实现对如何优化的诊断、评估和帮助。

过去都说要做好交通诊断和优化，但没有循序渐进、分类明确的指标和数据的支撑是做不到的。在此基础上，项目围绕不同场景建立了相应的优化方法体系，并编写了基于场景的案例应用指南。

4、传感控制一体化路边边缘控制成套设备，利用AI智能提升

第一个设备是升级和开发常用的视频传感设备。该项目在识别车辆、数量、速度的基础上，利用AI算法，准确识别绿灯放行过程中的车与车之间的时间间隔，即从绿灯亮起，从第一个绿灯开始。从一辆车到最后一辆车，所有前后车之间的车距，这个指标是信号动态控制最重要的支撑，在以往的分析中很少描述。不同阶段的车道在不同的绿灯释放时间、不同的位置有不同的车头时距。这需要通过视频AI算法来表征，以获得动态的交通状态演化特征。

第二台设备是路边边缘计算终端。边缘计算有很多概念和功能。我们希望利用边缘计算在流量管理专网侧，使其变得实用、有用。基于华为边缘计算基础软件硬件方面，我们力求做到以下几点：功能之一是可以嵌入安装在信号机中，可以连接不同出入口的视频等传感设备方向，并可嵌入视频识别处理、实时收敛计算学习算法等，可判断入口层及整个路口的车道等级、交通状况、堵塞事件等。目前现有的信号机还无法提供这样的接入能力和计算能力。

第二个功能是改变路径，支持多个品牌信号控制设备系统的网络连接以及多个路边智能设备的同步数据聚合。边缘计算终端可以直接连接大数据管控平台，不再通过系统集成路径。能够主动支持车路协同的各种应用场景。这也是项目研究极力推荐的应用架构和路径。目前国内20万多个红绿灯路口信号灯不可能全部更换。实际上，完全统一各个品牌独立的内部通信协议是不可能的。因此，改变路径、使用边缘计算终端不仅可以解决路边设备物联网和数据聚合可用的问题，还可以帮助解决联控问题。

5、以交通需求和交通效率为导向，提高实时优化控制

针对非高峰时段信号灯状态、配时与车辆排队释放需求动态变化、不匹配的问题。 “十二五”期间，基于特征参数经验值的实时响应控制，本次通过“十三五”项目，相关人工智能算法已经在特性参数和控制方面进行了升级。

一是实现交通状态与控制参数的交互组合。原始建模数据源要么是为了识别交通状态，要么是为了优化控制参数。现在采用动态网络建模方法将两类数据源交互结合起来。目的支持感染控制集成和实时交互。

二是升级阶段级实时优化控制算法。由于每个路口的红绿灯释放限制时间不同，即最小绿灯、最大绿灯等特征参数值不同，且与交通状况和交通量相关，因此通过机器学习算法实现了不同路口信号控制特征参数阈值的动态获取以及路口动静态交通状况的自适应匹配。

三是增加下一个周期的动态响应控制模式，并引入迭代学习控制来升级传统的阶段式控制。也可以说是路口周期和绿字比例的动态调整模式。这种模式也是针对不同技术路线的信号控制的迭代升级。

此外，在传统公交优先的基础上，扩展了无专用公交专用道的公交优先，即信号系统直接与公交运营系统连接，获取并提供公交车的位置信息和载客量。秒，并且公交车到达路口之前，对应的交通相位和车道方向是已知的。根据公交车行驶速度和各阶段的车流量，提前调整各阶段的绿灯释放时间。涉及两种混合车道情况，一种是占用右转车道，另一种是允许所有车道上的社会车辆与公交车一起通行，公交车在通过路口后进行换相。

6、面对高峰拥堵场景，精准主动均衡控制

对于峰峰场景，解决方案并不是彻底解决拥堵问题，而是缓解流量快速积累带来的拥堵问题。根据不同拥堵场景的分类，提供解决方案并开发应用。我们选取了几个有代表性的场景：高速公路、拥堵热点（即正常拥堵点）、通勤干线、交通过度不对称等。

最关键的技术支撑问题是如何追踪关键流量路径、聚合速度和流量。该项目主要利用路口电警卡口通行数据、高德地图互联网导航数据和路口排队放行状态数据进行分层分析。判断并获取模式的特征。在此基础上，关于如何规范分流问题，即沿主干道，一方面优化远端路口，增加红绿灯时间，即适度拦截交通，减速程度收敛性；另一方面，将监管需求交互推送至高德导航，导航优化诱导路径算法，导流诱导用户车辆部分收敛。项目还重点开发针对不同环节的优化算法，并进行升级，形成不同的场景化应用。

此外，还解决了经常出现的对向车道交通不均、同向左转和直行车流量差异较大的问题。在原有定控可变车道和潮汐车道的基础上，增加和完善了车道排队、放行状态的实时监控，实现了相对实时的动态切换。切换后，阶段级释放时间根据业务流量的变化实时调整，即升级实现二个动态控制。

7、大数据支撑/系统协同赋能智能交通网络管理、控制和服务

大数据平台的功能如何定位、如何实现协同？基于项目研究设定的应用框架，如前所述，大数据管控平台的功能集中在交通运行研究与诊断、信号优化与评估、多场景应用协同、调度警力快速处置等方面。拥堵和互联网导航有助于缓解拥堵。另一方面，我们也考虑实现智能网联车路协同。项目围绕这些功能，开发了智能网联协同管控服务平台，并在示范城市进行了验证。

在项目示范城市范围内，高德作为项目参与单位，基于跨域、跨网交互数据规范，公开提供相应的数据接口和交互指标数据。同时，交通控制数据，如红绿灯控制计划、交通控制和事件信息也与高德出行平台共享，高德出行平台专门开发了导航诱导路径优化算法，以利于拥堵缓解和控制。初步实现了交通专网智能管控和互联网导航拥堵缓解，协调各自优势领域的交通管控。事实上，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。应用创新和前瞻性探索必须更加符合实际应用情况和产业发展实践，这也是整个项目力求推动的。

3. 短期计划和愿景

该项目将于今年年底完成。下一步，一方面将在5个示范城市选取代表性场景进行实施验证，同时开展各功能系统的应用验证示范和效果评估。另一方面，按照科技部立项验收要求，总结凝练代表性成果和关键技术创新成果，加快实施进度。

回顾项目立项和研究推进以来的整个实施过程，项目组的共同努力就是让大数据可用、可用，让人工智能有用，让感染控制更智能，让协作更智能。接地。真正的智慧交通，是解决人民群众关心的问题，为提升政府治理能力提供支撑，引领产业创新升级发展。让科技创新深深植根于交通生态。