深圳市城市交通规划设计研究中心有限公司宋家华

1. 课题总体介绍

中国8亿城镇人口每天约15亿人次出行，主要城市每天出行人次超过1000万人次。尽管各城市广泛采取基础设施建设、政策调控等措施，但交通拥堵依然严重，全国有30多人出行。大多数大中城市每天都会出现拥堵超过一个小时的情况。因此，准确、动态地了解城市交通格局，改变交通管理模式，推进智慧交通管理是实现治理现代化的关键。

交通治理的核心内容包括三个方面：一是制定公共政策，调整供需匹配；二是协调多种交通方式，提高设施使用效率。三是优化管控策略，动态调整交通运行状况。因此，如何构建一个融合多源数据、具有强大智能计算能力、能够准确分析判断城市交通实时运行状态和长期演变的专业平台，是城市交通治理的关键。

图1 流量治理核心内容

该项目以“感知-知晓-判断-计算-治理”为主线，重点提升综合交通感知能力、高可靠实时判断和态势推演能力、大规模高效计算能力，构建智能交通管理大数据计算平台。通过全面、准确、深入还原城市各类交通运行状况、交通设施、不同交通方式，探索各类数据之间的关联性并支持分析、判断、推演、决策支持，从从基础设计到重点突破。技术，构建面向实际应用场景的系统架构，最终形成可推广、可复制的示范模式。

2、课题技术成果

基于整个项目研究成果，形成了以“感知-计算-认知-判断-治理”为主线的大数据计算平台，包括一套自上而下的城市交通管理标准技术体系。

1.百万路视频结构化分析引擎

面向交通和用地，公共交通吸引力、慢行环境质量、道路运营效率四个治理层面，形成10大核心应用场景设计，梳理77项交通感知需求，打通人车全网、线路、车站和道路。处理交通出行数据联动。

突破了多模态动态交通场景视频结构化语义分析关键技术。不仅可以识别车型、车速等直观数据，还可以分析交通运行状况的原因。例如，通过视频识别来确定两个15分钟路段的交通密度和速度的变化。当不同车流速度发生明显变化时，可以智能分析是否与交通事件、交通拥堵等存在相关性。

基于“轨道+慢行”出行链分析，通过公交线路刷卡、手机等数据识别出行分布，判断不同区域、车站的行人变化。依托大规模跨视角交通要素的时空关联分析，完整还原长距离、不同类型的出行链特征。

2.城市交通知识图谱构建

知识图谱已广泛应用于多个领域，近年来开始扩展到交通领域。本课题主要为深圳公共交通构建了一个相对全面的知识图谱，覆盖2.87亿个实体和12亿个关系。以公交车、公交车站等实体为对象，对上车站、下车站等实体之间的关系进行关联分析，通过对经过该公交车站、车辆、车辆和公交线路的关联分析，建立完整的出行关系。例如，去年3月疫情缓解时，深圳市政府要求开通抗疫公交车，帮助企业复工复产。利用知识图谱连接不同人群的出行关系，消除旅客出行存在潜在防疫风险等问题。

同时，针对分析城市交通系统长期演化的难题，围绕铁路开通、城市扩张等措施，分析了出行特征的一系列变化。例如，3到5年后，出行距离将大幅增加，这将导致出行链两端的慢行时间更长。一个很大的改变，基于知识图谱，实现了旅行链中不同旅行环节和特征的关联挖掘。

针对业务场景实用性要求高、海量知识复杂模式关联检索效率低的问题，实现多维度复杂关联的快速检索，支持多种关联关系的快速检索和深度挖掘交通应用场景。

3.城市交通系统实时状态及长期演化研判

基于交通知识图谱构建和关联挖掘，支持路网短期运行状态预测预警和长期系统演化规律分析。

对于短期治理，针对交通治理场景难以准确识别成因机制的问题，基于道路交通运行状况的监测和分析，识别拥堵区域，确定拥堵状态的原因包括拥堵类型、拥堵瓶颈点等，智能分析不同原因对拥堵情况的影响程度，为交通拥堵的判断、缓解、决策等管理提供精准支撑。目前，深圳福田中心区已实现未来15分钟车流量二级推演和预测。匹配精度高于实际情况，有效支撑短期预测、实时交通管制等治理。

面向中长期治理，分析城市交通系统长期演化，研究城市建成环境、交通设施布局、职业居住空间分布等因素与居民活动模式的关系，建立体系实现不同的出行群体、不同的出行目的。特征模式演变的长期跟踪和分析。

4、“云边端”协同计算

评审需要强大的计算能力，聚集IT企业、互联网企业等企业的技术实力，依靠高并发并行计算单元和计算技术支撑亿级流量实体知识发现。

图2 前端视频计算技术

5、智能计算交通专业PaaS平台，为行业赋能

开展智能交通计算数据体系和应用架构设计，编制智能治理应用交通大数据标准手册，涵盖8大主题20个数据源和数据指标，提供系统化的数据工具自主研发-标准提供数据治理服务，完成平台的功能架构、技术架构等应用架构设计，构建智能计算云平台。

推出集数据、算法、算力、应用于一体的城市交通大数据智能计算TransPaaS平台，平均每天访问数据7.5亿条。提供数据资产管理、权限管理、数据接口服务、数据标准、可视化、应用开发等功能。

3. 实施演示

福田中心区——打造智慧出行体验

福田中心区是深圳的CBD。建设工程于2000年开始，现已全面竣工。它是深圳40年来城市规划建设的典型缩影，是中国改革开放后快速城镇化的典范。 2017年，深圳开始推动福田中心区整体提升，特别是通过智能化手段提升片区出行体验，推动福田中心区成为与东京、新都等国际城市相媲美的最具活力的中央核心区。约克。

福田中心区以提升智慧出行体验为重点，围绕持续增强安全保障、显着提升出行效率、让出行方式结构更加绿色、显着提升活动体验四大目标，为市民提供先进的出行体验。整个沉浸式未来旅行场景。其中，智能技术投入3亿元。实施后，所有模式的汽车占比下降了5%以上。

图3 福田中心区——打造智慧出行体验

1. 打造慢行友好且安全的街道

在路口、停车场出入口等人车冲突激烈、安全隐患突出的路口，通过地面红绿灯、盲钟、感应式人行绿灯延长等措施，为行人提供服务。老年人、残疾人、推着婴儿车的妈妈等弱势群体。集团提供贴心、安全的过街环境，推动4平方公里范围内向零事故愿景迈进。

图4 智能灯杆可以利用AI识别弱势群体的步态，优化过马路时间

小学、幼儿园等特殊区域附近，按照“进区——区内——目的地”逐步减速的原则，分阶段、分时段、分区域实行动态限速管理，创造街道稳定安静，保障出行安全。性，并取得了显著成果。

2、精准控制，提高出行效率

创建统一信号控制平台，打破不同信号机的协议限制，实现主流品牌信号控制设备的统一集成管控和全网信号优化，通过信号控制优化策略，精细化路网运营作为溢出预防控制。规定。在保持路网运行效率的同时，道路面积减少9万平方米，干线平均延误减少10%。

车载OBU设备安装在几条主要公交线路上。基于车辆当前位置、速度、乘客人数等实时信息，通过车路协同技术，在中心区21个信号控制路口实施公交信号优先控制，确保公交优先。通过，十字路口延误减少11%。

图5 车路协同OBU及应用

3、全面提高绿色交通比重

深圳每年公交车补贴100亿，公交车空置车辆很多。由于缺乏准确的数据支撑和潜在客流需求的挖掘，公交线路调整的效果并不明显。基于多维度数据的挖掘和分析，按需动态调整公交车型和发车班次，高峰时段推出定制长途点对点公交车，灵活的公交调度，将客流反馈到城市。地铁，有效支撑20多个火车站的连接。公交线路开通。同时，延伸和补充常规公交服务，引入优质微循环公交服务，吸引短途自驾出行转乘公交车。

图6 根据客流特征动态调整交通资源配置策略

优化公共交通服务体验，在高客流量地铁站出入口安装慢行诱导屏，提供周边公交出行、自行车接驳、商业、娱乐等信息查询服务，提供准确可靠的信息交互。

4、全流程旅游信息服务

在枢纽、地铁入口、公交站、地下停车场等场景，提供全模式、全链条可靠出行信息服务，包括室内外一体化AR全景导航体验、车位级室内导航、“进行“在51 个公交车站。 “微枢纽”式升级提供精准可靠、丰富多样的信息交互服务，推动汽车出行向公交出行转变。

图7 智慧公交站台

5、构建智慧治理计算云平台

建设福田中心区智能管理计算云平台，在楼宇出入口、路口、公交站等重点区域部署1000余个前端视频设施，提取完整的出行链条，演绎出行的成长和演化城市区域基于个体出行活动链模型和活动特征变化模式，为优化交通政策和设施空间布局提供依据。同时，利用在线仿真技术对路网运行情况和交通事件进行中微观短期预测，支持更细粒度、更敏捷响应速度的交通控制。

图8 全时、全域、全量采集体系

面向精细化治理，形成集智慧枢纽、智慧公交、智慧停车为一体的综合管理解决方案，重点关注交通运行状态动态评估、拥堵事件敏捷预测、人流紧急疏散等场景应用，用数据推动交通精细化管理。

技术体系创新：数据驱动治理

福田中心区智慧提升项目将海量多源异构大数据与图像观察、访谈相结合，建立全息感知数据系统，精准还原人们完整的活动链条、活动类型、活动时空分布以及活动过程中的感受。情感和诉求，特别是改造前后持续动态观察和对比分析，准确评估各项改进措施的实施效果。

效果评估

此次改造于2020年8月顺利竣工验收。改造后，绿色出行比例提升3%，事故率下降10%以上。与改造前相比，各项观测数据都有明显改善，达到了交通管理的预期效果。

图9 转换前后数据对比

结论

依托《城市交通智能治理大数据计算平台及应用示范》项目，已形成一整套完整的计算平台、标准规范、技术体系、应用示范和知识产权成果，并在超大型中心区域开展应用示范以及超高密度城市——深圳福田中心区，探索形成了数据驱动的交通管理模式，以有限的实施投入服务于日新月异的交通管理，为其他城市的交通管理提供了“先锋示范”。