做惠及民生的落地项目

赛文交通网 智能交通 智慧交管

线圈、地磁、超声波、视频、雷达、雷视、移动数据、互联网数据……陷入白热化竞争的交通检测市场与海量无效的检测数据，谁之过？

一座城市一笔智能交通的大建设资金背景下，交通感知设备与交通信号控制系统相配套使用。为效果负责，应该是先选定交通感知设备类型，热门采集设备，还是先选定交通信号控制系统，知晓算法逻辑，是应该先有蛋还是先有鸡？

智能交通的快速发展带动了一系列相关产业的兴起，检测器作为智能交通的“感知器官”，过去数年被各类厂家注入了极大的热情。视频、地磁、雷达以及当下热门的雷视一体机，检测器种类愈加丰富，感知数据愈加精准。

但与这种欣欣向荣的景象相反，在实际应用中，多方业主多有反馈：数据中心储存了海量的检测数据，但却用不起来，成为无效数据。

以某大型城市为例，在本应最高频使用数据的交通信号优化场景中，30多人的信号优化团队维护近2000余个路口，真正使用了检测数据的不超过10个路口，多数依靠人工观察交通流情况，对交通态势进行人为判断，再进行配时方案优化。

问题到底出在哪里？

1 检测器与信号机“相爱相杀”

在交通信号控制领域，检测器与信号机属于一种“相爱相杀”的情况，信号机需要检测器，但往往又会因为检测数据质量问题或输出数据与之系统算法不匹配等原因而无法发挥理想控制效果。

在交通控制发展初期，经典的交通流理论所需的检测数据都是以线圈、气压管等早期的接触式检测器作为蓝本进行设计的。

从1868年信号灯问世之后的60年内，一直采用固定式信号周期，直到1928年随着第一台感应式信号机的出现，世界上第一台公认的车辆检测器的诞生，需要通过司机鸣笛来触发检测设备以检测车辆经过。

20世纪60年代，感应线圈被用做车辆检测器，并开始获得大范围的应用，感应信号机开始大范围替代固定配时信号机。

目前，信号机的快速发展已经可以支持区域信号控制，应用最为广泛的控制系统，如SCOOT系统、SCATS系统仅通过线圈或地磁的压占和通过数据即可实现区域协调控制。

SCOOT系统要求检测器设置在入口上游位置（距离路口80-150米，检测区域2米），SCATS系统所需要数据的特点是使用停止线数据（距离停止线2-5米，检测区域2米）。

无论定时方案优化、感应控制、自适应控制还是经典的交通数据统计，绝大多数现有交通信号控制系统仍然是基于断面定点检测数据，工程设计上检测器布局上仍然采用线圈检测的基本逻辑，即检测确定时空点的车辆存在状态，其他大量的数据属性都是可计算获得的。

上海至今仍然大面积采用线圈的主要原因就是它的检测数据能够更好的匹配SCATS系统，发挥出系统最好的效果。

近两年，有部分城市开始尝试探索新型检测设备，批量安装了雷视设备，但根据实际使用情况来看，距离理想效果还有较大空间。

2 雷视设备应用实效受制于信号机厂商投入

有雷达厂商曾私下表示，目前令他们最头疼的问题是用户复购率低，用户最终对产品的认知度还有提升空间。这一情况也侧面反映了其应用还不成熟，存在待解决的问题。

为什么作为当下市场主流检测设备，雷达等设备在交通信号控制领域并没有大规模有效使用起来呢？

首先看看不同交通检测器的技术特点。

交通检测器从安装及使用方式上可分为接触式检测器与非接触式检测器。常见的接触式检测器有感应线圈检测器、地磁检测器等。常见的非接触式检测器有视频检测器、微波雷达检测器、红外检测器、超声波检测器等。

以环形感应线圈为代表的接触式检测器，是使用最广泛的“垂直检测”类检测器，已经具有非常成熟的技术和实践基础，能够准确输出存在、流量、占有率、速度、车头时距等多种交通参数，并且具有很高的稳定性和准确性，欧美发达国家使用占比超过80%，很好的适配各类信号系统去实现不同交通场景的应用。

但由于其在安装时需要切割路面，安装和维护都需要长时间封闭车道，且对于路面压力和温度比较敏感，需要大量的资金投入维护，加之频繁的市政建设，在国内目前仅有上海等为数不多的城市在大量使用线圈检测器，适配SCATS等系统运行。

相较于城镇化率迅速提高的过去20年，我们处于道路交通建设快速发展期，路面挖建的情况较多，目前大型城市，特别是特大型城市的市政建设较为稳定，对路面的损害频次下降明显，外部因素导致线圈破损的维护频率也随之下降。

据了解，以上海浦东为例，约4300余个路口，80%左右的路口都采用线圈配套SCATS系统使用，同时还有少量视频和地磁配套，整体上一年的维护费用不到200万。

地磁检测器作为最接近线圈的检测方式，同样具有线圈“垂直检测”的优势，输出稳定准确压占时间等交通数据，同时因为无线传输方式检测位置可灵活布设，并且安装方式也比感应线圈更为方便快捷，安装时只需极短时间内封闭相关车道在路面打小孔即可，也可极大减少后期维护工作。

以雷达检测器和视频检测器为代表的非接触式检测器也可同样输出流量、存在、占有率、车头时距等交通参数，并且存在检测数据更为丰富且不需要破路等特点，典型的安装方式为“侧向检测”。

但在进行类“垂直化”数据变换时存在遮挡效应、检测域不固定、雷达低慢目标丢失，以及由此造成数据失真问题等，特别是在检测核心数据压占时间，稳定性和准确性方面远低于线圈和地磁检测器。

虽然能够输出比感应线圈和地磁更丰富的空间交通数据，但由于其本身的检测原理或环境影响，导致输出的空间数据，如排队长度、延误等交通参数稳定性和准确性不高，不能提供持久的稳定交通数据。

一个场景，某雷视融合产品厂商主动给某大型交通信号控制机厂商试用产品，厂商技术负责人提出一个要求：要求雷视产品输出与感应线圈同样的数据，以避免对已经稳定使用的信号机与算法产生新的波动，影响效果或者还需要再投入资源进行技术更迭，但显然这是个难题。

就目前来看，线圈、地磁、超声波等 “垂直检测”方式与已有信号控制系统的控制策略、算法更具有良好的匹配效果。而雷达、视频等“侧向检测”手段都是通过空间几何计算，将检测结果转换为“类垂直检测”的数据之后再应用于交通数据分析、交通控制。而所谓的“上帝视角”，就是把“侧向检测”的结果通过空间几何换算为“垂直检测”数据。

但是，侧向检测在进行“垂直化”数据变换时无法回避遮挡效应、以及由此造成的数据失真问题，这就导致了侧向检测在检测基础数据方面无法达到垂直检测的精准度。

由于国内多数信号控制系统基本算法逻辑也是根据国外先进系统逐步演进而来，同样需要的是压占时间（通过/存在），但这恰恰是“侧向检测”的劣势，很难直接输出准确的压占时间。

例如雷达检测，因为先天的对静止/极低速目标的检测丢失，而是通过算法补充“假目标”，这类“假目标”并不能很好适应信号实时控制的要求。

雷达检测在动态目标的识别以及大空间区域检测存在优势，可以准确识别动态速度、区域内动态车辆数等，但国内信号系统厂商针对这类检测数据去重新开发信号控制算法的厂商少之又少，研发有一定的效果，但整体仍然适配性差，市场上没有得到大面积的普及应用。

本质上也应该是什么样的系统就需要什么样的检测数据，而不是有什么样的检测数据再去改交通控制系统的算法，目前来看有点本末倒置。

雷达及雷视属于新的采集设备，如果需要在信号控制领域发挥很好的效果，那就需要信号机厂商对信号控制系统算法进行比较大的改动，而这对信号机厂商无疑是不愿意接受的，特别是在目前市场投资低迷的背景下，极少有企业愿意去投入再突破。

3 交通检测器到底该怎么选？

之所以出现数据中心储存了海量的无效的检测数据，一个非常重要的原因是，多数城市用户对不同信号系统需要的数据参数了解不足，在采购检测设备的时候往往先指定热门采集器，而没有考虑交通检测数据、参数与本地已有信号控制系统算法逻辑的匹配，最终造成所需要的数据并不能很好的给出，导致系统不能发挥很好作用。

实际项目应用中，在进行交通流检测器选择时，交通工程师应根据交通控制的目标，确定交通检测所需的数据类型，谨慎选择检测器的类型。

信号控制中检测器的使用并非是技术越新越好，应将重点关注于实现特定交通控制目标所需要的交通数据，以及对数据准确性和稳定性的要求方面上，无论具体的检测技术如何，稳定准确的有用数据是信号控制先进性的根本基础。

将有限的精准数据真正“用起来”比将“无限”的粗糙数据“存起来”更具有实际意义。

在国内简单感应控制路口都极为罕见的现实情况下，我们应当冷静下来思考交通检测器是否返璞归真，做惠及民生的落地项目？