欢迎来到赛文交通网!

从交管工作一线看大数据潮流下的信号控制“自适应”

2018-05-21

来源 : 赛文交通网

作者 : 石巍

31人评论

4月11日,由赛文交通网主办的第七届(2018年)中国智能交通市场年会,简称ITSMRS(ITS Market Seminar)在北京成功召开。南京市公安局交通管理局科研室智能交通组长石巍在“第二届(2018)中国交通信号控制发展年会-交通组织与控制”论坛上发表了《从交管工作一线看大数据潮流下的信号控制“自适应”》主题演讲。

石巍首先谈了一下交管需要哪些数据,然后分析了在南京实践过程当中如何利用数据信息,并提出来三个原则:宏观与微观结合、实时与历史结合,已有数据和计算数据结合。

最后强调在大数据潮流下,采集设备的综合布局、信息数据的综合利用、技术手段的综合分析,将使我们在交通信号控制中获得越来越多真实的数据。

blob.png

以下为石巍演讲全文:

随着城市经济的发展,居民出行的机动化程度增加,机动车保有量逐年提升,路段的通行压力日益增大、路口的缓行现场日益突出,停车矛盾日益显现等现实问题直接摆在交通管理者面前。

如果在确保安全的前提下尽可能提高平面交叉口的信号控制效能,又如何在现有路网结构条件下尽可能保证机动车通行有序,提高路口的通行效率,同时,在无法大规模改扩建的情况下,尽可能的满足交通需求,提高路网承载能力?

这些问题的处理以前依靠管理者个人能力,而随着各种新技术、新理论的出现,互联网、大数据等技术纷纷引入到交通管理工作当中,为交通管理提供了很多助力,交通信号控制也得到了不断的完善、变革和创新。

但是,面对“网、云、海、湖”的大数据,我们从中怎么样去提取?怎样能够把交通管理体现智能化、精细化的水平,真正与道路交通运行实际“自适应”,如何能做到这几点?

一、需要哪些数据资源

首先谈一下交管需要哪些数据。

一般谈到交通管理的时候,可大多数人会有一个误区,第一时间会想到的是信号灯,而信号参数的优化调整也确实是我们缓堵保畅,提高通行效率的第一手段。同时,对于交通流各种检测手段的完善,也在很大程度上减轻了信控优化调整大量依赖人工现场观察的工作量以及人为统计的疏漏和局限。

blob.png

但是对于交通管理的整体工作而言,信号控制不是唯一手段,我们不能停留于信号控制来说交通管理,就像我们不能停留在一个路口说信号优化一样。

我们的信号控制是在市政规划、地块功能、道路条件等已基本成型的情况下才进行的,诸多的已有条件对信号控制的设置、优化给出了不少限制。也有很多的矛盾不是信号调优可以根本解决的。

现代交通管理的复杂性、多样性,决定了我们作为交管第一线的具体工作者不能和以前那样,仅围绕自己的工作而工作。

要想做好信号控制的优化、使之符合道路通行的实际情况,那么个人认为我们需要结合外部数据为交通规划进行准确的定位,需要结合外部数据为组织调优进行基础的支撑,需要结合外部数据为效能评估进行细致的分析。

作为具体从事信号控制的人员,也需要置身于整体交管大数据中,利用多方汇集的多源数据,汇总、对比、分析、提取、总结出相应的规律,从设计、优化、迭代等一条龙的进行跟踪服务,而不是仅仅依靠某一类或某几类数据。

在《城市交通大数据》一书中有这样的表述“现代城市交通管理已经不再单纯依赖交通控制系统的数据,来自不同领域、不同行业的数据,与交通系统自身产生的数据一起为交通控制和交通管理服务。”由此可以看出,做好城市交通管理所需要的大数据不再仅仅是各类交通流信息、车驾管信息、道路里程等,而是应该包含了城市各种动态、静态数据。

按照数据的来源划分,主要是自有数据和外部数据。自有数据指的是交管通过自身设备采集而来或者相关人工统计汇总的信息,主要是:车辆保有信息、道路运行信息、交通事故信息、交通违法信息等;外来数据主要是其他行业或公众互动的数据信息,主要是:城建、规划、人口、停车分布、公交运营、地块功能、气象服务等等。

所有的信息统一汇总后,按照交管的实际需要进行比对使用,在交管大数据平台架构下的信号控制系统,将综合各类数据给出路网信号的初步建议,而信控采集的各类交通流信息又可以为交通组织调整提供精准指导。

交通违法较多、交通事故频发,对于道路通行会有较大的影响,某些相对集中的路段,即使相关交通流检测数据提供的排队、车头时距等信息较为精确,也不能仅仅依靠该类数据作为信号调优的依据,而且这样的信号优化也是治标不治本。

再比如:我们都说的公交优先,那么在一个主要路口四个进口不同方向有可能存在公交车辆同时到达的情况,如何区分公交车辆的优先级别,可能需要交通部门提供的车辆发车频率、IC卡数据辅助判断,从而给出相应的公交优先信号;对于新建或改建道路施工现场及周边的交通组织(信号设置也是交通组织的一部分),也需要对于地块功能、人口分布等进行汇总分析,得出规律辅助信号优化调整决策。

二、如何利用数据信息

通过与专家交流和一段时间的实践,为了使得信号控制更加贴近真实状态,更加适应交通需求,我们觉得信控在使用大数据时候,应该有别于以往采集数据单一、检测手段单一、研判时间单一的模式。

我们在南京实践过程当中,提出来三个原则:宏观与微观结合、实时与历史结合,已有数据和计算数据结合。

宏观与微观的结合,大家都能理解信号控制不能着眼于单一的路口,需要与上下游紧密联系。同样的,信号控制也不应局限于单一的路口数据信息。

从宏观层面上,利用互联网、自有数据等分析出交通整体的趋势和流量相对集中区域以及主要节点关键车流的OD分析,并根据相关数据进行路网级的信号设计,在微观层面,突破原有单一采集手段和数据分析,将整个渠化段内的各种交通要素进行汇总分析,对初步的号设计进行微调,并将各路口的数据反馈回系统,进一步对宏观层面进行修正。

实时数据和历史数据结合,实时的数据是及时反映出当前状态下的交通运行状况,而历史数据则有助于总结出路口、路段的交通规律。将实时数据分布在历史数据的时间轴上,进行相似性分析,可以结合历史放行状态,相对精准的预判信号放行时间、放行相位及协调路口等。

当干扰因素造成实时数据与历史数据产生一定的偏差时,信号参数该在多长的时间内做出响应,并在恢复正常后进行相应的补偿,避免或减少频繁调整对整体协调的影响。

同样的时段,统计时间内流量、速度、车头时距等较以往有明显的下降,这种突变是怎样的情况,信号怎么样做出反应,这些都可以使用实时与历史数据的比对,给出相应的信号参数。

当一个路口可能某一个方向检测设备出现异常、出现故障的时候,可以利用其他路口,其他三个方向正常的值与历史数据进行相应比对,这样来进行信号控制,而避免出现了有一个检测器出现问题就产生的一种降级。

已有数据和计算数据的结合,由于检测设备布局和性能的限制,部分信息无法直接通过检测设备直接采集,这就需要利用已有的数据进行推断,但计算出的数据是否能够真实反映现有状况,又需要利用现有数据进行判断。

相关数据的结合使用,可以相对精准的推断检测末端数据,为信号控制提供尽可能多的数据支撑。

我们可以认为数据并不是孤立存在的,数据之间存在着各种各样的关联关系。而目前交通领域的数据并没有完全整合、分析,为后续行为提供决策,注重数据的质量是交通信号调整、交通组织优化、交通信息发布的基础、前提。

但是,如同前文所述,大数据信息来源不一,涉及多个部门,数据的标准也不一致,这就需要制定统一的标准,统一的策略,有效整合,高效利用,提高数据的质量。

那么,如此多的数据该采用什么样的网络架构汇集分析呢,我们认为,从数据的关联性来看,所有的信号控制数据应该置于整体交管大数据平台之下,作为交管大数据的子系统之一,以充分发挥数据的交互作用;而从安全性角度来看,建议由政府部门主导,统一规划、统一建设城市的大数据平台,而不是单纯的依靠购买服务的模式。

blob.png

在这样的网络架构下,我们通过对所有信息建模分析后,利用渠化段内的全要素数据采集、比对后,信号控制可以利用相关数据以及数据得出的规律,对一些单点、干线和子区内划分进行自适应的调整优化。

单点就是利用相关的信息,对时段、相序、绿信比进行优化。现在的检测手段偏重于机动车,对于交警而言,路口第一必须是安全,那么像这样的信息对行人和非机动车的检测手段相对比较薄弱,在这种状态下,我们建议低谷时段或者平峰时段的配时仍然要保证行人安全过街和非机动车左转通行的时间。

干线协调就是利用检测设备或浮动车、互联网信息,对于流量、行程车速等进行分析,利用宏观数据对关键车流、重点区域进行掌控,在单点优化基础上,对相位差进行自适应变化,比如潮汐绿波的自动转换,比如“高峰协调、平峰绿波”的调整,比如重点区域、大型活动的自动疏导。

以往的协调路口一般都是人工进行设置,在建立了较为全面检测数据和外部数据的资源后,我们可以利用数据分析,对协调路口进行自动划分,一方面利用宏观数据梳理出路口间的关联性,一方面利用路口采集数据分析路口间协调的可能性,按照交通需求,对协调路口进行自动划分,可以是延长干线、交叉主干道、挂靠次要路口等多种扩大子区的协调控制模式。

三、如何发挥数据效能  

在利用大数据进行信号控制优化的时候,数据的数量、数据的质量直接影响着数据效能的发挥,在信号控制中,如何充分利用数据,充分发挥数据的效能,更加全面的描述交通运行态势,在复杂的城市交通中,剔除各种干扰因素,输出更加贴近实际,更能提高效率的信号参数?

在此之前,我想表达一个不太成熟的观点:现有的信号控制基本是通过人工或检测设备发现了问题,再进行相应的优化调整,换句话说,也就是可能出现了排队、缓行甚至溢出等情况后,再利用数据分析进行放行时间、放行相位以及协调控制等进行控制解决。

那么在汇聚了大量实时、历史数据、大量内部、外部数据,大量宏观、微观数据的现在,我们是否可以将出现问题-解决问题的被动模式,转变为预测问题—分析对策-主动应对的思路上,利用对数据的分析,在优先进行路网层面的预测分析,利用信号、诱导、传媒等各种手段,延缓甚至消除拥堵排队的发生,避免出现因为防止溢出而进行的被动强制限制。

同时在所有的数据当中,我们又可以通过网络架构的形式反馈到市一级的交通数据平台,为道路、车道渠化,道路改扩建等提供支撑。

如果想要较好的实现全程主动的介入,个人以为在现有标准基础上,采用人工智能也许是一条值得关注的方向:通过“大数据+深度学习”的方式,利用数据基础,通过对环境的感知,通过对数据的采集、加工、处理、分析和挖掘,进行大量计算,形成有价值的信息流和知识模型,并与人共同协作、 优势互补。

理想情况下应具有一定的自适应特性和学习能力,即具有一定的随环境、数据或任务变化而自适应调节参数或更新优化模型的能力,通过不断适应、学习、迭代,从而更合理地规划信号灯时间控制,提升道路资源利用率,大幅降低道路拥堵情况,让城市道路愈发智能化。

以宏观层面和微观层面的数据信息作为最初的输入,在此基础上搭建初步模型,利用大量历史数据进行训练,即将历史不同交通状态数据带入,得到不同交通状态下的最优交通控制结果,并打上相对应的标签(时间、交通流信息)。

blob.png

实际出行中,将实际的交通状态参数数据和第一步中训练的标签数据进行概率匹配,获取实际观测数据与标签数据的联合概率分布,利用获取的联合概率分布,完成先验概率和后验概率的估计,概率估计较高的交通控制策略为最优策略。

将交通最优状态的各交叉口交通参数、配时数据等以指令形式发送到信号灯控制端,并将得到的结果或者说放行的效能当成历史数据,扩大第一步中的样本量,并重复上述操作,完成自学习的交通控制优化。

综上所述,在大数据潮流下,采集设备的综合布局、信息数据的综合利用、技术手段的综合分析,将使我们在交通信号控制中获得越来越多、越来越真实的数据支撑,越接近客观的描述,信号参数也越适应交通流的变化。

网站二维码广告.jpg

1.7its.com 遵循行业规范,任何转载的稿件都会标注作者和来源; 2. 7its.com 的原创文章,请转载时注明文章作者和来源,不尊重原创的行为将追究责任; 3. 7its.com登载此文出于传递信息,并不意味着赞同其观点或证实其描述,文章仅供参考。
延伸阅读
关于“跨子区相位差”提升信号绿波协调效果的探索实践
C-V2X商用落地照进现实,中国车企如何变道超车?
朱志星:面向车路协同环境的道路交通安全管理探索
数据评估是如何辅助信控优化决策的?
浅谈需求响应式公交背后的技术
区块链在交通领域的应用探析


微信二维码


新浪微博


交通包打听


360网站安全检测平台