信控统一平台≠ AI信控，信号控制信息化≠ AI信控，仅采用了AI算法也不能称为 AI信控。

“数据是新基建的副产物而不是主要目的，如果新基建的目的仅仅是为了获取数据，而缺少业务的内在驱动，则商业模式不成立。”

新基建是对各种新型基础设施的建设，数字化转型则是对信息数字化基础设施的应用。落实新基建，必然推动交通等行业数字化升级 。

针对交管行业数字化升级，上海市城市建设设计研究总院（集团）有限公司智能交通所所长高翔分析了当前的热点与痛点。

以下内容为高翔演讲全文，经赛文交通网编辑整理（有删减）：

交管行业数字化转型与升级首先是战略选择，明确管理、服务的对象，采取什么管理、服务模式，完成什么业务，决定了在数字化升级的需求是什么。

并且要认识现状，目前很多城市交管已基本实现数字化转型1.0（交通信息化），但是在数据治理、质量等方面仍有欠缺，以单一业务驱动为主，“数据孤岛”现象时有发生。

在进行数字化转型升级过程中，要厘清可用资源，包括警力资源、ICT能力，充分考虑可投入资源的限制。

在制定数字化战略目标时，要明晰战略方向，选择是补足短板、点状突破，还是实行模式创新。并且在过程中需要加强整体规划，避免分散资源投入、重复建设。

交管行业数字化升级痛点

首先是价值链，经济上的合理性是项目生存的关键，应用的目的是产生效益，有效益才有持久的资源供应，项目才能生存。

从投入产出经济分析的角度，数据是新基建的副产物而不是主要目的，如果新基建的目的仅仅是为了获取数据，而缺少业务的内在驱动，则商业模式不成立。

现在很多项目在数字基建的过程中会遇到边际效应，为了某几个指标，从一个一定的高度提升到更高的时候，可能提升的百分比有限，但是投入的资金会成倍增加。所以，数字化升级需实现效益量化，才能评价，并权衡系统最优与用户最优的矛盾。并且在进行经济分析时，数据本身的价值也要纳入经济分析的指标中。

其次是数据质量。目前比较普遍的现象是重一次性建设、轻持续运维，重硬件设备运维、而轻数据质量监管，导致很多项目刚建成效果不错，但是随着时间的推移，由于运维跟不上导致数据质量下降。

后来，有些项目想做一些深度挖掘和关联分析，发现数据很多不可用，甚至有很多设备都不在线，更不用谈数据准确性。如果数据质量不好，必然会影响应用效果。

但是有很多项目往往没有找问题的根源，而将它归咎于应用系统效果不佳，这个时候就会去升级或者重建一些应用系统；有的项目也会把它归咎于感知技术不足或者说是覆盖率不足，然后大规模的建设感知设备。但是如果根源问题没有解决，就会形成恶性循环。所以，我们亟需一个数据质量监管和保障机制。

再看创新。很多用户会有创新的诉求，同时也会反馈现在行业里面不断出现的新概念。由于创新的一些重要特征比较难以直接识别，所以大家容易用相关特征认识他们，但是要认清这些相关特征是标还是本。

智能交通项目要以效益为根本目标，但综合效益往往是间接的、潜在的、长期的，而且难以准确计算。所以大家常用一些显性指标来评价他们，比如像评价一个科研项目，科研效果很难评价，但是大家喜欢用专利数量、论文数量来评价它。

同样，在智能交通项目里面，经常会见到以几百台几千台服务器，几千个路口、几千路视频等数字，还有全感知、 AI、深度学习等概念来表征创新。

片面强调算法和算力，会背离交通管理和服务的初衷，所以，我们应当追求创新的本。这个本是什么？综合效益和实用性。

在创新的过程中，不能脱离具体城市的具体现状来谈创新，一些先进城市的先进系统到了另外一些城市未必适用。

同时，在数字化升级过程中也会面临算力和需求匹配问题。物联网、大数据、云计算、人工智能、区块链并不是智慧交通，只是提高交通管理效率的工具，工具本身并不包含应用智慧。

应用智慧产生于应用过程的摸索之中，效益并不来自工具，而是来自使用者精明的选择，来自设计与组织环境的配套优化。算法、算力的发挥，需要以业务效益为核心，寻找算力与需求的匹配，避免算力的堆砌。

买数据还是买服务也是数字化升级的痛点之一。如果买服务，这些数据源是归互联网企业所有，为智能交通业务系统直接提供研判结果，它的优点是部署快、见效快，对于甲方维护压力也小，但是相应也有一些限制，比如由于数据和算法都不开放，如果甲方需要定制化，可能还要依赖于相应企业，包括业务的拓展成本可能也会比较高。

如果直接买数据，相应算法研判结果都是自主完成，有利于定制化和拓展，但是对数据整合能力和运维投入有较高要求，而且这种项目一般一次性投入也比较高。

互联网企业比较喜欢提供标准化产品，但是政府更希望得到的是定制化服务，而且现在很少有互联网企业选择卖数据。未来购买服务可能会是趋势，但是买服务与个性化结合未来需要重点关注。

谈到购买服务，服务的价值如何界定是当前一个热点话题。以有一定市场规模的信号优化服务为例，服务内容与标准不一致，对服务的效益预期也不同，比如有些一线城市原本建设和管理水平都较高，通过购买服务仅仅是为了缓解民警工作压力，这种预期提升效果有限，投入也较少。而二、三线城市，原本信号控制基础较差，甚至还有大量单点信号机采用固定配时，如果将系统进行升级，动辄就是10万甚至几十万一个路口，与这种数量级的投入相比较，通过几千或者1万多的服务购买，短期内提升的信控效果还是比较显著，这种投入产出比可能还要更高一点。

目前优化服务市场上，人工投入比例比较高，自动化程度不足，互联网行业的参与程度不是很高。有一些城市在尝试全流程自动化AI辅助，如果信号算法、专家经验和知识都能够代码化，人工比例未来肯定会有所下降，到那个时候服务费的界定可能又会是另外一种局面。

还有一个问题是系统兼容性。现在很多城市都在建设信控统一平台，根据赛文交通网2020年市场调研报告显示，国内有67%的城市都采用了两种以上甚至三种以上的信号机品牌。由于不同品牌的信号系统之间协议不兼容，信号机之间无法实现协调控制。在多种融合数据、跨平台警务管理的需求驱动下，各地方对统一平台的建设热情也非常高。

目前主流方式包含两种，一种是采用统一平台直连信号机的方式，另一种是保留原有的平台，在这上面重新建统一平台来实现平台对平台的对接。

方式一要求统一协议，取交集，对统一平台要求高，开发难度大。但会损失各系统的特色功能，可能造成之前投资的浪费。

方式二基于API开发难度小，容易实现远程查看、下发固定配时、特勤接管控制，但很难实现系统级的协调。

除了采用统一平台方案之外，还有另外一种解决思路，就是从规划上进行统筹考虑。例如2014年《上海道路交通信号控制系统建设导则》，基于当时现状，对不同区域的信号机选择进行规划，中心城区基本上要求采用统一的一套系统，而其他郊区自成一统，但不限制选型。这种导则思路后来被很多地方效仿，虽然也有无奈的成分，但是在很多时候也能起到事半功倍的效果。

交管行业数字化升级热点

首先是AI信控。

澄清几个概念，信控统一平台≠ AI信控，信号控制信息化≠ AI信控，仅采用了AI算法也不能称为 AI信控。AI信控体现在更高维度，更应关注的是场景、流程，而不是仅算法，是将专家知识、经验代码化，最终目标实现全流程的自动化，解放人力，提高控制效率与水平，消除个体之间与部门之间存在能力的差异。

AI信控需要大量知识库的积累、训练，现有的“AI信控平台”仅能提供辅助功能、或部分场景、部分流程自动化，尚处于初级阶段。

类比SAE对自动驾驶的等级划分，提出一个AI信控分级的初步想法。

AI信号控制等级

第二个热点是数字孪生与交通仿真。

交通数字孪生是将整个交通系统映射到数字世界，而交通仿真仅仅是其中一个环节、工具。交通数字孪生的意义在于群体规律性，而不在个体的精确行为。交通的社会属性、主观随机性决定了个体微观仿真与推演是伪命题。

明确了仿真的定位、技术上也实现了，还不够，关键的是用起来、谁来使用。很多项目投入重金打造数字孪生系统，但由于缺少使用者，导致数字孪生、交通仿真停留在“工具集”或者“初始仿真”的状态，或者是一个“展示模板”，没有真正运转起来。

第三个热点是流程再造。流程再造是数字化转型、升级的核心与关键。数字化升级对流程再造的要求是以任务为主线，重构人与工具的协作关系，要把原来以职能部门划分管理的方式转变为以业务流程为中心，需要明确执行流程的人，避免由于缺少机制的支撑，缺少使用的人，又回到老路，尤其是一些跨部门的专题应用。

需要将平行的工作连接起来，而不是简单合并。将分散的资源集中化、虚拟化和云化，并且源头上一次性获取信息，而不是反复的搜集。

专业的系统需要专业的服务，引入专业的社会力量来参与是趋势，在项目运作过程中，很多地方也在探索机构的创新、G端与B端创新的商业模式，在不同阶段，根据机构能力的分析，引入社会力量的参与，充分利用产业化资源为流程再造助力。

结语

目前交管行业已经完成了数字化转型的第一个阶段——信息化。

现阶段数字化升级的任务主要是要从信息化向智能化和全流程自动化升级；新基建将加快驱动交管行业数字化转型与升级；交管行业数字化转型要基于本行业特征，以价值链为核心，形成有效益、可持续的业务链；数字化升级过程中应追求创新的“本”；数字化升级必然伴随机制体制的变革，甚至倒逼体制的变革、流程再造。