交通管控技术现在谈颠覆还为时过早，但是已经进入了变革阶段

编者按：“交通管控技术现在谈颠覆还为时过早，但是已经进入了变革阶段。当前智能网联，大数据，AI等等技术的出现，意味着我们具备了新技术的环境。新的技术环境下，交通管控方面带来的改变以及融合主要体现在哪些方面？

近日，公安部交通管理科学研究所副研究员代磊磊，就近年来在智能网联以及管控技术方面的一些探索，从智能网联赋能新时期的交通管控、深化拓展交通协同管控新技术、车路协同领域探索及应用实践三个方面进行了交流。

以下内容为代磊磊演讲全文，经赛文交通网编辑整理（有删减）:

一、智能网联赋能新时期的交通管控

多年来，交通管控技术一直在发生演变，以10年为一个阶段来看，交通管控在上世纪八九十年代，从以人工方式作为主要信息收集手段，经过交通采集监控系统的大规模建设，逐渐过渡到信息的自动化采集。

2000年以后，全国逐渐开始集成指挥平台的建设，主要目的是联通交管系统的数据，但这种联通实际上还是一种烟囱式的纵向数据互联。

2010年之后，我们开始摸索关于智慧交管系统的建设，在探索过程中，逐渐实现了数据驱动，使交通控制变的更加智能。近几年，又在不断地进行各种大脑的建设，赋予了我们对各类数据资源进行融合分析的能力。

客观来看，这么多年来，交通控制的基本理论和方法并没有本质上的改变。不断改变的是交通管控的技术环境，这种演变，使我们能够实现对车辆通行状态的精准捕获，实现对车辆身份、车辆运行轨迹数据的实时追踪，并根据实时数据优化管控算法，特别是在状态感知、路口实时优化、干线动态协调、干线溢出控制、快速路匝道控制等方面，带来了巨大的改变。

正是因为数据采集与AI技术的变革，从而驱动感控算法的重构。个人认为，交通控制的发展，是从模型推算的固定配时，逐渐演变为实时响应的精准控制，并根据数据变化和状态，及时的对控制做出反馈。

对交通大数据的本质进行溯源，主要包括两大类，管控对象特征和通行行为特征：前者主要是对象本身属性特征的捕获识别，通过视频图像，以及最近几年广泛提到的RFID，对车辆身份、属性等特征进行准确的采集；后者是通过互联网平台和交通卡口等前端数据采集设备，获取车辆的实时空间位置信息以及通行状态信息，做到对突发事件和违法行为等精准的识别和管控。

确切来讲，各种类型的数据都有其特点，作用的范围也不同。所以谈到数据融合，个人认为用某一种数据代替所有数据不太现实，数据融合的本质应该是对每种数据进行准确界定，形成一个价值互补的大数据应用体系。

从实际角度出发，智能网联交通大数据的应用体系实际上有三大板块：以各种前端设施为代表的路侧设备物联；以交管内部系统为主的交管系统集成；由交管系统所延伸出的外部系统互联。这三大板块也代表了近年来我们的研究方向。

第一，将前端检测、控制设备直接联通，统一数据汇入系统进行融合处理。例如把视频数据，流量检测器数据，以及RFID数据汇集到信号机，让信号机在路口端对数据进行处理分析，实现对信号的即时控制。

第二，以车路协同为代表，将智能网联汽车通过RSU进行交互，把数据同时汇入到管控前端中。例如近年来兴起的路侧边缘节点，其主要作用也是从路口端实现数据汇聚分析和处理。

第三，在系统平台的层面上，连通交管内部系统，打破数据系统的壁垒，进一步的将多种外部数据来源统一对接到交管大数据平台上。例如互联网平台提供的路况信息、出行服务，公交系统提供的公交运营数据等等，这是最大的改变。

有了前端数据的物联，中间层的集成和外部系统的互联，共同构成智能网联大数据应用体系。大数据应用体系催生了大量的数据，同时这些数据驱动交通的智能化管控，让交通信息化服务变得更为精准。

也就是说，智能网联大数据及AI赋能时代的到来，让交通迈进现实版的智慧管控。

二、深化拓展交通协同管控新技术

下图是智慧协同管控的应用框架。和人体构造类似，交通智慧协同管控大数据平台作为框架的大脑，实现对数据汇聚，路况诊断，情报研判，调度执行和效果测评；两只手，一只手是互联网，借助互联网的交通信息进行精准诱导，另一只手是车联网，实现车路协同，对个体车辆实现精准服务；两只脚，一只脚是信号控制，另一只脚是警力调度。中心“大脑”和“双手双脚”执行体共同构成智慧协同管控应用框架。

第一个层面是“大脑”，我们定义为交通智慧协同管控大数据平台。大数据平台进行数据汇聚，构建网联大数据中台，打破数据交换环节，从而突破交通状态的分析研判诊断，实现精准的情报生成，同时借助配时中心专业支撑实现对执行系统方案下发，并对数据反馈开展在线效果测评。

第二个层面是“双手”。双手之一是互联网出行导航疏堵。将我们“大脑”里生成的情报信息，通过我们的一只手推送给互联网公司，让互联网公司具备车速引导，路径规划、事件预警能力，从而实现精准诱导。另外一只手就是车路协同信息开放服务，车路协同不仅仅是信号灯信息推送，它更大的作用是对动态的环境进行感知，能够感知事故，能够感知行人过街，能够感知路上的异常。

第三个层面是“双脚”。其中一只脚，就是信号控制预案优化。大数据平台通过对收集数据进行实时分析研判，在对交通运行状态进行精准诊断并生成优化方案的同时，将方案下发到执行体去。以快速路为例，大数据平台发现快速路拥堵，根据所收集的数据进行警情生成，同时达到触发预案的阈值，生成一个优化好的预案并下发到信号控制系统中。在上层我们实现的是信息的精准研判分析，但具体的执行还是要落到具体的智能执行体当中，也就是说通过预案优化，让我们的信号控制方案更为合理。

另外一只脚就是警力快速调度和应急处置。假设在路面上实时捕获到事故发生，并产生了拥堵，平台将情报信息通过“警务通”等终端第一时间准确推送到一线执勤民警，让交警能够第一时间进行快速处置，快速响应，提高事故处理的效率。根据杭州的例子来看，出警时间可以缩短20%以上。这就意味着如果路口在发生事故之后产生拥堵，通过警力快速调度，可以有效缩短拥堵的持续时间。

三、车路协同领域探索及应用实践

在智能网联以及协同管控的基础上，我们团队近几年在车路协同领域也做了一些探索和应用。

第一个应用就是我们在无锡连续4年开展车路协同技术应用示范，构建了跨领域的车路协同技术路径，打造了“一中心三平台”的车联网应用服务架构体系。“一中心”指的是车联网大数据中心，“三平台”指的是交管赋能平台，V2X服务平台，交通管控和出行服务平台，共同赋能车路协同的应用。

另外，通过不断摸索，我们在不断固化典型应用场景，建立了一些标准体系，并且在无锡创建了首个国家级的车联网先导区。

第二个方面就是推进公安交管信息规范开放。去年三部委联合发布了车联网产业标准体系的车辆智能管理部分，与车路协同相关的主要集中在身份认证与安全以及协同管控与服务层面。身份认证与安全方面目前在申报两项国标，分别是在路口设施层面和网联汽车身份认证层面。在协同管控与服务方面，我们目前也在申报两项国家标准和两项行业标准。

第三个方面就是在研发路侧的边缘融合网联设备，也就是边缘处理节点，它能够在路侧实现对数据的汇聚分析处理，提高数据的实时接入速度和对外发布时效。同时，数据通过路测边缘节点汇入，可以解决上层平台系统升级，前端检测设备也需要整体更换的困境，通过技术手段实现了设备成本的节约。

第四个方面，定向推送违法告警信息。我们尝试通过添加无线通信模块，让路侧监测设备把信息直接推送到上层平台，不经过路口端的汇聚，通过平台层把信息直接推送到相应的违法车辆上，实现更高效的信息发布。

第五个方面是赋能智慧管控和协同服务。通过构建城市交通智能网联管控与协同服务平台，一方面能够实现智慧管控，实现更为精准的信号控制，另一方面实现车路协同信息服务，特别是路况监测报警信息等数据的精准推送服务。

最后一个方面，依托国家智能交通综合测试基地，构建了六大特色验证区，让具备车路协同功能的车辆，在较为完备的路侧设施基础之上检验车联网的能力，包括ADAS的辅助驾驶功能等，在真实环境下进行测试验证。

最后稍微总结一下上述三个主题的结论。

第一，交通管控技术现在谈颠覆还为时过早，但是已经进入了变革阶段。当前智能网联，大数据，AI等等技术的出现，意味着我们具备了新技术的环境，使我们能够把传统的断面检测转变为对通行状态的精准感知认知，能够识别车辆的身份，能够去追踪车辆行驶的关键路径，从而进行更精准的实时响应。

第二，交通问题只靠“大脑”还不够，需要协同“四肢”等智能执行系统。当前研究主要集中在上层的分析研判和决策支撑，以及协同调度方面，但有了大脑，还需要四肢去进行具体的执行。让下层系统发挥出应有的功效，需要借助互联网导航、信号控制系统、警力调度等，来实现整个系统的协同。

第三，经过多年来的探索和实践，我们的交通管控一直在助推车路协同技术的发展，反过来车路协同也不断地赋能我们的智慧管控服务，正是因为能够把更多的管控信息开放给智能网联汽车，同时智能网联汽车把更准确的路况等信息，反馈给我们的管控系统，才能让管控做得更为精准。

最后希望在这个智能网联的新时代，携手共创智慧管控的新未来，谢谢大家。