未来，智慧交管发展会和城市数字化转型、车路协同发生更多的碰撞

2018年，上海电科智能系统股份有限公司推出城市智能交通管理体系的进化版—— “交通超体”，融合了全息感知、超能计算、智能管控能力的超级智能体。

近日，上海电科智能系统股份有限公司智能交通技术总监陈敏分享了 “交通超体”智慧交管新体系，并围绕交通优化、事件智处、违法智检、施工智管、活动保障五大应用场景详细介绍了交通超体助力上海智慧交管建设的案例。

以下内容为陈敏演讲全文：

“交通超体”智慧交管创新体系

交通超体不是一个产品，而是一整套体系框架，是电科智能提出的面向智慧交管领域的一整套解决方案，包括端点感控、边缘计算、云端交互三个层次。

端点感控其实就是普通道路交通参者者非常熟悉的各类智能交通设备，比如卡口、电警、视频、情报板等等。需要强调的是，这几年大家在谈感控的时候，过多的注重在智能化设备上，反而没有意识到，交管的感控手段还有非常重要的一点是一线民警，通过给一线民警配备一站式移动警务终端设备，实现事故，违法，警情，设施等各个业务统一办理。通过移动警务终端和中心平台的信息同步，实现指挥中心和一线民警的协同作业，有效提升管控效率。

交通超体架构与传统的智能交管架构最大的区别之一在于增加了中间的边缘计算层。

为什么要增加边缘计算层？早期交管体系架构只有中心和外场两层，因为智能交通建设初期，交通设备数量和总量有限，但目前普通地级市交通设备都能达到大几万个，一线城市甚至有几十万，随着交通设备数量的大幅增长，如果还沿用原来中心计算模式，机房的规模很受考验。

基于此，我们改变成了一种分布式的边缘计算模式，通过在路口和路段增加边缘计算设备，对交通采集数据进行实时分析处理，同时分析处理结果能够第一时间反控路口智能管控设备。

这种边缘计算模式也能够满足未来车路协同应用场景下对实施数据处理和分发的时效时延性要求。

有边缘计算层之后，中心云端主要是实现跨业务系统之间的研判分析。在云端，将海量的道路交通数据、各类业务数据、地图数据等进行融合，挖掘这些数据之间潜在的关系，指导上层业务工作的开展。

“交通超体” 应用场景

第一个应用场景是交通优化。

上海中心城区原来主要采用的交通感知手段是地感线圈，但是线圈智能采集断面处的交通流量，无法区分同一车道不同转向的交通流量。近几年，我们逐步采用了视频检测和多目标雷达检测，通过这两种手段的融合，对路口不同转向的流量进行实时检测，能够检测出排队长度、延误时间、交织冲突点等实时数据。

同时通过路口边缘计算设备对这些数据进行融合分析，形成路口、车道、转向不同城市多种类型的综合交通数据，从而反映一个路口真实的运行状态。

通过综合评价指标的输出结果，形成路口准确的转向流量数据，精准分析路口实际转向流量与车道转向功能之间的偏差，自动发现可优化路口，为交通组织优化提供决策信息。

通过综合评价指标反映出的实时路口运行状态还可以对路口交通信号进行优化，当数据显示下游路段排队长度较长，可以通过边缘设备直接调优上游路段的信号配时，提前结束上游路段的绿灯相位，减少上游路段的车辆汇入情况。

如果下游路段空放时间明显过长，可以通过边缘设备调优上游路口的信号配时方案，延长上游路口的信号相位，加大上游路口车辆的汇入，这样能够有效提高路段通行效率。

解决交通拥堵问题，单独使用交通组织优化或信号优化往往效果不是很明显，大部分情况下，要综合使用这两种手段。

以上海G50嘉松中路交叉口为例，它是上海青浦区和松江区进出上海主城区的咽喉节点，而嘉松中路又是本地居民通行主干道，双向8车道，交通通行量非常大。但交叉口与收费站之间只有200距离，续车空间的能力非常有限。同时，右转车流和左转车流的交织现象非常明显，也加剧了路口交通拥堵。数据显示，这个路口平均排队长度能达到450米。

通过对该问题进行分析，我们与上海交警联合研究提出了针对该路口的综合交通解决方案。

首先从交通组织层面来看，在右转车道上增加一根车道，同时左转车道增加左转待行区，右转车道增加右转的信控相位，从时间上分割开右转车流和左转车流。再根据实时采集的交通流量，对路口的信号配时方案进行优化。通过这种综合手段，

该路口的右转车流量和收费站的通行车流量得到了明显的提升。

通过这个案例也给我们就解决因多股交通车流汇聚而造成的交通拥堵现象提供了一种新的解决思路。在交通流量接近饱和的情况下，有时候可以综合运用交通组织和交通信控手段来解决交通拥堵问题。

第二个应用场景是事件智处。

解决交通事故问题是交管部门工作中最重要的一个环节，减少交通事故一个有效的手段是实现事故的早发现早处理。

目前，上海高速公路和快速路广泛使用的是视频检测手段，通过视频事件检测手段，能够实现对10多类交通异常事件的自动检测、自动定位和自动预警。

但是通过视频来识别事件也存在一定的局限性，因为它的视角范围有限，通过检测精度会受天气、安装角度等客观因素影响。

因此近几年在视频检测手段的基础上，我们新增了多目标雷达检测手段，通过雷视融合，实现高速路段交通事件的技术跟踪，还原。

当实现对事件的快速识别之后，还需要一套有效的警情处理流程和机制，实现事件快速处置。

通过智能化手段对交通事故进行预警之后，指挥中心可以调取事故路段的实时视频监控画面，首先对事件进行初步分析，再搜索事故路段周边在勤的警员并下发基础信息，巡逻民警根据指挥中心下发的警情单，到事故现场进行二次精准定位，同时拍照现场情况上传指挥中心。

指挥中心的诱导岗和信息岗人员可以加入到警情处理的环节，诱导岗人员可以根据事故路段的位置信息自动搜索出与事故路段相关的诱导情报版，同时根据预先制作好的事故发布预案，在情报板上发布事故信息。

信息岗人员展示出事故路段上游的信号配时策略，根据事故发展态势调整信号配时方案，减小下游路口的拥堵情况。同时我们在系统里面能够为警员根据结合当时的实时路况，做出到达事故现场的最优路线规划，让警员按照最优路径，最快到达事故现场。

整个警情处置结束后，可以通过一键恢复的功能，使所有智能化设备恢复到正常配置情况。在整个警情处置流程里，我们对每一个步骤都进行存档，最终可以实现对整个警情处置流程的可追溯、可还原。

第三个应用场景是违法智检。

每一起交通事故的后面其实都对应着一起交通违法行为。由此可见，交通违法行为对道路交通安全的影响有多大。

上海普遍使用的是一种N合一复合式视频检测设备，实现机动车违法行为的检测效果。

目前我们通过边缘计算设备，在同一台相机里面能够同时实现14类交通违法行为的自动检测，同时还支持交通流检测。并且我们在边缘计算设备里面还可以不停地丰富加载更多的违法算法模型，以满足更丰富的违法事件检测应用场景需求。

这两年我们对违法关注的重点由早期的对机动车违法逐渐转化成对非机动车违法的识别。

在上海，我们利用原有的非机动车视频监控点位，通过智能分析算法，可以实现10多类的非机动车违法行为的自动识别检测，自动识别出骑手所在的企业，实现骑手企业的自动落档，同时能够对骑手和企业的违法行为进行排名，对一些高违法的企业进行约谈。

第四个应用场景是施工智管。

占道施工目前已经成为了一种普遍现象，以上海徐汇区为例，2019年，占到施工数量就达到1156起，但警力只有4人，如果完全通过警力进行占道施工管理是巨大的考验，因此需要一套智能化手段辅助民警。

通过施工智管系统，我们利用交通仿真手段，对施工的时间、占道次序进行评价，选取出最优化的交通施工组织方案，同时整个施工可以实现线上流传，所有的施工项目都可以在地图展示。同时利用AI智能分析手段，自动识别超时施工、超期施工、超范围施工等施工行为，将这些异常施工行为下发给施工工地所在管辖区的巡逻民警，到施工工地进行现场检查。同时检查结果直接通过移动警务终端上传指挥中心。

第五个应用场景是活动保障。

国内的一线城市或特大型城市每年都会举行非常大、非常多的重要赛事，对这些活动进行交通组织保障也是交警部门的重要工作之一。

我们通过数字化预案，将交保工作里的重要要素，比如智能设备、感点、停车资源、应急单位等，都能够实现一键上图、一键预览的功能。同时对一些重点车辆进行交通组织保障，实时采集重点车辆的位置信息，结合当时的路况，预测车辆到达下游交叉口的时间，再根据下游交叉口的信号配时方案进行信号锁定，从而保证重点车辆顺利到达目的地，同时尽量减小对周边交通流的影响。

智慧交管的未来

智慧交管发展到今天这个程度，其实很多工作都已经做了，那么接下来我们的工作重点在哪呢？

我们认为接下来智慧交管发展肯定会和城市数字化转型和车路协同领域发生更多的碰撞。

上海、广州、深圳等很多城市目前都已经提出了城市数字化转型，也就是我们经常提到的数字孪生概念。

数字孪生在交管领域，主要体现在三个方面：设施数字化、运行数字化和需求数字化。

设施数字化就是在高精度车道级导航地图的基础上，加载路网、设施、设备，以及他们之间的拓扑逻辑关系，并以能够为计算机所理解的形式计算、查阅、存储。

运行数字化就是在可计算路网基础上，加载交通事故、交通违法、车辆个体、道路环境、监控状态等数据，实现对路网运行质态，车辆运行轨迹的全息还原。

需求数字化就是在数字孪生环境中，个体交通出行需求将以数字化的形式还原、推演、预判。

大家一定有很多出行服务软件，但是目前还没有一个平台能提供全链的无缝出行服务。

如果将来城市数字化转型成功，每一辆载运工具、每一个道路、每一个路段、每一个停车设施和每一个个人出行的需求都以数字化的形式存在，那么我们将数字对象和数字对象之间，通过实时的信息交互形式实现一种无缝的信息交互，最终的目标，我们能够享受到一种全出行链的无缝交通信息服务的感受。

最后一点是车路协同，公交优先。

现在我们其实是将实时车辆运行位置，车辆数等信息进行采集，最终实现车辆运行状态的数字化。同时将车内的拥挤度、载客量等数据，形成了对载运空间的数字化。

我们将数字化的车辆运行状态以及载运空间状态与数字化路网运行相关联，最终会实现公交车辆的信控联动，到站联动以及过街联动的车路协同应用场景。

未来智慧交管领域会有越来越多的参与者，比如汽车制造厂商、互联网服务商、平台运营商等都将参与到智慧交管的建设过程中来，电科也非常想和业内优秀的企业、专业的从业人员、业内的用户进行深入合作和交流，为智慧交管的建设贡献一点力量。