3月25日，在智能交通发展创新论坛上，南京市公安局交管局科研室石巍分享了“数据驱动的协调控制深度应用”主题演讲。石巍表示：做好路口信号配时，做好路口间的信号协调，不失为一种花钱少、见效快的办法

 “现阶段交通管理对数据有很高的需求，我们也采集了不少的数据，不同领域、不同行业的数据，与交管自身所采集的数据，一起都在为交通控制和交通管理服务。”

3月25日，在智能交通发展创新论坛上，南京市公安局交管局科研室石巍分享了“数据驱动的协调控制深度应用”主题演讲。石巍表示：做好路口信号配时，做好路口间的信号协调，不失为一种花钱少、见效快的办法。

以下为石巍的演讲实录：（赛文交通网做了不改变原意的整理，有删减）

随着城市经济和技术发展，机动车保有量不断攀升，居民出行机动化程度也在不断增加，路段通行压力日益增大，在路口缓行的现象也日益明显。

面对日益复杂的交通需求压力，如何在确保安全的前提下尽可能提高平面交叉口和信号的控制效能，如何在现有路网条件没有办法得到大规模改扩建的状态下，尽可能保证机动车通行有序，提高路口整体通行效率？如何在出行需求不断得到增加的情况下，尽可能满足通行的需求？

我个人认为，做好路口信号配时，做好路口间的信号协调，不失为一种花钱少、见效快的办法。

一、南京在协调控制上的应用

按照国务院批准的《长三角洲城市发展群规划》，南京在城市规模等级上被定为特大城市，截止到2021年2月，南京机动车保有量为294.61万辆，同比增长2.89%，私家载客汽车的保有量为218.04万。

南京都市圈横跨两省，辐射了镇江、扬州、马鞍山等70个地市，包括33个市辖区和11个县级市、16个县。在南京主城区，路网承担的不仅是南京的车辆，还有大量外地车辆，南京日均交通量293.61万辆中，外地车有110.45万辆，占比达到37.62%。

在路网结构上，南京被长江划分为江南和江北两大片区，江北新开辟了国家级的江北新区，江南是传统意义上的老城区，江南江北的交通转换主要依靠长江大桥、八卦洲大桥，以及三条过江隧道，潮汐现象相对比较明显。而江南片区又受到明城墙、紫金山、秦淮河的影响，路网结构不理想，部分路段通行压力较大，在交通组织上存在诸多限制。

在信号控制方面，南京交管直辖的灯控路口有1617处，绕城公路内的中心城区联网灯控路口是873处，采用了绿波协调的共有164条、1175处路口，对于其中具有明显潮汐交通流现象的新老城区通道及进出城的主要通道，设置了潮汐绿波42条，共控制448处路口。在大量开展绿波协调的基础上，南京有了部分特色应用，下面就这些特色应用做简单介绍。

第一个，相交主干道同时实现绿波控制。根据以往经验，相交主干道往往由于协调方向不一致，导致绿波在相交路口中断。南京根据流量选取了适当的公共周期，以主干道相交路口为基准，推算出垂直方向路段需要协调的起始相位差，再按照正常绿波的设置，计算沿线各路口的相位差。同时，我们将主干道周边关系比较密切的次要路口，与相邻主干道路口进行挂靠设置，缩短次要道路的车辆等待时间，提高路网的通行能力。

第二个，大小周期的配套运行。对于协调干线沿线的两相位控制小路口，按干线绿波的公共周期进行半周期协调控制时，可能导致小路口的非机动车和行人等待时间过长，或者造成主相位绿信比较大，放行时间过长，使下一个路口车辆溢流，影响协调效能的发挥。

所以，我们将原有两相位小路口调整为大小周期的配套，也就是说，通过增加相位灯色，将小路口修改为由相同的两个相位组成的四相位路口。在上游主要路口主相位通行的时候，次要路口配大周期的主相位。

同时，非协调相位在整个周期里面可以通行两次，这样就保证了主干道协调车流不被截流，同时解决了次要道路等待时间过长和下游路口溢流的问题。

第三个，路段行人触摸控制路口与主要路口的协调控制。对于干道协调控制中与主要路口相邻的行人过街触摸路口，由于行人过街请求的随机性，可能会造成干线协调车流的中断，导致下游路口协调相位开启时并没有车流可放。对于这类路口，我们将原有触摸信号灯触摸-最小绿-黄灯-行人放行的控制顺序调整为触摸后由系统或者上下游联动路口信号控制机计算并确认。

在干线上游路口非协调相位车辆运行时，行人过街的请求就会很快得到响应，而当干线上游路口处于协调相位时，行人过街的请求就会延迟响应，以保证协调相位的机动车顺利通过，在主要车流通过以后再放行行人。

二、数据驱动的协调控制应用

协调控制就是把路段上关联性路口信号进行联动，通过信号参数的调整，达到协调控制的目的。从定义中可以得知，协调不仅仅是绿波控制，在以往的设置当中，基本上依靠现场调查数据，再结合人工经验开展控制。

但是在交通日益复杂、路网承载日益增大的今天，出现相位差不能适应流量的时段变化，协调方向无法应对突发情况，子区内路口无法结合沿线及周边关联变化而进行调整等等矛盾。

即使设置按时段划分的相位差，相对而言也是比较固定的，不能及时响应变化的需求。

现阶段交通管理对数据有很高的需求，我们也采集了不少的数据，不同领域、不同行业的数据，与交管自身所采集的数据，一起都在为交通控制和交通管理服务。

数据按来源划分，可分为交管自有检测数据，比如交通流参数，信号控制参数等等；外部数据，包括人口、停车、地块功能等等。

从路网上面说，可以划分为宏观数据，比如路网、路径以及交通小区OD信息；微观数据，比如路口甚至车道的交通流参数等。还可以把交通数据划分为动态和静态。所谓动态，就是道路运行的变化情况，所谓静态，就是上文提到的地块功能，标志标线等等。

有了数据支撑，如何深挖信号协调控制的潜力？如何有效提升信号协调控制的效能？我们通过实践，将自动采集数据按照一定格式输入系统，经过内外补充、动静结合、宏观与微观的关联、历史与实时的比对，从需求预测、从规律分析入手，通过现有状况的判别，以路口为核心，路径为纽带，关联协同路口，协同动态数据，优化协调信控相关参数，由使用人工经验发现问题、分析成因、提出对策、人工干预，上升到由数据驱动的预测需求、分析关联、主动响应，有效提高信号参数的适变能力。

如下图所示，可以从宏观层面利用互联网和自有数据分析出交通整体趋势和流量相对集中的区域及主要关键节点的OD分析，并根据相关数据进行路网层面的信号初步设计。

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，对初步设计信号参数，进行微调。这里的信号设计包含区域协调的划分、信号时段的起止，以及信号周期的预判。

那么数据支撑的信号协调控制具有哪些可以提升的应用呢？  

第一，有了数据支撑，协调的公共周期将更加贴近通行的需要。以往协调控制时经常以主要路口周期作为公共周期，甚至为了追求大带宽，牺牲了非协调相位或次要方向的通行效率，影响路口整体通行能力。有了数据支撑后，我们可以利用区划段内全要素数据采集，分析数据得到运行规律，与历史数据进行比对，对路口进行相应的优化，得到更贴近实际的协调控制公共周期。

第二，有了数据支撑，协调的相位差更能满足不同流量的通行需要。以往我们设计相位差主要依靠人工观察和人工经验，根据时段划分，设置的相位差较为固定。有了数据支撑以后，我们可以根据采集的数据和历史数据进行比对，再与互联网信息进行综合研判，让我们在时段划分、相位差的设置上更加贴近协调路段的现有需求，真正做到相位差的自适应变化。

第三，有了数据支撑以后，协调的方向更能及时响应突发事件的需求。现阶段协调控制设置完成后，遇到事故或者突发事件，往往没有办法及时的去响应变化，都是交警查看情况后，通知指挥中心进行人工干预和流量疏导。

有了数据支撑以后，在进行实时数据与历史数据比对时，发现路口变化超出了预设的阀值，就可以对协调进行相应调整，系统可以通过采集数据对路口的车道、路口，乃至路径和路网层面，判断突发事件对交通的整体影响，可以以关键事发点为O点或D点对关键车流进行分析，并按照车道方向，路口，路径，周边关联的路口的顺序进行协调优化，确保路口不交织，路径少排队，路网少影响的效果。

第四，有了数据支撑以后，协调路口能够灵活地满足控制的需要。以往在设置干线协调时，对于干线涉及的路口都只能采用人工方式增减。有了数据支撑以后，我们可以路网层面进行分析，结合关联性、相似性，分析重要需求，基于关键车流，按照路径、路段的划分，采用多层控制方法来主动干预、主动协调，优化信号方案，更好的适应节假日或大型活动、赛事的交通流非正常变化需要。

下面举几个实际应用案例：

下图是检测子区动态调整，基于实时道路交通检测和互联网数据信息，当检测到协调优化路线上有重要路口，流量需求较大，原有路口可以进行拆分重组，可以让车辆流入减缓，同时在内部加紧协调。当检测到某一个路径交通需求增加的时候，也可以将原有子区与周边关联性较强的路口进行协调，自动实现动态子区划分，实现区域的协调。

在以上常规运用的同时，我们也结合南京的公交优先控制，进行一些尝试。南京的公交优先，不是采用绝对优先的模式，而是尽可能在保证公交车车辆的准点率，提高运营效能的目标下，确定策略、确定层级，从区域、干线、路口三个层级来进行分别协调。

通过对道路路段、进口道、路口和出口道四个区域中公交车和社会车辆的信息进行全方位检测，例如在全程检测公交车辆实时定位数据，在进口道检测社会车辆排队情况，在路口检测社会车辆拥堵情况，在出口道检测车辆下行情况，将几种情况结合起来，进行重要的感知和判断。

在常规状态下，公交优先是由系统实施分段绿波，以确保公交线路沿线交叉口的优先通过；在饱和状态下，机动车出口道出现明显排队的时候，我们设定公交车的优先级下降，对社会车辆进行优先放行；或者如上文介绍，对社会车辆发生拥堵的节点位置进行分析预判，对车辆进行疏散，疏散完成后，再进行相应的优先。

特勤车辆优先协调控制，首先根据特勤车辆实时定位信息，由系统按照历史规律自动推荐路口的放行相位和通行线路，再比对线路与周边路网的交通量关系，疏导特勤车辆的前方车流，达到特勤车辆快速通过的目的。

其次，减少周边车辆流入特勤线路，避免线路垂直方向挤压过度。

第三，消防急救车辆在特定区域会长时间滞留，我们对周边路网进行协调，减少车辆流入停放区域，达到整个路网的协调控制目的。

在这里我想提出一个观点，协调的关键因素是周期统一，相位固定，以及相位差适当。在数据驱动下，相位差和协调相位都可以进行优化和调整，使其贴近实际交通运行情况。

周边协调控制的基本要求往往限制协调效能的发挥，特别是对于协调区域边缘路口，往往因为交通量的差异较大，无法形成有效的协调，无法发挥到这个路口对于协调干道、协调路径分流疏导的作用。

在这种数据日益丰富的时代，我们可不可以从另外一个角度考虑，推出一种非等周期协调的概念，从协调相位的任意时间计算相位差，形成非等周期的协调控制？

三、数据驱动协调控制效果的评估及双向绿波的新思考

闭环迭代，对于信号自主优化有很重要的意义。但是闭环必须要有评估，迭代必须要有标准，以什么样的标准进行评估，能够反应信号的效能？怎么样全面反应变化？下图是行业标准，详细罗列了各方面的指标。

对于评估标准之前，从交警的角度而言，什么是我们最需要的？在这里我想表达一下，安全大于效率，综合全面是大于局部，因为像有的时候，说开车的时候为什么要等这么长的时间才能过去？有些时候我们解释，在这样的情况下必须满足行人一次性通过路口的需要，行人通过要有路幅宽度，以及行人1米到1.2米的比值去设置信号灯时长，不管什么情况下交警首先注重的是安全。

随着采集手段的增加，在得到大量的全面数据后，是不是可以从路网的角度去出发，“不同场景不同指标，不同时段不同标准”，按照关键参数+N种指标的模式去分析？

例如，高峰期的时候是侧重于哪些指标，是不是可以从路网拥堵层面，拥堵里程的比例，常发拥堵路段数等角度去分析？在平峰的时候需要怎样分析？最后想提一下，双向绿波，现在被大家广泛提及和应用。双向绿波对周期长度，路口间距，交通组织，相位序列都有一定的要求，那么它的适用场景是什么？这是业界目前需要思考的问题。

以上是我个人对协调控制的一些浅显理解，水平有限，不足之处敬请各位海涵，也欢迎请大家批评指正。