时隔两年的“交通博览会”完美落幕，我最大的感受是面子上热词不断，骨子里内容匮乏

时隔两年的“交通博览会”完美落幕，我最大的感受是面子上热词不断，骨子里内容匮乏。

最近几年，智能交通领域里热词如娱乐界的热搜一样轮番登场，很多热词还没有清楚基本定义与内涵、甚至背后逻辑漏洞百出的情况下，就已经如“病毒”般快速传播，不仅出现在产品宣传推广中，而且迅速扩展到工程项目招标、建设的技术指标中，甚至连学术领域里也被这些热词快速感染。

其实，揭开这些热词的神秘面纱其实并不难，只需要用最基本的常识和逻辑。以下，仅就个人有限知识与理解，对几个热词说一点我的常识性理解，写这些的目的是希望业内同行能对行业发展有更清晰的认知，对产品技术有冷静客观的选择，不盲目、不冲动。

以下内容仅基于本人有限理解如有伤害纯属无意，如有错误欢迎指正与辩论。 

融合感知

这应该是本次博览会最热门的词之一了，我理解的“融合”应该包括三层面：“补充完善”、“丰富内涵”、“感知发现”。

“补充完善”是指针对不同环境条件下不同检测手段的特性，实现数据互补，目的是提升全天候检测精度。

“丰富内涵”是通过不同检测手段对同一目标获得多维度的目标属性数据，比如雷达检测到目标的速度、加速度、位置信息与视频识别到目标的颜色、形状、车牌等视觉结构化信息，进而形成能全方位完整描述目标的综合信息。

“感知发现”是通过数据综合分析发现单一检测手段、单一时空背景所不能发现的交通现象，实现场景、事件的发现。

要实现这个三个层面的融合感知，需要一个最基本的逻辑前提：保证不同检测手段对单一目标检测结果的时空一致性，也就是说在同一时间、同一位置、检测到同一目标，之后才能实现目标归一、属性合并等操作。

以雷视融合为例，要求雷达与视频检测到目标的时刻一致，测量到目标的空间位置一致。

能实现吗？

只需要回答几个常识性问题：我们将一辆小型汽车简化为长5米、宽1.7米、高1.6米的立方体，雷达测得的车辆位置是这辆车“前、后、左、右、中”的哪个点？雷达波束扫描的周期是多长时间？CPU计算并确定目标位置的时延多少？视频识别到目标的位置是这辆车“前、后、左、右、中”的哪个点？依据像素计算的空间位置精度可信吗？视频成像帧间隔时间是多少？数据从成像、压缩、传输、解码、识别算法获得数据的时延是多少？这两种检测方法获得数据时间能一致？空间能吻合？

同样道理，那些号称厘米级高精度的GPS、北斗定位技术车载设备获取的车辆位置，定位的车辆质点在哪儿？是否与天线安装位置相关？

这些问题如果没有确定的答案，那么所谓的“融合”基础就不存在，也许剩下的只有“一体”，或许就是把两种检测装置集成到一个盒子里，随环境变化进行检测方式切换式互补，如果仅从统计交通流数据的角度来看貌似不难，但到底选择那个数据源？数据源切换条件是什么？如何评价各自数据的置信度？或者干脆完整输出各自原始的数据让用户自行了断？

看清并回答以上这些问题并不需要什么高深技术，只需要最基本基本常识，如果不能精准说明或证明，所谓的融合或一体就仅仅是个热词而已，不管你们信不信，反正我不信。

全息检测

与之类似的热词是“智慧路口”“上帝视角”等等，概括起来是期望对路口各种感知设备的数据做全结构化处理，并利用数据融合实现对路口的全息描绘。

其实想要读懂这个词，只需重新理解一下前面关于“融合感知”基本常识即可。需要额外补充的是，目前全息检测通常使用的是存量的检测设备实现数据增值，其中包括存量的电子警察、卡口等视频资源，通过在路口建设具备庞大算力的边缘计算设备进行视频分析，结构化数据融合。

抛开如此庞大算力计算设备是否能够在路口恶劣条件下稳定可靠运行，只提一点，有条件的业内同行可以对照监控视频与道路真实情况，看看同一地点不同视频传输的时延滞后情况，想象一下在这种时延情况下获得的不同视角的结构化数据怎样实现全息融合处理？如此获得的全息数据是否能满足交通控制之需求？用这种数据实现的所谓上帝视角，恐怕上帝也会怀疑。 

衡量评价某种感知技术，不用管他用了多少智慧智能手段或修辞，只需看最基本检测数据如脉冲、占有率、流量的精度与实时性，敢不敢和最廉价的线圈检测器PK，能不能保障基本的感应控制可靠运行？

如果这些基本能力与精度都完不成且达不到，所谓全息与智慧不过是一种幻觉？皮之不存毛将焉附？

边缘计算

智能化离不开算力支撑这是一个基本共识，交通控制也不例外。但是算力首先要稳定、适用、可靠，目前大量前置到路口边缘侧的算力是以非工业级的GPU为代表的计算平台，这种高能耗、高环境需求的设施很难适应路口恶劣的工作环境，动辄几万到十数万的高算力设施到底计算了什么？“几十TOPS算力、数T数据存储、百瓦以上功耗”这种设备真的适合在路口运行吗？

 智慧斑马线

这已经是一个已经无力吐槽的热词，所谓的智慧斑马线大概就是信号灯地埋、行人闯红灯拍照、大屏曝光、语音提示等声光电手段，冠以“智慧”实在无奈。

其实衡量一种行人过街设施是否有效，只需要回答几个常识性问题：行人过街距离缩短了吗？行人等待时间减少了吗？行人通过时间与清空时间降低了吗？行人与机动车人冲突点减少了吗？机动车驾驶人的驾驶负担降低了吗？如果这些问题都没有得到解决，又怎么说智慧呢？大量的投资值得吗？

智慧合杆

智慧合杆的美好愿景是把各种城市设施合并到一个杆具上，实现兼顾城市景观、减少投资、降低能耗、提供综合服务的目标。但现实的情况是不同业务场景对设施的位置、高度都有不同的要求，很多要求间有无法调和的矛盾。

尤其是交通标志、交通信号对视距、视区均有严格要求，城市街道照明与交通信号灯、道路交通标志位置间大多情况无法统一，若遇有异形非标准路口问题更加突出。

一些项目中盲目追求合杆处理，会对交通信号、交通标志的视距、视域造成影响，并带来严重安全隐患。是否合杆、如何合杆同样需要回答几个常识问题：是否影响视距?是否影响关键设施位置？是否带来驾驶任务过载？

另一方面，交通控制、交通监控等系统对网络安全、供电保障、设施可靠性均有较高的网络安全防护等级要求，很难与照明、城管等其他系统共网运行，结果往往是合杆成为一张皮，骨子里还是自成系统，由此会造成系统运维更大的负担。

数字孪生

数字孪生的概念与理论需要很长的篇幅才能说清楚，只有一点基本能常识需要说阐明：孪生体之间既要心灵相通，又要能互相影响，绝不是一方对另一方的简单模仿。

建立孪生系统目的在于通过建立数字世界与物理世界的联系，实现两个系统的互动与互操作，前提是有足够完善的感知数据、方法、理论作为支撑，就目前而言，交通领域很多“孪生”仅仅做了一点数字化呈现，采用的方法也大多是微观仿真软件进行交通检测数据准实时模拟，距离迭代优化、虚实互动还有很遥远的距离，甚至根本称不上是“孪生”。

绿波

这是个交通控制领域里最“古老”的词汇，本意通过多路口信号协同实现单向或双向车队以设计速度连续通过多个路口，实现俗称“一路绿灯”的控制效果。

绿波控制的效益在于降低主要交通流的行程时间与减少控制延误时间，但必须清醒认识到绿波的适用条件与副作用，某些条件下绿波是以损失某些路口通行能力为代价的；而当近饱和与饱和交通情况下，路口信号控制目标是否还应该以降低延误为控制目标？绿波控制的适用性值得商榷。

认清这个并不需要什么高深的理论分析，只需知道“速度-流率-密度”关系这些最基本的交通流知识，或观察一下车队连续通过多个路口后队形变化现象即可，常识而已。

因此，看到很多城市把交通治堵的期望与赌注全部都押注到信号“绿波”上，甚至以建设多少条绿波道路作为治理交通的工作任务，就大错特错了。 

写在最后

最后娱乐性概括一下，这些热词大概有几种套路：

比喻法：不强调技术严谨性，借用拟人化形象表达，让人一眼看去似乎包罗万象无所不能，勾起受众无限遐想，但冷静下来却不知所云。代表性的热词是“大脑”“小脑”“孪生”等等。

加持法：选择时下最新热词做背书加持，人工智能火热就“AI+”，互联网热门就“互联网+”， 还有“边缘计算+”、“区块链+”等等不一而足，待到加持光环散去，树倒了猢狲一哄而散，无人再提。

造梦法：直接投喂行业与社会的饥渴期待，制造终极解决方案的幻象，“全息”、“融合”、“孪生”、“上帝视角”等等莫不如此，全然不顾背后基本逻辑是否成立，基本方法是否可行。

再造法：一些原本有共识的技术手段与方法，被一知半解者无限曲解、转义、夸大，全然不顾原本内涵与限制条件，旧词新解摇身一变，成为无所不能的法宝、奉为圭臬，“自适应”、“绿波”等等都成了变了味道的热词。

看遍整个展会，那些以炫酷视觉、宏大BGM为基底，在浑厚男中音解说词中喷薄而出的一个个热词，除了短暂感官刺激，似乎什么也没剩下，我一直认为，如果丧失了基本常识与逻辑的思考，一味沉迷于视觉与概念的传播，创新将无从谈起。

*文章未经本站授权，不得转载。

作者简介：张福生，北方工业大学城市道路交通智能控制技术北京市重点实验室研究员