交警用户的实际应用体验及经验总结

编者按：面对城市快速发展带来的持续上涨的交通压力，传统模式和方法下的交通管理已无法适应日益增长的多样化出行需求，烟台市学习先进经验，与主流厂家进行技术交流，建设成 “一个中心、一个平台、四大体系及二十个子系统”的智慧交通应用系统，为烟台市公安交通管理工作和城市服务提供了系统保障。

烟台市公安局交通警察支队科技科副科长孙振兴，在赛文交通网组织的“交通感知新阶段”在线研讨会上，从交通感知系统概况和多元感知数据融合应用测试效果方面，对烟台市在智能交通系统建设中的经验成果进行了介绍和分享，并对多源感知数据在未来交通管理中的应用进行了探讨。

烟台位于山东半岛东部，濒临黄海、渤海，辖5区、6个县级市和6个国家级园区。陆域面积1.39万平方公里，海域面积2.6万平方公里，海岸线海岛曲长1038公里，全市常住人口710.2万人，公路通车里程1.98万公里、机动车218万辆、驾驶员260万人。

烟台是典型的滨海带状的组团式结构城市，东西狭长，多山体阻隔，各区融合产生了持续上涨的交通需求压力，高峰通勤时间交通拥堵问题愈发突出，需通过多方面、多维度提升烟台市城市交通运行效率，努力提高城市交通管理中主动化、信息化、智能化的程度和水平。

烟台市自2003年开始建设智能交通系统，累积历次智能交通系统建设的成果，以交通组织优化为基础、业务工作为核心、运行模式为保障、信息化体系为支撑，2017年，建设而成的“一个中心、一个平台、四大体系及二十个子系统”的智慧交通应用系统，即一个云计算中心，一个智慧交通云平台，智慧预警体系、运行监测体系、合成作战体系、管理考核体系四大体系，为烟台市公安交通管理工作和城市服务提供了系统保障。

目前，烟台市区已建设智能交通设备包括信号控制1079处，视频监控1810处，电子卡口290处，电子警察597处，交通诱导72处，专用电警26处，断面微波检测器49处，线圈和地磁2100余个。

道路交通状态的实时感知和检测判别是智能交通的基础和关键环节。交通信息采集手段从地磁、线圈、微波检测为主，扩展到如今的视频和雷达与互联网数据相结合的方式，实现了对范围内每一辆车的跟踪检测，并提供多元的交通信息。

根据检测方式、检测数据、检测精度等参数对交通检测手段进行了总结，如下图所示。

2012年到2017年间，线圈检测器在烟台得到了广泛应用，主要安装于灯控路口，用于辅助信号控制系统。在当时，这种设备相对其他设备价格较低，检测精度和稳定性也比较好，但它的缺点在后期的应用过程中越来越明显，例如对路面造成不可逆损伤、检测数据的单一、维护成本逐年增加等等。地磁检测器在实际运营过程中也有很多限制，例如检测信息不全，检测范围局限，检测精度持续下降，无法判断交通状态等，导致信号优化方案不稳定。

断面微波检测安装于路段，用于检测断面流量、速度和占有率等数据，辅助路段运行检测及诱导发布。相比于线圈检测器，微波检测的单设备检测范围广，不受路面维修影响，但价格较贵，维修周期长且成本高。基于视频雷达的检测手段所见即所得，可通过路口已建的电警卡口和视频监控设备，根据视频分析及特征识别采集交通信息，跟踪检测范围的每一辆车，记录多元交通信息。

从长远来看，线圈、地磁、断面微波这些感知技术不适合烟台这种多坡多冰雪路况的交通数据采集，而视频和雷达感知技术具有感知面广、准确度高、数据多样、运行稳定等特点，更符合未来的智慧交通发展的趋势。

当前的流量感知数据主要应用于交通信号的配时优化，基于线圈、地磁、电警、卡口及互联网路况信息，信号营运人员持续对市区重要路口和路段的交通信号进行动态优化。目前烟台实现了29条道路的平低峰绿波通行，在部分路段试点感应式绿波控制，通行效能得到了大幅提升；视频和雷达的检测主要应用于卡口电子警察系统，实现稽查布控和违法识别，可有效采集交通个体的详细数据，在实战应用中效果比较明显。在未来的设计中我们将加密布设点位，完善采集数据的质量，同时要增强后台的算力，提升识别能力，挖掘数据潜能。

烟台智慧交通在感知系统的应用有两个创新点：

第一，行人过街控制。针对机动车与行人、非机动车通行需求矛盾，烟台从2020年开始，致力于行人及非机动车的检测和管理，做了很多创新探索、尝试。例如在港东迎春路口，利用视频分析，对路口行人、非机动车进行实时识别；在滨海路沿线打造“数字观光路”，利用行人按钮感应行人过街请求，在无人过街情况下，使主路长时间无干扰通行。

第二，物联网导航。与高德地图合作，实现了信号灯的实时状态语音播报，提前5秒告知导航用户“红绿灯变换”，让市民提前获悉交通信号灯情况，避免误入斑马线，保障出行安全；与百度地图合作，实现了路口多方向红绿灯灯态信息及倒计时信息的实时推送，为交通出行者提供伴随式信息服务，提升出行体验，还可对热点位置、违法多发、风险隐患的点段进行提前预警。

经过学习先进地市经验和与主流厂家进行技术交流，结合多年的感知技术应用经验积累，我们认为以雷达+视频为主的多源感知数据互补的模式适合智慧交通应用的发展需求，自2020年开始，烟台先后与华为、百度、科达三家公司进行全息路口/智慧路口应用测试。

首先介绍华为全息路口。烟台交警与华为公司合作，选取莱山区迎春大街与观海路和银海路两个路口安装了全息路口设备进行测试，通过全息路网技术，初步实现对道路交通全要素的高精度实时采集，真实还原了行人、非机动车和车辆的行驶轨迹，有效解决了传统智能交通各子系统数据融合不足，互联网导航数据精细度不足的问题。

在测试阶段，主要实现了三个应用场景：一是赋能事故快处快赔，通过AI算法对行驶轨迹进行精准判断，做到对事故的自动识别预警，减少二次事故和拥堵的发生；

二是赋能主动安全，通过边缘计算可及时发现危险驾驶行为，根据行为的严重程度设置警示措施，如驾驶人在路口加速，导致相邻车辆紧急制动，可点对点地生成实时安全运行短信；

三是赋能信号优化，可通过边缘计算解决摄像机雷达与信号机的数据交互问题，从而精准地把交通数据发送给信号机，优化配置方案，有效提升路口的通行效率。具体来讲，路口多个方向的感知设备进行原始数据的输出；边缘计算单元对输出的原始数据进行接入、存储、拟合和转发，获取多源数据；中心负责通过对多元数据的收取，实现精准的轨迹数据还原，再通过对轨迹数据的分析，进行交通事件检测和交通事故报警，结合精准的流量数据，配合智慧灯控后台系统实现信号控制的优化。

这样的全息路口完成了对雷达数据和视频数据的融合，实现了车辆时空数据、过车身份数据、违法抓拍数据，按车道流量数据、信号灯态数据等多源数据相互关联，在横向上汇聚和融合多类感知数据，部分业务在边缘侧可自闭环，处理效率得到提升，在纵向上也能对云端进行开放。

第二个介绍的是百度智慧路口。烟台交警与百度公司联合选取了莱山区观海路-银海路以及港城东大街-长宁路两个路口安装了智慧路口设备进行测试，主要实现对路口交通状态的实时监测，涵盖路侧感知+边缘计算以及路侧感知+中心计算等场景，从感知到分析到计算，再到赋能应用，形成了业务闭环，主要包括以下几个应用场景：

视频+雷达+边缘计算，基于数据采集融合实现路口全域检测、全息感知及可视化呈现，支撑指挥决策；

路侧感知+边缘计算，基于车道级的高精度地图，对路口范围内的行人、车辆、信号灯状态等全要素进行实时监测，为信号控制优化，辅助自动驾驶等多场景提供精准识别和感知发现能力；

智慧路口AI引擎及视觉分析技术，实现交通事件检测，对车辆属性、事故拥堵、违法等多要素进行精准识别；

边缘+云端实时视频流，可记录机动车、非机动车、行人等目标的全要素轨迹和状态，实现路口状态分析、规律挖掘、趋势预测；

中心融合计算，基于观海路沿线实时获取的路口数据，实现动态绿波的协调控制，实时呈现绿波效果，同时提供实时的过车效果验证及效果评价统计分析。

第三个介绍的是科达智慧路口。我们选取了芝罘区机场路的三个路口，安装了智慧路口的设备进行测试，从功能侧看，科达的智慧路口着重两方面的应用，一方面是多种视频融合方式的呈现，科达提供了高点视频和地面视频的融合，实现了高点画面上的动态AR标签，可根据选定地图上的动态目标，自动调动周边的球机实施追踪；另一方面强调利用实时车辆位置信息在交通信号控制中产生价值，例如实现了车辆实时位置导入交通仿真做精确的路网运行短时预测，并以此为基础对交通信号方案进行实时优化。

结合三家公司的多源数据融合应用情况来看，华为的全息路口通过采集全量数据强调轨迹热力图在交通安全上的应用；百度倾向于车路协同方向，比较重视与互联网数据的融合应用；科达偏向于可视化和实时信号优化。对烟台市多源数据融合应用的特点进行总结，如下图所示。

第一点，可计算路网的规模部署。将实际路网通过高精度数字地图采集手段转化为数字模型，同时按照交通工程的需求详细标注标志标线、车道属性等交通规则信息，为后续全息感知、交通仿真、虚拟推演等功能建立抽象化数字模型基础。

第二点，交通溯源与OD分析应用。基于车辆轨迹的精确获取，我们可以准确掌握每一辆个体车辆的位置、状态及目的，从宏观、中观、微观三个角度精准分析交通流量流向，为交通参与者提供定制化的出行服务，还可针对两客一危及疫情个体轨迹等重点目标进行全面的监管预警，提高应急事件的处置能力。

第三点，探索面向未来的信号控制方法。现阶段高峰期仍然需要人工干预控制信号灯，本质上还是信号控制算法以及自动化的信息获取手段还无法代替人的智能。目前多源数据融合感知系统基本实现了路网的全面感知和在网车辆运行状态检测，下阶段，必然要考虑这些数据包括互联网数据如何能和信号控制系统产生深度互动，通过更智能的信号控制算法，逐渐减少人工干预，提升效率，减少消耗。

第四点，车路协同场景的应用。随着道路感知设备的增强和功能的完善，利用边缘计算能力，结合车载终端可逐渐向车路协同的方向发展，辅助驾驶、自动驾驶等应用未来可期。在不追求达成完全高级自动驾驶的前提下，近期可部分实现落地的车路协同实用场景，例如拥堵、事故、施工事件提示、行人穿越提示、绿波提示、车内信号灯等应用。

第五点，城市级交通大数据基础。基于多源感知数据融合获取的大数据，具备采样率高，更新频率快，应用范围广，延伸价值大等优势，同时相对于互联网的数据，产权非常清晰，是属于完全由政府主导的公众数据，经过适当脱敏后，可应用于政府不同的部门，可成为今后城市交通大数据的基础，甚至是未来数字城市建设的关键组成部分。

各位专家，以上是我对感知数据在交通管理工作中应用的总结，不当之处请大家批评指正。