“交通仿真是最熟悉的陌生人”。第一次听到这个观点是2017年，出自一位国内专注交通仿真实战应用的企业负责人。

2022年，他对赛文交通网表示这个看法依旧没有太大变化。了解交通仿真概念的人很多，但是真正懂其应用功能和价值的却很少。

据悉，国内大约在1990年左右开始发展交通仿真系统，但几十年的发展，交通仿真领域并没有发生太大的变化，国内自主研发的仿真软件寥寥无几，仍然处于国外仿真软件主导市场阶段。

目前为止，国内交通仿真应用依旧很欠缺，据统计，中国有十几亿人口，相当多的交通从业者，工业仿真软件的用户却仅有不到2000个，但是在美国的3亿人口中，工业仿真软件的用户有1.2万。

关于交通仿真软件的发展，国内前几年有不少开发者，包括高校背景、科研院所以及个人研究者，但是后面逐渐消失了。到目前为止，国内自主研发、已经商业化应用的交通仿真类软件主要有同济大学孙剑教授主持开发的微观交通仿真系统TESS NG和东南大学王炜教授主持开发的宏观交通仿真系统交运之星TranStar。

为何我国自主研发的仿真软件路漫漫？

在孙剑教授看来，首先由于仿真软件是一个工业软件，它需要有交通工程领域知识，还需要懂软件工程知识以及图形学、GIS等跨学科领域知识，甚至需要全新的方法论和思想，技术本身就要求人才具备交叉领域的能力。

其次，交通仿真技术需要长期的积累，不是一两个模型就可以解决问题，仿真软件可能有几百个模型。对于高校来说，长期的仿真研究可能在财务方面没有太大压力，但需要市场的检验和认可，成为成熟的产品才能推动基础和应用研究的持续性，高校的研究属性往往导致软件成为一个验证模型+发表论文的半成品工具；但是对于企业来说，要讲究时效性，更多追求短平快的产品，软件投资周期长，见效慢，导致很难去做好一款交通仿真软件。

不仅在交通仿真领域，在其他行业领域，几乎90%以上的工业基础软件都是国外产品。

中国作为交通大国、交通强国，但微观仿真软件中频繁使用的至少有八款来源于国外。目前商业化最为成功的仿真软件TESS NG是从2006年起步，2015年全新架构，真正实现商业化推广也才从2020年开始。

孙剑教授表示，虽然国内仿真软件开发周期相对较短，有些功能不是非常完善，但其在软件操作使用、驾驶行为模型、可扩展性、价格等方面相比于国外软件均有一定优势，未来是有信心能够打破国外软件主导市场的局面。

国外仿真软件有它的优势，但是也有它的历史包袱，包括传统的仿真理念、数据背景、应用模式以及对于智能网联交通时代的适应性等等。

当前，交通行业处于一个变革的时代，拥有降维思路或换道超车的思路才能够真正打破国外软件主导的局面。这就要求国产仿真软件除了功能和性能上的突破外，更要求从仿真生态体系打造上有新的思路，如果依旧按照国外研发思路模式去思考，永远是追赶别人。

目前，交通市场中关于交通仿真的项目主要有两类：一类是交通仿真系统建设，一类是交通仿真服务。据学塾加总经理沈文超观察，交通仿真系统建设偶有单独预算，大多整合在大的集成建设项目中。而交通仿真服务项目较少，基本没有单独的预算进行招标，主要整合在交通咨询项目或交通信号优化项目中。

市场化项目少，也侧面说明了仿真市场仍未得到行业充分的认可。

除了交通仿真自身传统的定位是辅助工具、是方案的评价工具，会被嵌入到交通工程项目里面之外，还有一点重要的原因是行业对交通仿真存在很多误解。

实际应用中，不少地方用户认为购买一套软件或开发一套仿真软件就实现了交通仿真，但事实上交通仿真是一项服务，应该需要团队来将交通仿真应用做好，搭建模型。在应对不同的场景的时候，其实它还需要很专业化的操作和使用，才能达到用仿真去验证、预判它的效果，而不是仅仅购买软硬件就能实现它的价值。咨询服务同样重要。

此外，交通仿真的内涵也存在被滥用的现象。孙剑教授表示，交通仿真本身是一个高大上的词，很多交通行业人在推荐项目的时候往往会提到仿真的作用或者是应用了仿真技术，但事实上，真正用的仿真技术并不多，有些可能是一些数值计算也被认为是仿真。

近几年，仿真技术更多展现的是可视化技术，在某种程度上其实也使交通仿真“被妖魔化”，导致对用户的辅助决策变少，形成了一个恶性循环。如果仅仅只是可视化的内容，用户对仿真的价值认可度就变低，使用交通仿真的热情也会减少，甚至消失或造成负面印象。

交通仿真领域缺失国家完整的标准规范的问题同样亟需改善，什么时候需要交通仿真，什么样的规划设计方案、管理控制方案需要用交通仿真等都没有规范标准或是指南，因此就会导致交通仿真的应用完全凭靠用户自主对交通仿真价值的认可度来选择。

在实际应用中，哪些用户或场景需要交通仿真呢？

孙剑教授认为，交通仿真的应用场景广泛，并且在我国呈现显著增长趋势，同时交通行业用户对仿真的应用着力点其实有很大的差异。

传统上，主要是规划设计院使用，在规划设计方案，管理控制方法以及政策评估方面会用到仿真。   

第二，主要是智能交通企业，无论是城市智能交通企业或是智慧高速相关企业，他们更关注运行管控或运行管理方面的方案，包括解决现实问题，其终端用户一般为交警或高速公路等相关管理单位。

第三，高校或研究机构，一般会利用仿真进行相关交通专业知识的辅助教学以及新的模型算法测试验证等。

第四，在面向未来的新技术，因为无法去实地进行试验，可能会利用仿真进行预评估或研究。

实际上，孙剑教授所带领的团队近几年更多的是将仿真应用在跨交通领域。例如自动驾驶领域，自动驾驶领域明确要有三种测试：公开道路测试、封闭场地测试和虚拟仿真测试。孙剑教授表示，自动驾驶领域对仿真的需求是刚需，有相对完善的标准规范体系，用户对仿真的认识和使用也比较专业。

从交通仿真的长期发展来看，应用层面，孙剑教授是希望仿真的定位会从软件工具到成为一种仿真服务，最后是成为一种解决方案，用仿真产生交通治理方案或规划设计方案等等。通过仿真帮助用户解决问题，成为用户每天用到的平台，从熟悉的陌生人到成为亲密无间的朋友。

从仿真应用的角度来看，除了面向方案评估的离线版TESS NG仿真之外，按照仿真即服务的理念（Simulation as a Service），TESS NG在线版是适应交通数字孪生需求开发，可以实现数据、仿真和管控方案的互联互通以及在线的决策支持；TESS NG Cloud云化版是为适应城市级超大规模实时仿真研发，数据、地图、计算、仿真、可视化都可以无缝衔接，自动化生成仿真场景以及方案推演与评价看板，用户关注于业务本身即可，也可采取订阅式服务。

按照仿真即解决方案的理念（Simulation as a Soluation），孙剑教授团队正在研发仿真解决方案版TESS NG Plus，在在线版与云化版基础上，利用仿真优化技术，直接生成管控策略等各种解决方案，并可嵌入各种端边云计算设备。

另外，传统仿真分析的基因是面向交通效率评价（如主要指标是行程时间、排队长度、延误等），其团队还致力于深度微观交通仿真基础理论研究，希望从底层核心模型上探究更高可信度的仿真建模方法论，从理论上提升仿真可信度，支撑交通仿真具备交通效率、安全、环保等多目标精准评价能力。

谈到交通仿真与数字孪生的关系，孙剑教授认为数字孪生本质上是利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真模型，在虚拟空间中完成映射，从而反映相对应的现实世界的全生命周期过程。交通仿真毋庸置疑，是交通数字孪生的核心支撑技术。

交通数字孪生从发展上可以分为四个层级：能看、能用、能管、能优化。

目前，更多处于第一个层级，能看。利用雷视一体或视频数据识别车辆轨迹然后进行回放，解决的技术点除了轨迹感知之外，可能由于覆盖范围有限会进行一些轨迹推算，看得更全，但仍然是处于看的级别。

但是交通领域很多问题能看到不一定能解决，所以第二个层级要能看又能用。就是根据这些数据，通过算法模型能分析出一些问题，包括效率问题、安全问题，甚至是排放问题等。

第三个层级就是能管，发现问题之后能对可能的解决方案进行预推演，这里面缺少仿真技术支撑是不可能实现的，通过仿真才能做科学准确的方案预推演，支持在线决策。

第四层级是能优化，不需要用户去干预，从采集数据轨迹数据到分析问题，到提出问题解决方案，对各种可能的方案进行组合，然后进行仿真优化，整个过程完全实现闭环。

虽然不一定每个地方都要求做到第四个级别，但终极目的是希望能实现实时优化。济达交通在北京冬奥的交通数字孪生系统就属于第三层级。依托高精度地图及动态监测数据，构建了国家体育场周围超10平方公里的仿真模型，实时显示并推演预测路网的运行状态；同时模拟推演不同时段延时散场策略对交通状态的影响等，为场馆周边的出行路径推荐，交通管理提供更加精准的决策依据，有效提升了鸟巢在冬奥重大活动期间的交通保障能力。

近年来，随着数字孪生、元宇宙的概念兴起，交通仿真被提及的越来越多，一些科技企业也开始瞄准了这个领域，抢占赛道。

资本事件最能够反映市场发展的风向。截至目前，2022年济达交通已获得了两轮融资。2022年1月，济达交通获阿里巴巴独家战略投资，双方将在城市交通领域开展深度合作，并联合研发TESS NG的云化升级版本TESS NG Cloud。

在阿里巴巴投资济达交通的近三个月后，4月1日，万集科技发布公告称，拟以自有资金向济达交通增资1636万元。万集科技表示，基于公司智能网联业务发展，为进一步增强交通智慧化的全息感知及解决方案能力，拟与济达交通签订投资协议。

在孙剑教授看来，资本投资，首先可能会对交通行业纯技术驱动的公司带来一种激励，就是专注做一项交通技术，一定会得到行业的青睐。

其次，从他们对交通仿真领域的投资来看，反映了科技企业对技术的需求和重视，也有利于启发行业开始回归到技术本身，让真正的技术发挥作用，而不是炒概念。

赛文交通网获悉，华为在交通仿真方面也已经有所布局。这一场景不禁让人想起2017年互联网公司齐头并进以信号优化为切入点进军智能交通市场。交通仿真领域会是下一个投资风口吗？互联网大厂的关注是否会给交通仿真领域的发展增添一把薪火？

无论最终结果如何，就现在来看，资本市场对交通仿真领域的持续关注，都会给这个领域的发展带来一丝曙光。