打造高性价比的智慧交通场景应用才是重点

编者按：中国智能交通发展已经二十多年，产业界和学界普遍认为我国智能交通行业的发展尚处于“及格线”水平。智能交通行业发展至今，用户（出行者、管理者、运营者、决策者等）的感受如何？面向用户提供的智能交通服务与管理效果如何？用户如何看待智能交通发展中的新技术、新模式？

近期，赛文交通网策划推出系列专题报道《来自用户的声音》，针对行业关注的热点问题，调研采访多个领域的用户代表。本文是《来自用户的声音》系列报道之“数据融合”篇。

数据是城市交通科技管理手段的基础，大数据、多元感知数据融合等概念被广泛提及应用，但一切真如想象中那般美好吗？

一位具有行业丰富实战经验的企业部门负责人道破了多源感知数据融合应用的现状，提出“目前，在感知手段很多的情况下，其实只有多源数据的汇聚，并没有融合起来能真正适应全场景，对于各类感知技术的特点和它能适应的场景等如何融合起来进行全面、及时、准确的全场景感知，是非常值得研究的一个方向。”

为探索数据融合应用的实际效果，赛文交通网调研了部分城市交警用户。

1、数据融合的三大场景

从20世纪60年代，感应线圈被用作为车辆检测器，到后来地磁、雷达、视频技术的发展，再到2020年雷视一体机成为先进检测技术的发展趋势，国内交通感知技术在快速迭代发展。

但是，由于单一的检测技术存在各自的优劣势，采集数据容易出现不连贯、不持续的状况，数据精准度下降，由此出现了数据融合应用。

目前来看，主流的数据融合应用主要包括互联网数据与固定点数据融合、浮动车数据与固定点数据融合以及雷视融合。

例如贵阳市公安交管部门将互联网地图数据和交管数据融合互补，形成全域全时全量的道路交通运行状态感知能力，对拥堵时空规律、拥堵关联规律、车流空间溯源等进行精准认知，指导交警路面高效执勤、智慧化系统应用、交通工程实施等缓堵手段的落地。

以及有济南融合浮动车数据、地磁、雷视一体机，应用于信号交通数据的统计、分析、自适应落地、效果评价。

还有以北京、烟台、海口为代表的城市选择以雷达+视频为主的多源感知数据互补的模式迎合智慧交通应用的发展需求。

早些年的互联网数据与固定点数据的“融合”， 将一方数据作为另一方数据的补足或替代品，仅实现了1+1=1的效果。当前的“雷视融合”到底是“配合”，是以雷达检测的数据作为视频检测盲区数据的补足，还是真的可以 “融合”起来实现1+1＞2的效果，实际上仍然存在争议。

什么才是真正的数据融合？也就是综合不同数据源的数据，提取统一的信息，形成一个目标结果。充分利用不同时间和空间的多传感器信息资源，采用计算机技术与相关融合方法，对多源的交通信息进行多方面、多层次的处理的过程，以便获得准确的交通信息，并将其应用于交通管理的决策支持。例如，浮动车数据由于渗透率不高的劣势，需要靠固定点数据融合，形成一个连续的流量数据。雷达和视频，利用各自优势，形成一个参数更丰富的流量数据，实现1+1＞2的效果。

2、数据融合的应用现状

赛文交通网获悉，由于互联网与公安交管部门网络无法直通的原因，目前多数城市的互联网数据与固定点采集数据的融合更多是互相配合、补足，互联网数据一般是单进不出。某城市更是由于网络安全原因关停了互联网平台，也就不存在融合。

目前被广泛讨论的主要是雷视融合，近两年，采购安装雷视一体机的城市不少，但是真正应用起来的地方并不多。

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。

烟台市公安局交通警察支队科技科副科长孙振兴表示，通过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。

但是也存在不足之处，例如在实际场景下会发现多目标或者少目标的情况出现，同时经常发现实际不存在的目标在融合后数据中移动的现象。在项目实际应用过程中，应避免这种误导数据。

海口主要使用了华为全息路口2.0、海康雷视一体机和大华雷视一体设备。海口交警支队科技科科长陈冬表示，雷达和视频融合检测存在明显优势，通过对数据的深度分析与应用，产出一些如饱和指数、空放指数、事件统计分布状态、失衡指数、盲区预警、停车延误、秒级预警、渠化特征分析等新数据。

但目前雷视融合检测仍存在一些问题：一是雷达视频检测数据可以替代道路上的检测器，但无法替代互联网浮动车数据，两个数据应该更好的融合，实现“1+1>2“的效果；二是与现有设备融合问题，现有路口已配置了很多检测设备，如何利用雷达视频融合检测技术尽可能利旧，实现低成本的设备升级；三是设备本身的问题，融合后数据准确性有待提高、成本还需进一步降低、安装调试复杂造成后期运行维护复杂。

雷视融合与信号机之间的配合同样也是影响其发展的一项原因，邳州市公安局交警大队廖畅副大队长表示，雷视融合采集的数据很多，包括速度、排队长度、车间距等等，但是和信号机匹配的时候，部分信号机仅采用其中一两项数据，从设备的融合角度来看，还可以考虑更多数据的融合，为信号配时提供数据支撑。

3、数据融合的难点

那么，数据融合到底难在哪里？

以互联网数据和固定点采集数据融合场景为例，孙振兴认为，主要有三点：首先，一般固定点采集的数据都在视频专网或者是公安网，与互联网数据存在互通障碍或者明显的时延。

其次，互联网数据提供给交管部门，交管部门也需要测试进行匹配，但是这种算法目前在国内算是一个小众的算法，从甲方的角度考虑，并不容易推动。

交管部门的数据由于专网问题、数据隐私问题也不容易提供给互联网进行融合，另外单个城市的数据提供给互联网意义不是特别大，互联网企业还要考虑计算的问题，可能使用成本比较大，但是效果提升性不是很大。

第三，如果与互联网公司合作，从流量采集的初衷就应该考虑互联网公司缺什么样的数据，让互联网公司来设计应该采集什么样的数据，以它的数据进行互补，这样才能进行更好的合作。

目前互联网数据和固定点采集数据的融合大部分是依靠人工来实现，通过算法来自动实现融合的方式还没有实现。

陈冬则主要从空间、时间和数据标准三方面解释了数据融合的难题。

第一个就是空间上的统一，比如说互联网数据是一个一个link的数据，但是交警自有检测器的数据都是一个断面或者区域的数据，怎么把这两种数据做融合，是现在的一个难点；

第二个是时间上的融合。在不同的时间段，例如高峰期跟平峰期，对时间颗粒度的要求不一致的，到底应该采用什么样的时间颗粒度才比较符合我们实际应用中的需要，并能把数据融合在一起，是另一个难点；

第三个就是数据标准上的问题，由于以往在对路网路段划分和标准代码编制时出现了差错，导致现在大数据环境下的数据融合，由于标准不同，在实际应用分析上也带来了不小的麻烦。

4、结语

真正的融合，不仅是数据的融合，还有理念的融合，理念融合里面还有理论的融合，包括数据挖掘、人工智能跟一系列的交通理念，交通需求预测的理论，交通流理论，交通系统均衡理念，交通系统预测理论等的结合，才是交通多元数据融合的基础。

正如武汉交警黄传明所说，数据真正的融合技术不是关键，要解决广义的数据融合还需要经历一个长期的过程。未来，要实现数据融合，但难点不在于技术，而在于各个行业之间壁垒的消除、数据的开放和不同行业的数据规范的统一。

对于当下，孙振兴认为，数据融合后产生的信息该如何科学应用、合理落地，打造高性价比的智慧交通场景应用才是重点应该解决的问题。