未来，高精度定位可能实现精准轨迹感知

轨迹，是动点在空间的位置随时间连续变化而形成的曲线，是符合某一条件的所有的点的集合，它记录了物体的时空活动。目前已知的各类交通平台，广义的讲是在交通参与者时空活动轨迹的基础上，构建应用分析系统，用于分析其空间活动、空间关系、空间网络和组织等问题。

以公安交管为例，它主要关注交通安全和交通秩序问题，车辆的不安全状态和人的不安全交通行为，一旦在时间和空间上形成轨迹的交叉，极易产生交通安全问题（违法和事故）；交通参与者出行轨迹一旦在时间和空间上形成聚集，极易造成交通秩序问题（交通拥堵）。

在城市道路交通运行系统中，所有个体空间活动形成的出行轨迹，通过单个断面或者多个关联断面的数据融合，可用于分析路口、路段、甚至城市路网的交通规律和交通行为，由此整个城市可以基于轨迹数据的分析研判进行交通管控，解决城市存在的交通问题。

连续轨迹数据的优势在于，除了探寻出行总量上的平均变化规律外，更重要的是能够分析所有个体出行累积所形成的空间聚集和出行演变的过程，但是基于目前的前端感知系统的布设密度而言，很难获取车辆完备的时空位置信息链，中间会出现很多缺失数据的情况，难以支撑一些具象化的分析应用。

本文主要回答以下几个问题：

1）轨迹数据的分类

2）轨迹数据在不同交通场景下的应用浅谈

3）高精度定位轨迹可能是未来

不同技术手段得到的轨迹数据，在颗粒度和准确度都有所区别。轨迹主要有以下几种：

传统城市智能交通，主要以定点和断面感知数据为主，大多是时段统计数据；轨迹数据将由集计状态转变为关注每个个体状态，交通信息相对更加具体丰富，以下是我对轨迹数据面向部分不同交通场景应用的一些浅见：

2.1 信号控制

目前的交通信号控制，对于单点而言，主要以时间统计的交通需求为依据，设计与之的匹配信号方案，方案多是基于已到达车辆事后做的调整，存在控制滞后性。对于线控而言，各厂家也基于流量或卡口数据碰撞轨迹，来寻求出行关键路径，但是由于部分断面数据缺失，很难找到交通流关键路径做到精准线控。

车辆轨迹数据在信号控制的应用，目前可能有以下几点：

1）单点信号优化。

行业内也有厂家，利用浮动车的轨迹数据，做单路口信号优化控制，但存在样本量低、部分路口交通规律不明显等等原因，致使优化的效果差强人意；

另外，利用雷达感知路口全量的车辆轨迹，由此计算得到的各类交通指标比较准确，但是缺少信号控制算法有效支撑，数据没有最大化利用，信号控制方案的计算还是以集计数据作为算法的主要输入，而雷达的各类交通指标数据更多应用于路口运行和控制效果的评价。

2）车辆优先控制。

基于UWB高精度定位或者车载高精度定位终端，来识别一些特殊车辆轨迹，从而实现车辆优先控制，比如公交车、消防车、救护车等。

3）绿波效果评价。

利用浮动车GPS轨迹数据，来做绿波效果的运行评价。浮动车的轨迹能够表征车辆在经过干线各个路口的停车/通过的状态，且轨迹能覆盖绿前/绿中/绿后,相较于卡口/电警数据计算的通过率、行程时间和速度等指标，绿波效果会更加直观。

在未来，可能会有全量的实时车辆轨迹数据，从理论上讲，这样的数据很容易得到交通流的关键路径、路径流量，因此控制对象会更加精准、方案也会更加精细，但需要建立基于轨迹的信控优化模型和行业内形成广泛共识的、比较完善的评价指标体系。

当然，交通信号控制不单是以局部最优为目标，更需要的是全局的最优、全局均衡，有疏有抑。交通信控不只是一门技术，更是一门艺术。

2.2 交通状态

在城市路网中，由于信号控制交叉口的存在，使得单纯靠断面的检测的交通数据，很难判定路口和路段的交通拥堵，轨迹数据在判断道路交通状态方面，主要有体现以下几个方面：

1）浮动车轨迹，属于连续的车辆轨迹数据，可以计算得到停车次数、延误、排队时间、平均速度等各类交通指标数据，再结合交管断面数据和信控数据，融合判断，可以得到比较准确交通拥堵状态。

2）手机信令，可以作为传统检测手段的数据补充，判断交通拥堵。基于采集检测区域的手机信令数据，通过样本过滤、噪声处理、地图匹配、建模统计、速度计算等处理，得到的数据最终与交管断面检测数据、浮动车数据融合处理，生成实时交通状态。

手机信令采集成本相对较低，但它是基于基站聚合形成的区域，在距离和时间上有一定误差。

3）利用重构的全量车辆轨迹，可以清晰知道车辆的路径和判断拥堵源头，从而为精准诱导和治堵提供数据依据。

2.3 交通安全

轨迹数据在交通安全方面，主要有以下应用：

1）基于交叉口雷达轨迹数据，可以对安全事件的监测和分析，主要事件包括冲突点、异常停车、违规变道、逆向行车、不按车道行驶等，通过对事件聚合分析，寻找路口安全隐患点，为路口的秩序管理提供数据支撑。

2）在车路协同领域中，利用雷达设备，对交叉口和路段的交通参与者的轨迹跟踪，从而感知弱势交通参与者和分析高风险驾驶行为，提供交通安全场景的预警信息。比如，弱势交通参与者预警、交叉路口碰撞预警、盲区预警、逆向超车碰撞预警等。

3）在缉查布控方面，利用大数据技术，基于车辆历史轨迹分析，预测高危车辆出行的实时路径，以便现场警员实时拦截布控，提升抓捕效率。

4）运输车辆轨迹数据。按照国家关于《道路运输车辆动态监督管理办法》要求，所称道路运输车辆，必须安装符合标准卫星定位装置，并接入全国道路货运车辆公共监管与服务平台和国家重点车辆管理平台，实现车辆的定位、车速、运行轨迹等有效监管。

2.4 交通规划

基于信令数据、高精度定位数据，利用时空信息分析的方法，为规划提供数据支撑，主要有以下应用场景：

1）交通出行调查：人员出行调查、公交客流调查、出行特征分析、交通枢纽客流监测与分析；

2）交通规划：现状交通运行评价、交通需求预测；

3）国土空间规划：综合交通专项、职住关系分析、人口、功能分析；

4）城市体验：常驻人口通勤分析、通勤距离分析、绿色交通出行分担率；

5）其他：出行特征、来源追溯、客户挖掘、公交线网优化等。

三、高精度定位轨迹可能是未来

目前地面路侧，建设有大量的可见光视频像机、激光毫米波雷达等前端交通感知设备，目的是感知交通参与者的基本特征和交通行为。

有没有想过从上帝视角，就像“星链”提供从天对地提供网络一样，在未来，不依赖于路侧，而是主要利用北斗卫星发射的电磁波感知地面交通参与者和一切静态物体，感知他们的精准位置轨迹和基本特征。

在写文章思考时，我有种预感：在未来，基于北斗高精度定位和运营商的无线通信能力，有可能实现对全量的交通参与者和各类静态交通设施，在通过高速网络连接的同时，感知交通参与者精准轨迹，感知静态交通设施精准位置。

这种感知方式有很多优势，比如：

1）能够在统一时间和空间坐标系下，全时域、低时延、低成本，做到万物互联、精准轨迹和精准定位；

2）可以按照一定规则，针对不同个体，写入唯一身份信息，规避视频图像的识别误差。

支持这种想法有以下理由：

1）中国移动互联网用户基数大，使获取全量交通参与者的高精定位轨迹成为可能

在未来几年内，高精度定位可能会成为基本公共服务，而移动终端具备差分解算能力应该是标配，通信运营商只要将高精度定位服务集成到手机SIM卡和物联网卡中，用户便能享受到高精度定位的服务，同时，运营商也就感知到几乎全量的交通参与者的高精定位轨迹数据。

2）基本技术已经实现，只是在交通领域没有规模化应用

像中国移动，目前已建成全球规模最大的高精度定位基站网，通过和北斗卫星信息协同，能够实现对地面物体动态厘米级和静态毫米级定位，同时终端定位输出频率最高可达100Hz、高精度授时优于20ns，另有5G网络通信，可实现上面提到的，在统一时空下的万物互联和高定位。

目前，高精度定位服务主要应用在测量测绘、精准农业、可穿戴终端、智能驾驶等场景，在交通领域，暂时没有展开深入规模化应用。

3）应用场景丰富，可以覆盖所有已知交通场景

近些年，高精地图有广泛应用的趋势，若将全量交通参与者高精度轨迹、交通设施高精度定位和高精地图结合，它们所产生的化学反应能量是巨大的，做到真正意义的数字孪生，能够覆盖现在已知的所有交通场景应用：

∎ 全过程车辆监管

∎ 高精准交通信控

∎ 全样化违法监测

∎ 交通状态研判

∎ 事故分析预防

∎ 车辆协同

∎ 高速收费（在未来ETC可能会被取代）

∎ 拥堵收费等

和传统的感知手段相比，“5G+高精定位+高精地图”会更加精准可靠。另外，还能结合运营商的靶向短信功能，实现交通信息精准推送。

4）降低路侧感知的建设密度，减少政府财政支出

全国各大城市约有35万个灯控路口，高速16万公里，要做到路侧感知全面覆盖，投入巨大。只要能够对交通参与者的精准轨迹全量监测，就可以降低路侧感知的建设密度，届时只需要在关键节位建设视频类感知像机，用作数据补充和印证即可。

5）通过数据孵化，全量化的定位轨迹数据价值巨大

在未来，交通参与者和交通基础设施的全量的动静态高精定位数据，能够构建整个中国城市的数字交通，除了赋能城市交通的运行和发展外，通过构建数据孵化器，还能够赋能物流、金融、保险等更多行业，真正最大化数据价值。

当然，这样规模化的高精度定位轨迹数据，可能会触及到公民个人隐私和投资大的问题，需要从国家层面推动，但这样的发展能够使得万物互联、数字中国更近进一步。

作者：张其强   中国移动上海产业研究院