在互联网大数据的冲击下，以监控、电子警察等为基础的智能交通发展如火如荼；如何借助互联网大数据进一步提升信号优化配时水平，是现阶段亟待推进的问题。

一直以来，交通信号配时工作都是交通管理的核心，并且具有较强的专业性。在互联网大数据的冲击下，以监控、电子警察等为基础的智能交通发展如火如荼；如何借助互联网大数据进一步提升信号优化配时水平，是现阶段亟待推进的问题。

一、信号配时工作的难点

2017年，武汉市122警情服务中心全年共接到涉灯投诉报警6008起，其中投诉信号灯配时不合理的有1432起，占总报警量的23.83%，仅次于设备故障类报警。

笔者在分析这些报警投诉的过程中发现，不同的交通参与者对同一路口的信号配时往往会提出截然相反的意见——行人认为过街时间过短，司机认为等待时间过长，究其原因，很大程度上是本位思想作祟。

然而，现行的信号灯相关国家标准、行业标准虽然对灯具的规格性能、设置方式以及信号机的结构性能、控制功能等都有详细的要求，但是对信号配时却没有提出具体的指导意见，仅表示“绿信号、红信号持续时间应根据路口实际情况设置”。

由于缺乏可靠的依据来自证合理性，交管部门在应对相关投诉时往往底气不足，只能凭借经验反复尝试优化配时，不仅花费了大量的时间和精力，也无法保证优化效果能够令所有交通参与者都满意。

二、传统信号配时模式及存在的问题

传统的交通信号配时，要么依靠从业经验丰富的交警来确定配时时长，要么依靠路面车辆检测器如线圈、地磁、视频等方式实时监测采集车流量数据，由信号机通过内部算法自动调整配时时长。

由于交管部门自身并不具备信号机的研发和生产能力，现有的智能化信号机全部依靠政府采购：国内应用较为普遍的，主要有第一代由国外引进的以西门子、泰科等为代表的进口信号机，以及第二代崛起的以海信等为代表的国产信号机。

而作为信号配时核心的算法，也就是信号机所使用的控制系统，不同品牌的信号机不尽相同，算法是否科学，配时是否合理，交管部门无法掌握，更无从考证。

常用的信号控制方式有以下几种：

（一）多时段定周期控制

多时段定周期控制，是根据路口的历史交通数据将一天24小时分成不同的时间段，为不同的时间段设置相应的信号配时方案。

这种控制方式主要适用于交通流变化较为规律的路口，其优点在于交警可以清楚掌握路口配时情况，且成本较低（可不安装车辆检测器）；缺点是灵活性不够，无法应对交通异常状况。

（二）单点自适应控制

单点自适应控制是一种初级的智能感应控制方式，需要与车辆检测设备相配合，车流量小的时候信号放行的时间短，车流量大的时候放行的时间延长。交警只用考虑设置最短的绿灯时间和最长绿灯时间即可。

一般来说，这种控制方式可以满足单个路口对放行的基本需求，但是一旦路口各个方向流量都比较大，或者多个路口同时设置单点自适应控制，盲目延长放行时间，效果只会适得其反。

不仅如此，对于方案生成式的信号控制系统，由于每个信号周期中各个方向的配时是根据实时流量自动调整的，只能事后查询甚至不能查询，无法预判周期时长，在进行警保卫活动或开展其他需要民警准确掌握信号灯状态的工作时，会显得较为被动。

（三）区域协调控制

有别于上述两种“点控制”方式，区域协调控制是一种“面控制”，通过选取关键路口或者关键路段，协调考虑区域内的多个路口的通行情况，以提升整个区域的通行效率为目的，适当且自动的调整多个路口的信号配时。

与多时段定周期控制和单点自适应控制相比，区域协调控制的效果最为理想，是交通信号控制技术未来发展的必然方向，但同时也是实现难度最大、最不好掌握的。

同样的，区域协调控制方式对车辆检测设备要求非常高，方案生成式信号控制系统无法预先判断本周期内的配时时长。

2016年，公安部发布《推进城市道交通标志标线标准化工作方案》和《推进城市道交通信号灯配时智能化工作方案》（即“两化”文件），要求信号机必须有智能控制的功能，也就是能够实现区域协调控制。

目前国内主流信号机厂商都号称其产品具备区域协调控制的功能，但不同厂商的系统设计、优化算法、检测方式互有差别，孰优孰劣无从判断。

此外值得注意的是，目前不同品牌的信号机在区域协调控制中互不兼容，想做好区域协调，一个区域内必须使用同一品牌的产品，否则区域协调控制效果将无法实现。

也正因为如此，交警部门想要做好智能信号配时工作，现阶段只能完全将宝押在信号机生产厂商身上。

三、互联网大数据的冲击

同样是2016年，在颇具盛名的云栖大会上，阿里巴巴技术委员会主席王坚提出“世界上最遥远的距离，是红绿灯跟交通监控摄像头的距离”，引发了互联网行业和业内人士的广泛讨论。

“互联网+信号灯”的口号一时间被炒得火热，应用案例遍地开花，各大互联网公司都想分信号配时这一杯羹，甚至有互联网企业信誓旦旦的提出要颠覆传统信号控制模式。

然而一年多的时间过去了，“互联网+信号灯”却依然停留在探索阶段，不仅未能取得令人信服的成绩，反而频频受到传统智能交通行业的质疑，认为互联网企业言过其实、夸大宣传，实际的应用前景似乎没有当初描述的那样美好。

传统的智能信号控制模式主要是基于路面车辆检测设备对车流量、占有率等数据的采集，控制效果直接受制于检测设备的完好度。我国现阶段城市发展较为迅速，各地尤其是大中型城市道路改造频繁，检测设备在线率低、修复成本高、修复周期长、控制效果差等问题在各大城市饱受诟病。

而互联网大数据却正好完美的避开了这些问题，在当前的形势下有其独有的优势。互联网大数据基于手机信令、浮动车等海量多源数据，对交通的宏观感知显而易见，目前依靠各大互联网平台的导航系统越来越精确就很能说明问题。

但是信号配时属于微观层面，必须精确到秒级，而且互联网数据中的少部分垃圾数据必须准确甄别剔除出去，否则配时效果将无从谈起。如何同时处理好数据的样本量和精度控制，是互联网大数据与信号配时碰撞的最大难点。

在互联网大数据时代，数据之“大”，确实对我们助益匪浅；但同样也是因为这个“大”，从某种程度上制约了我们的发展。

四、相关建议

想要做好信号配时工作，对互联网大数据的过分排斥或者过分神话都是不可取的。无论是大数据、云计算，或是智能网联都能够很好的解决智能交通体系，但是都必须与实际的交通状况相结合，不能盲目夸大大数据的作用和功能。

笔者认为，现阶段，互联网大数据要真正起到配时优化的作用，还是要通过实现互联网大数据和传统信号控制检测数据的融合，落实在传统信号控制方面。应当从以下方向入手：

首先，从提升互联网大数据的“质”入手，最终使得大数据的“量”真正为我所用。如上所述，互联网大数据既有样本量巨大、覆盖面广的优点，同时也存在垃圾数据泥沙俱下、鱼龙混杂的缺点。

举个例子，在有高架的信号灯路口，由于道路断面存在重叠，依靠互联网大数据统计车流量时，无法准确判断采集到的流量数据究竟是地面道路上的还是高架桥上的；我们在判断路口情况时，需要先进行数据清洗，设法剔除掉桥上的流量数据。

互联网数据中的行驶速度、停车次数、部分浮动车的轨迹数据等情况，对判断路口拥堵、溢出以及辅助交通分析决策等方面十分有利；与之相比，传统的路面检测器在采集数据的精度和可靠性上具有优势，但受限于地形和成本的限制，覆盖范围较小，样本量不足。

只有将这两种不同特征的数据有机结合起来，相互扬长避短、取长补短，才能将各自的优势都发挥到极致。

其次，建立行之有效的效果评价反馈机制。

在完成对多源数据的充分清洗、融合，具有了较为理想的样本量后，建立一系列基于传统交通工程专业的路口评价体系，判断路口信号灯是否存在空放、等待时间过长、溢出等具体问题，定期出具相应报告以供交管部门决策参考，并利用评价数据反馈优化信号控制系统，反复迭代，使信号配时管理进一步精细化。

在实际工作中，我们也可借助互联网建立健全与网民的合作交流机制，从而进一步提高数据调整的准确性。

另外，要加紧制修订交通信号控制系统的相关评价标准。科学的评价体系制定后，需要反复论证，直至形成完整的评价标准，辅助业内人士对信号优化的效果进行评估。

甚至可以想象，当权威的评价标准实现后，届时互联网大数据才能真正实现与信号机的互联互通，数据的实时通讯。

尽管“互联网+信号灯”目前的效果还不尽人意，但毕竟找到了新的前进方向。

新技术的发展需要耐心，开放和包容的心态一定要有，我们有理由相信，在各方的不断努力和探索磨合下，互联网大数据对交通信号配时工作一定会起到越来越重要的作用，真正意义上的“互联网+信号灯”将渐行渐近。

作者：何洋，武汉市公安局交通管理局科技处，信控中国俱乐部会员