从人工设定走向智能计算 | 易华录边云协同交通信号控制系
随着交通信号控制市场人力成本越来越高,计算成本在下降,数据资源更加丰富,城市级区域控制应该从人工设定走向智能计算。
随着交通信号控制市场人力成本越来越高,计算成本在下降,数据资源更加丰富,城市级区域控制应该从人工设定走向智能计算。
在第三届中国交通信号控制发展年会-交通数据采集与挖掘论坛上,北京易华录信息技术股份有限公司信号控制研发中心技术总监刘树青结合当前交通信号控制环境现状,介绍了ELOC(Ehualu Self-Learning Optimal Control System)边云协同交通信号控制系统。
以下为刘树青演讲主要内容:
交通信号控制环境现状
在城市级区域控制的智能化要求方面,交通管理者都希望在平峰期车流能够连续通畅,高峰期车流不要过快涌入瓶颈区,能做到交通拥而不堵。
在当前信号控制系统里,如果要达到这种控制策略,一般就两种:第一种是在平峰期实行干道群连续流协调控制;第二种是在高峰期实行分级的外控内疏”缓堵控制。
这些控制策略的实现目前主要是通过人工设定,市场现状是人力成本越来越高,计算成本在下降,更多的数据资源可利用,所以我们应该将城市级区域控制从人工设定走向智能计算,只有这样才能用较低的成本满足城市级区域控制的精细化管理要求。
现在用户对各种检测数据的应用要求越来越多,主要有三点:一是希望提供更多维度的检测数据;二是跨系统数据资源复用;三是互联网数据+。 同时系统开放性要求也越来越高。
因此,交通信号控制系统也面临着新的挑战。
一是数据计算处理能力提升;二是需要适应新场景新功能;三是控制指令要更加高效实时;四是信号控制效果要提升;五是系统更加开放。
如果用当前中心控制系统满足以上压力,这种“向心化”设计会使中心系统越来越庞大!
交通信号控制的“边”
目前的物联网络越来越庞大,如果要缓解中心控制的向心压力,就需要将它的压力从中心走向前端,也就是走向路口。
从边缘计算特点来看,它是一个基于网络、计算、存储、应用的开放式平台,可以分担中心压力,一是分担海量、异构的连接压力;二是实时控制业务压力;三是数据实时采集处理分析压力。
发挥边缘计算的低延时、快速响应以及高效率的特点,期望实现三大功能:一是数据源的实时数据分析;二是高水平的数据地理分布;三是缩小信号控制与用户之间的距离。
再分享两个边缘计算的应用场景。
一是数据采集、处理分析、存储、发布。
二是车路协同。
易华录自学习优化控制系统
ELOC是易华录基于边云协同控制理论体系的新一代交通信号控制解决方案!
主要包含三部分:边缘计算信号机、云控制中心和智能机柜,可以嵌入车联网应用场景。
从它的架构来看,在边缘,通过边缘计算模块跟传统信号控制器相结合,形成新一代边缘计算信号控制机,实现对路口的信号显示设备、路口数据采集设备、车联网设备及交通诱导设备信息的互联互动。中心主要发挥大数据挖掘及智慧应用的功能。
在边缘端,主要功能包括前端数据采集处理、数据初级计算分析、关键数据存储及短时存储、多模式本地控制和本地API。
在云端,主要功能包括大数据存储、计算、挖掘,交叉口群控制规则制定、交通工程优化决策辅助,边管理,中心API。
将“边”与“云”的功能划分之后,系统协同主要有四部分:数据协同、业务协同、智能协同、管理协同。
我们希望利用边云协同的技术理论,让交叉口发挥更灵活、更高效的战术级控制,让中心能够发挥高效、更智能的交叉口群之间的协调控制。
未经许可,任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题,烦请提供版权疑问、身份证明、版权证明等材料,与我们联系,我们将及时沟通与处理。