交通治理是城市治理的一种手段，需要多个行业、多个部门、多种业务进行融合，其中，数据是基础。

交通治理是城市治理的一种手段，需要多个行业、多个部门、多种业务进行融合，其中，数据是基础。

运用大数据，海康威视在交通宏观治理方面，已有多项技术和落地实践案例，与此同时，在中观和微观领域也颇有建树。

未来交通的发展，数据的应用价值将会越来越大，数据的交互与碰撞能够为交通可持续发展带来新的内涵。

对此，海康威视数字技术股份有限公司的交通解决方案总监李晨毓在第五届华南智能交通论坛上进行了主题为“数据驱动的城市交通治理”的演讲。

演讲过程中，李晨毓从宏观、中观、微观的维度介绍了海康在数据驱动的交通治理上的具体应用，并对交通大数据在未来的发展进行了展望。

以下为演讲全文，经赛文交通网编辑冰山一角整理，经本人授权发布：

（李晨毓演讲视频）

尊敬的各位朋友，同仁，大家好，今天我报告的题目是：数据驱动的城市交通治理，主要分为五个部分，首先谈谈一个交通人对于近年来交通发展的思考；接下来从宏观、中观、微观的维度介绍海康威视在城市交通治理过程中利用数据做的一些事情，最后介绍交通治理的发展展望。

第一部分，交通再思考；

交通治理是城市治理的一种手段，其在2C端和2G端关注点有所差异。

对老百姓来说，交通拥堵与交通安全是亘古不变的要点，环境污染、噪音防治是衍伸出来问题，因此，老百姓诉求很简单，只要能够安全快捷出行就可以了。

对政府来说，为了保证交通安全畅行，并没有那么简单，需要多个部门多种手段共同协作，比如交通规划、基础设施建设、交通运行、交通管理、车辆调度等等，这些手段的最终目的都是服务老百姓出行。

所以，交通治理面向政府是一个复杂的命题，需要多个行业、多个部门、多种业务进行融合。

大家都知道，大数据、人工智能、云计算应用等新技术也在不断发展。

大数据在分析城市交通运行发生规律时，能否替代传统的四阶段模型？

四阶段法是交通经典模型，空白城市建设过程中，没有数据来源，交通的O和D怎么产生，哪里吸引，可能还是要靠传统模式去做，但现阶段，城市已经不是一张白纸，有了比较多的数据可以上来，大数据是不是能够颠覆传统模型，以新的方法直接描述交通的一些内涵呢？

人工智能、深度学习正在改变着信号控制的算法逻辑，但相位相序设计、初次的配时设计，以及相关联的交通组织设计，还是基于经典控制模型去做的，新的技术能否能替代经典算法，跳出交通理论的限定框架呢？

个人观点，在传统理论的基础上，用新技术手段去实现应用，是一条务实且可行的路，跳出传统的交通理论，目前还不具备这样的发展水平。

讲完技术发展，来看看交通数据，交通都有哪些数据，数据又可以用来干什么呢？

对老百姓来说，交通数据通过移动端或固定端提供了信息的分级精准发布，为民众提供出行参考；出行预测为民众提供出行时段选择；事故多发区域发布可以提醒民众在特定区域注意安全防范等等，这些确实能够为每个人的出行带来一些改变。

对政府治理来说，O、D数据为重要交通走廊分离过境交通提供依据；列车时刻表对接，车辆调度对接可以为无缝换乘提供可能；交叉口冲突数据为交通组织与交通安全提供依据；交叉口排队长度、路段流量与行车速度等为信号配时、诱导、管制提供基础等等。

当然，数据能够为政府治理做的事情还有很多，远不止以上这几点。

第二部分，交通的宏观治理；

这一部分简单介绍下海康威视运用交通数据，在交通宏观治理的几个技术和落地实践案例。

交通流的时空特征与OD特征，原来更多是以传统交通模型，通过交通调查、人口、以及建模软件进行预测，并不是很精准，现在城市的物联感知设备密布，通过车牌识别还原出车辆的轨迹信息，进行断点重连、路径补缺已经可以从技术层面分析全样本的车辆轨迹，进而通过轨迹的叠加去发现城市交通时空特征及OD特征，用精准采集代替传统预测，置信度是高于原来的预测模型的。

我们在某城市部署了交通溯源分析系统，该系统通过电子警察、卡口过车数据等前端采集设备对某市的车牌数据进行采集，还原车辆行驶轨迹，并对于出行链上的过程点进行去除，只显示起终点，进行整体可视化展示。

分析特定区域出行特征，区域内共设有18个前端采集点位，通过对车辆出行链的提取，从而对区域内各个点位的产生、吸引以及区域内的过境交通量进行分析。

如图所示，圆圈的大小代表了作为O或D点的累加过车辆，进而我们可以绘制期望线，OD数据描绘出来后，会发现一个很有意思的现象。

通过这张图，能够发现这些车都去了哪，去了多少辆，聚类后，能够发现城市拥堵路段、拥堵交叉口的这些车都是从哪来的，最后，我们就可以去做一些源头治理的工作。

根据溯源分析，可以知道区域内的车辆来源、去处，集中时间段。

比如，下图是早高峰7:00~9:00 某区域的发生吸引量，就是区域到达内部以及从内部出去的这样一个交通量。

该区域早高峰的特征是早高峰东西向是车辆主流向，远高于南北车流量；东西流量大且不均衡，方向不均衡系数高；区域吸引力不足，过境车流占据支配地位。

该图是早高峰7:00~9:00 某区域的过境交通量，可以采取的治理对策有：

对策1：区域东西向交通走廊单一，车流过于集中在1、2条道路，建议打通支路断头，增强连通性。同时，为了规范早高峰通行秩序与通行效率，建议设置分隔设施。

对策2：根据早高峰东向西客流远高于西向东客流，晚高峰则相反，因此潮汐特性显著，建议设置潮汐车道，甚至可以设置2根潮汐车道，通过空间优化的方式缓解潮汐交通拥堵。

对策3：根据交通实时路况信息，采用多种方式进行绕行提醒与发布

交通工程学里面有经典模型是做交通小区的划分的，利用物理边界，例如道路、铁路等阻隔进行交通小区划分，但一个交通小区还是很大，那我们就想，一个交通小区内，能不能在去划分更小的区域。

交叉口群划分的目的是在某一个交通小区内，划分出更多特征区域，研究区域内部的交通运行特征，进而更好采取管理手段，比如交通关键通道的保障，交通的信号控制等。

关联度作为衡量道路网络中交叉口之间的相互关系强弱性的指标，是可以判断两个交叉口之间是否需要聚类协调。关联度与交叉口信号相位、路径流量的不均匀性、交叉口间距、交叉口排队长度等有关。

通过在主要道路部署视频采集设备，对相邻交叉口两两间的关联性进行计算，识别关键交叉口，发现关键路径并进行交叉口群的划分。

交叉口群的划分有诸多用途，区域内部的交通微循环管理，交通信号控制的方案调优，交通管制的措施手段支持，交通信息发布的空间引导等。

目前，我们已经在多个城市同步试点该项技术，为城市治理的大规模数据应用打基础。

第三部分，交通的中观治理；

首先是拥堵路段的识别与路段平顺度，学术界在识别拥堵路段时，多用到道路饱和度指标，即VC比来判断服务水平。

工业界由于固定源及浮动车数据限制，无法对流量进行全量全样本采集，更多是用速度指标作为拥堵的评价标准。

前面我已经讲过了通过前端设备采集车牌数据，还原车辆轨迹的方法，本节重点讲一下我们在平顺度指标上的应用研究。

平顺度包括纵向、横向平顺度，车辆偏离度及偏离角速度，反映出入口对路段的扰动程度，通过平顺度的研究，可以对城市各个出入口、路段出入口、停车场出入口等做相关调整。

在某市我们开展了出入口治理的相关服务，把城市实时的数据都拿过来，去对道路出入口方式、交通管理方法提供辅助决策支持。

营运车辆的管理涉及到司机驾驶行为、车辆行驶行为、营运路线监管等，为了更好实现对营运车辆的管理，对于车辆行为的建模至关重要。

通过多源的数据融合，利用动态识别技术对车辆行为进行自主学习与识别，建立可迭代升级的交通规则库，对超载超限、货车扬撒、班车不按规定站点停靠或规定线路行驶、非法营运、重点监管车辆不按规定实时上传GPS定位信息等行为进行实时分析和预警。

这些预警信息可以直接推送给各地市的执法分中心或者一线执法队伍的移动执法终端上，一线执法中心可通过拦截或电话纠偏的形式对上述行为予以纠正，实现对营运车辆的治理。

我们在某市机场周边部署采集设备与平台，完成静态数据、营运数据、物联网数据接入。

在11.6-11.9共4天时间，每天早上9:30-16:30无间断采集，截止11.9-9:30，共采集12437条记录，产生报警总数：652条。

对车辆行为进行建模，通过大数据分析，识别出运政黑名单库车辆、多天多时段高频次出现车辆、高频率绕行现场的出租车，推送到移动执法端进行处理，拦截。

经过整治，非法营运的车数量明显下降，1个月内由百位数下降到个位数车辆，效果显著。

第四部分，微观数据治理；

微观治理是对交叉口的服务水平、冲突识别、违章识别进行统计分析，进而得出治理策略的一种手段。

其中服务水平以交通流相关数据为指标，冲突识别以交通安全数据为指标，违章识别交通违法数据为指标。

这里重点说明交叉口冲突识别技术，综合交通冲突率指标代表了交叉口的安全性：包含冲突距离指标，是冲突发生时，优先采取避让措施（转向、制动、减速）的交通实体距假想碰撞点间的距离。

冲突位置，是冲突发生时，冲突点在交叉口内的具体空间位置。

冲突时间是优先采取避让措施（转向、制动、减速）的交通实体距假想碰撞点间的时间。

我们通过交通综合的冲突率，它分为4个等级，分别是特别安全、安全、安全边缘和不安全，它涉及到一些指标，包括冲突的距离、位置、时间，涉及到的冲突种类有机动车与机动车的冲突、机非冲突以及机人冲突。

交通违章识别交通违法数据为指标，可以通过摄像机采集到。

通过交通流、交通安全、交通违法指标的统计数据，可以发现很多很有共性的规律：比如道路设计是不是有问题，交通管理是否有问题，标志标线的问题，信号配时的问题，分隔设施的缺失，道路设计的问题，公交站台设置的位置不合理，没有考虑出入口和行人、非机动车等等。

我们在一个城市做了智慧路口的微观治理实践，首先对基础条件进行建模，选取某日早高峰进行分析，通过前端数据采集，对交叉口服务水平进行评价，可以看到该交叉口以方向延误作为评价指标。

接下来我们对交叉口的冲突进行分析，在检测的2H内，共有119个冲突。

1.冲突时间，可以看到有接近20%的机动车与机动车冲突和接近20%的机动车与非机动车冲突属于严重冲突；

2.冲突距离，可以看到，有超过20%的机人冲突距离小于3米，有接近20%的机非冲突小于3米，有小于20%的机机冲突小于3米。

3.计算综合交通冲突率，>0.03，属于不安全交叉口。

最后，对于交叉口的违章进行分析，发现非机动车逆行的违章占比最高，每个信号周期都有，也与上述的机非冲突有较大关系，同时还有机动车逆行、非机动车闯红灯等交通违章信息，进而对于交叉口治理提出了一系列的建议，比如拓宽非机动车道，树立一些慢行优先的标志牌，以及调整单点的信号配时等等。

第五部分，发展展望；

交通未来的发展，数据的应用价值会越来越大，今天我仅讲了几个应用点，实际上，数据的交互与碰撞能够为交通可持续发展带来新的内涵。

海康威视最早提出的AI Cloud系统理念和技术能力，设定边缘节点、边缘域和云中心的技术体系，为数据应用做好技术储备。

物联感知在边缘节点完成，如前所述的流量感知、冲突识别等；简单物联应用在边缘域完成，如前所述的统计分析、车辆建模等，复杂的业务应用在云中心完成，如前所述的交叉口群划分等。

基于AICLOUD，又提出物信融合概念，使得物联网和信息网数据充分融合，数据按需汇聚，按需索取。比如运营车辆，车牌、车辆特征、人脸等数据来自物联网，车辆归属、驾驶人资格、运营线路等来自信息网，两者的数据融合，实现车辆行为特征的建模。

基于AI CLOUD与物信融合，形成了海康Open traffic的交通发展体系，一方面对用户持开放态度，一方面对生态合作持开放态度，海康威视愿贡献自己的智慧，与广大用户、生态合作伙伴一道，共同服务城市未来交通发展。

我今天的介绍就到这里，谢谢大家。