同济大学交通运输工程学院教授，交通运输工程学院副院长马万经进行了主题为《智能网联环境下交通管控的创新发展》的演讲，他表示，基于高精度数据，自动化交通信号效果评估将带来交通信号管理的变革。

10月17日，由苏州工业园区管理委员会主办，苏州工业园区经济发展委员会、苏州工业园区规划建设委员会、苏州工业园区公安分局、赛文交通网承办的“2020年长三角智能交通与智能网联创新发展论坛”在苏州金鸡湖国际会议中心A1馆召开。

会上，同济大学交通运输工程学院教授，交通运输工程学院副院长马万经进行了主题为《智能网联环境下交通管控的创新发展》的演讲，他表示，基于高精度数据，自动化交通信号效果评估将带来交通信号管理的变革。

以下为马万经的演讲实录，赛文交通网进行了不改变原意的整理，有删减。

1894年，一批交通学者聚集在伦敦，讨论的问题是接下来50年里伦敦会不会被马粪淹没？这是100多年前的问题。

后来，伦敦还是伦敦，十几年的时间里，路面上的马车全变成了汽车。

我们国家领导人经常讲，现在是百年未有之大变局，我们交通其实也面临着方方面面的冲击，未来是什么？5年之后，10年之后交通是什么模样？交通问题是一个快速演变的现象，很值得引起我们的关注。

另外，交通工具的快速智能对交通管控也产生非常重要的影响。

同时，手机、导航、微信、车辆轨迹、淘宝、美团、视频、卡口、车辆轨迹等数据大量累积，个体数据的快速丰富也给交通管控创造了非常多的条件，也带来了很大的压力，既是机会也是挑战。

还有出行模式的快速变革，有统计说私家车80%的时间是空的，95%的时间是静止的，当自动驾驶快速发展之后，我们可以提供共享出行的模式，甚至有研究表明说如果用共享的方式按需响应，我们可能减少40%的出行车辆。

但是，对于交通管理而言，少了40%车辆，但是如果每辆车跑的次数多了，跑的路程多了，对道路来说会不会变得不拥堵？我们的交通拥堵问题不一定会随着智能化出行方式的变革而自动消失，这是值得我们反思的问题，

我认为，交通问题的快速演变、交通工具的快速智能、个体数据的快速丰富、出行模式的快速变革这四个快速的变化会对交通管控产生重要的影响。

接下来，我们谈谈交通管控的创新和发展，我认为主要四个转变。

第一个转变是从系统建设到创新优化。

曾经有个段子说有些行业是“重建不重管”“重硬不重软”，但是现在我们大规模的建设是有道理的，因为我们需要这些系统，但问题是这些建设的系统有没有发挥作用，人们越来越多的关注我们的方案有没有解决问题。

无论是国家公安部的两化文件，还是我们的行业资深的专家的反思，优化方案的巨大需求都要回归基础交通工程等知识。

交通管控优化专业化的市场和人才也在持续发展，赛文交通网也做过相应的市场统计。

另外，不同的部门有不同类型的方案，创新的方法和实践在全国各地涌现，比如说苏州园区有很多工作，包括在深圳、济南、上海等全国各个城市推行的各种各样的新型化的方式，其实都是从方案的角度进行创新性的优化和应用。

我认为，这也是一个非常重要的转变，我们需要更多的去关注我们有没有充分的利用好建设这些系统，能否解决我们现在面临的问题。

第二个转变是从任务驱动到数据驱动。

我们的交通管控很多，因为我们各方面的资源限制，很多时候我们是哪里有问题，我们去做哪里，而这，可能是给我们的任务。

但现在我们有了这么多的环境，特别是我们在很多城市和地区都建设了很多的系统之后，我们可能已经有数据了，我们能不能基于数据去做更多的工作。

有报告显示，采集到数据后，可能有43%的城市和服务商并没有基于数据去做信号配置的优化，还有很多的数据质量没有得到评估，甚至基于错误的数据进行了优化。

我们现在都在说已经进入大数据的时代，数据已经成为重要的基础设施，那么数据的质量如何保证？如何支撑后面的服务？这都是需要我们考虑的。

美国2020年曾发布的一个报告，报告显示，基于高精度数据、自动化交通信号效果评估将带来交通信号管理的变革，也就是说若进行管控的优化，首先要进行方案的评估，评估诊断之后，就可以有针对性的提供方案。

我认为这是数据驱动的一个很重要的切入点，我们能不能对现有的方案做出更好的准确的评估和诊断，但问题在于并不是所有城市、所有的路口都是有高精度的数据，反过来说，有高精度的数据，能不能够持续地获取也是问题。

当然，另外一个更深刻的分析是，我们到底需要多高精度才可以去做管控优化，因为这些东西涉及到我们巨大的投入和后期长期的维护。我们是不是可以考虑基于检测到的数据和其他数据相融合，进而获得突破。

如果我们要进行诊断评估，还要考虑几个基本的问题，比如控制管控的方案是对还是错，我们再评价好坏之前，要先评价对错。

评估也好，诊断也好，是不是有可靠的可用的数据资源，现有的数据体系能不能支撑功能实现，否则在现实中很难以基于这样的技术和系统得到我们想要的结果。

因此，我们说评估和诊断，其实是需要对系统进行逐个的评估，信号控制也好，管控方案也好，它的综合水平能够相互比较，能够确定哪些是有潜力的，哪些是应该优先考虑的，我们应该能够诊断出来它的问题，能够以这个系统提出相关的对策建议，才能够实现数据驱动，进而做更好的管控优化。

有了这些系统之后，可以实现全天候的分析，而训练后的分析在于早上怎么样，中午怎么样，夜间怎么样，每一块的问题都不一样，因为数据本身是连续的，可以提供全天候的分析，对于这样的一个方案能实现完整的评价。

同样，它还可以对每个路口协调控制的单元进行打分，打完分之后，就知道哪些事情应该优先去考虑，哪些路口已经在信号控制的角度，已经没有多少潜力可以做了，显然这是很重要的一个转变，我们应该更多的考虑数据如何驱动管控优化的实际工作。

第三个转变是从控制对象到控制手段。

我们都说我们有网联车了，那么网联车如何影响现实交通？

我们基于美国华盛顿州公布的数据集做了分析，它对网联车发布了速度推荐值，这些网联车会按照发布的速度建议在路上行驶，这么一个简单的工作，就明显缓解了交通拥堵。

有了管控，有了网联车之后，可以从更深层次的角度进行交通流分析，可以让拥堵的调控更加直接有效。

当然，如果全是网联车，我们可以做各种各样的分析，但很多情况下并不全部是网联车，未来很长一段时间内是混合交通的模式。

如果有路侧设备，更多的是体现我们对整个路网的把握，路侧的边缘系统和车载系统相结合，可以利用网联的手段改变交通状态，是直接有效的方案。

还有一个很重要的问题，有了网联环境后，我们会有更多的数据，其中有一个观点是说有了网联车，我们可以把交通控制的方案发布给车辆，这些车辆可以根据我们自动的系统提醒或驾驶员判断，更好的通过路口。

但问题是，现在的系统本身不知道何时从绿灯切换成红灯，如何发布信号状态？对此，我们也在持续的改进，有了更好更准确的数据后，我们的服务和评估分析也可以做得更好。

第四个转变是从预测需求到规划未来。

最后，我认为，新的混合流会有新的方法论，不同智能程度的工具，穿戴不同装备的人群，会得到不同的个性化服务，并实现整体优化。

我们现有的体系、共享的体系和各种变革的出行服务模式，会在未来很长一段时间内并存，我们如何从各个角度调控发挥好这些资源，是交通管控面临的关键问题。