以基于多关键路径的交通信号协调控制为例

1、问题背景

随着经济社会的快速发展，当前我国大多数城市都面临着日趋严重的交通拥堵问题，如何有效治理交通拥堵是管理部门和研究人员共同关心的课题，而治堵方案的精细化水平很大程度上取决于对城市道路交通拥堵现象的感知和认知能力。

现有交通拥堵识别方法多以路段为单元采集和提取交通状态信息，仅能回答“拥堵位置在哪里？程度如何？”，而无法量化解析拥堵交通流的来源和去向，更无法深刻认知造成拥堵的出行行为机理及演化规律。

图1 欧洲艺术家挑战谷歌地图

（来源：https://baijiahao.baidu.com/sid=1657705010773629577&wfr=spider&for=pc）

举个有趣的案例，2020年2月，欧洲的一位艺术家西蒙·韦克特（Simon Weckert）做了一场“挑战谷歌地图”的数据实验。他在柏林街头用小推车拖着99部手机闲逛，尽管道路空空，但谷歌地图显示他所经过的路段均变成了表示拥堵的红色线条（图1）。

该艺术家用99部手机轻易地欺骗了谷歌地图，在空无一车的街道上人为制造了“交通拥堵”，其原因是手机导航软件难以获取和利用流量、轨迹等更能反映拥堵本质的信息，仅根据平均路段行驶速度判别是否拥堵，很容易产生误判现象。

2、基于轨迹/路径的技术路线

交通流是在特定交通供给和交通管控措施下大量复杂个体出行的宏观涌现结果，造成交通拥堵现象的根源在于交通供需失衡，诱因是交通流状态失稳。

因此，缓解交通拥堵的理想思路一定要抓住交通的本质——出行、问题的关键——路径。

出行是为一定的目的、以一定的方式、在一定的时空范围内的位移；路径的两端是出行起讫点，路径结构基本决定了出行距离和耗时。

以往限于固定断面的流量、速度和占有率等粗粒度信息，交通管控业务侧重对“流”的被动管理，即对已经发生的交通流进行合理引导和控制以均匀交通负荷，但是难以兼顾对“源”的主动调控，即以出行机理解析为基础由“流”反溯至“源”的源流并控。

近年来，伴随着车辆电子标识、高清电警视频、移动互联网、智能网联汽车等技术的不断发展和深入应用，各种移动式和固定式车辆检测设备已大范围、高密度投入使用，交通信息的感知粒度越来越细，海量个体车辆轨迹和路径数据的获取成为可能，在实现城市道路交通流运行状态感知的同时，也为深刻认知出行机理进而精准实施源流并控提供了更加丰富的数据来源。

在合适的数据支撑下，以路径为单元刻画机动车个体出行选择行为，经集计后测算流量和速度等交通流参数，进而挖掘交通运行状态信息，不仅可以实现交通拥堵的溯源分析，即回答“拥堵流量从哪儿来？到哪里去？”这一现实难题，还可以深度解析交通拥堵产生和演化的影响因素。

图2 基于轨迹/路径的交通拥堵溯源示意

依托我国广泛布设的视频电警系统，结合其它多源数据，推断每一辆车的每一次出行信息，包括起讫点、行驶路径以及时空轨迹（即各时刻所处位置）等，实现全车型行驶速度和全路网交通流量的可靠估计，研发基于轨迹/路径的兼顾速度和流量信息的交通拥堵溯源技术方法（图2），可从根本上避免“挑战谷歌地图”实验中因异常样本导致的路网运行状态误判。

同时，统计分析经过拥堵路段车辆的来源与去向路径，进一步探究机动车驾驶员的出行选择行为。

3、关键技术

为回答“拥堵位置的流量从哪儿来、到哪里去”这一现实难题，东南大学交通学院联合南京莱斯信息技术股份有限公司、南京慧尔视智能科技有限公司等智能交通企业提出了全时空车辆路径重构方法，从片段的车辆轨迹数据准确识别连续的出行路径信息；开发基于轨迹-路径的路网交通运行状态判别系统，实现常态拥堵/极端天气/交通事故/大型活动等多场景交通状态精确辨识；创建大规模路网交通流动态溯源方法，推断行进中车辆的出行起讫点与偏好路径，实现路径级流量的实时精准估计。

（1）片段化观测条件下的全时空车辆路径重构方法。针对大规模路网检测器布设有限造成的车辆轨迹观测片段化问题，改进随机效用理论与贝叶斯学习方法，克服有监督学习标记成本高和无监督学习识别精度差的缺陷，提出了基于半监督学习的车辆路径全时空重构方法，实现路网车辆出行起讫点、行驶路线、时空位置等连续路径信息的完整识别（图3）。

在检测器空间覆盖率不高于10%、观测样本规模10万级/小时的条件下（如南京），路径重构精度达82%以上。

图3 从片段车辆轨迹重构连续出行路径

（2）常态和非常态场景下交通状态精确辨识技术。基于轨迹数据和重构后的路径信息，建立融合交通流模型与深度学习方法的常态交通拥堵辨识技术，并针对极端天气/交通事故/大型活动等非常态场景，提出了基于运动目标跟踪的交通冲突检测方法及装置，提出交通流随机扰动与突发事件影响分析方法，开发基于轨迹-路径的路网交通运行状态判别系统（图4）。

经典型场景验证，路网交通运行状态辨识准确率超过90%，交通事件识别率由85%提升至96%、误报率由20%下降至5%。

图4 从轨迹/路径信息辨识交通状态

（3）大规模路网交通流量估计与动态溯源方法。构建考虑多层复杂异质性的路径与目的地选择集成模型，突破行进中车辆出行起讫点与偏好路径推断技术，开发了路口/路径/路网多层级交通流路由算法（图5），提出面向大规模路网的交通流量在线估计与快速求解方法，实现了拥堵交通流路径级动态溯源分析。

支持万节点级路网的路径级流量实时精准估计，交通流动态溯源精度达到80%以上。

图5 路口/路径/路网多层级交通流路由算法

（4）交通拥堵溯源可视化分析系统。立足应用场景和业务需求，设计交通网络拥堵溯源与运行态势推演分析结果的视觉表达方案和人机交互方案，实现交通数据的可调用、优化方案的可输入以及实施效果的可再现功能，可以协助交通管理更加便捷高效的分析拥堵原因和制定缓解拥堵方案。

以浙江省绍兴市上虞区为例，图6给出了拥堵溯源的可视化分析系统的设计思路和实现效果。

图6 上虞交通拥堵溯源可视化分析系统

4、应用案例——以基于多关键路径的交通信号协调控制为例

交通拥堵溯源技术能够从源头上解析多场景道路交通流演化规律，为实施“源流并控”的交通管控策略提供了必要的数据来源。在此，以基于多关键路径的交通信号协调控制为例，说明拥堵溯源技术在精细化交通管理业务中的应用价值。

现有的交通信号协调控制输入数据集存在样本量小、维度单一、信息缺失等诸多缺陷，无法支撑长时空交通信号协调问题的精细化建模。

这导致现有方法以满足干道直行方向通行需求为主要目标，割裂出行路径，未能协调关键流向。如图7所示，当仅考虑直行交通流时，分配给转向交通流的绿波带宽一般较小，进而增大交通流停车延误和排队长度，诱发排队溢出甚至影响其他流向通行效率。

图7 信号资源分配与各流向通行需求不匹配导致的车流冲突

运用交通流溯源技术分析瓶颈位置的车辆来源和去向，判别车辆出行的关键路径，克服传统信号协调控制逻辑局限性，构建基于多关键路径的信号控制双层决策模型及求解算法，使信号配时资源精准匹配不同路径的交通需求，进而提升系统整体运行效率，实现面向出行本质的路径级控制（图8）。

经实际场景验证，车均延误平峰期可降低15%、高峰期降低10%。

图8基于多关键路径的交通信号协调控制模型求解结果

*本文作者：任刚、曹奇 东南大学