地图拖到哪、眼睛看到哪；眼睛看到哪、交通管到哪

赛文交通网 智能交通 智慧交管 城市交通

编者按：5月，赛文交通网主办的第十二届（2023）中国智能交通市场年会在上海举办。中船杰瑞科技（上海）有限公司协办的“交通精细化治理”论坛中，中船杰瑞科技副总经理高桃桃发表了《数据赋能，激活城市交通治理的神经末梢》主题演讲。

该报告首先介绍了城市交通治理的发展背景，并对平行交通的概念、技术组成、要素优势以及平行交通技术给交通治理带来的机遇等进行了深入分析，最后分享了杰瑞在城市交通治理领域开展的工作以及经验体会。

一、背景

2021年，交通运输部发布《数字交通发展规划纲要》，提出构建跨界融合、共创共享的数字孪生交通产业生态，要求构建数字化采集体系、网络化传输体系与智能化应用体系，体现了国家对于数字孪生与人工智能技术的高度重视。

第一次工业革命至20世纪80年代，交通的进步主要得益于载运工具的出现和载运工具性能的提升。1980年前后，在信息技术支撑下的智能交通系统逐渐成为交通发展的重要推动力。

业内经常会对智慧交通进行代际划分，公认的智能交通系统的发展演进就是我们熟知的1.0-4.0发展阶段。杰瑞认为，目前智能交通系统发展到了3.0阶段，也就是协同管控阶段，对于数据感知、数据治理、可视化、智能化等方面提出了更高的要求，杰瑞打造的平行交通系统基于此应运而生。

从交通治理历程看，上世纪80、90年代是中国道路交通发展的重要分水岭。在此之后，中国道路交通正式进入发展上升期，经历了从最初的保障基础安全秩序到追求精准化、智能化、协同化，对于当下的发展阶段，或者说未来几年的发展方向，杰瑞将交通治理的核心概括为八个字，即“数据赋能，精准治理”。

随着各种先进技术的不断提升，我国交通也在飞速发展。但就对城市的最基本的认识而言，“城市病”问题依然存在，数据与业务之间的冲突并没有随着新技术的发展而消失。

目前我们主要面临三大挑战，第一个问题是数据多，效果少。随着感知设备的进一步建设和完善，以及互联网大数据的应用研究，我们能掌握的信息越来越多，但是如何将数据进行有效处理，来支撑交通管控的高效发展，是我们要及时解决的问题。仅靠人力很难深入理解城市“数据海洋”水面下隐含的真实交通需求。

第二问题是单点强、全局弱。在复杂多变的城市交通网络当中，安装单点智能设备属于治标不治本，这也被业内戏称为“打地鼠”。拥堵路口会动态转移到附近路段，市民的全局出行效率并未得到整体提升。此外，很多城市都存在建了完备的设备和系统，但是各系统间形成了一个孤岛的单点，如何实现各个系统的融合、协同，也是一大问题。

第三个问题是科技新、落地少。高新技术的推广触发城市管理存量系统和现行执法流程的系列改变，因此数字化创新技术的“开放与融合“是城市转型升级成败的关键所在。

芒德福曾经说过：人类用了5000多年的时间，才对城市的本质和演变过程获得了一个局部的认识，也许要用更长的时间才能完全弄清它那些尚未被认识的潜在特性。

因此我们不得不面对这样一个骨感的现实：城市当中最具有战略价值的数据并没有发挥效果，也许上了很多超强算力设备却没有计算有充分价值的任务。很多用户都有切身感受，云物移大智等泛IT技术的快速发展，就像六大派围攻光明顶一样，并未对交通治理带来明显的质变。

交通千城千面，问题同城百变，需要技术纵深场景，同频发力协同迭代解决问题，做深做精是我们当下急需要考虑的重点。

杰瑞在潜心研究的几十年里，找到了新的突破口，即通过基于AI和数字孪生的平行交通技术，激活城市的神经末梢、唤醒每一个交叉口的控制主体、使能中心的所有算力设备，形成交通治理的新业态。

二、平行交通

对于平行交通而言，杰瑞是这样定义的：平行交通是基于全息感知、协同决策、协同控制和管理的新一代智慧交通系统，所谓平行交通系统，指的是实际交通系统与人工交通系统平行运行、虚实交互、学习、执行产生的智能产物。

通过将城市交通运转状况实时投射到数字空间中，将数字交通与现实交通平行推进，可以更加精准地进行分析研判和控制决策。

平行交通的运行主要靠依靠ACP方法，其中A（Artificial）是人工系统，指构建与实际复杂系统对应的、软件定义的人工系统；C（Computation）是计算实验，是利用计算实验方法进行实际复杂系统的实验、预测与评估；P（Parallel）是平行执行，指平行执行，人工系统与实际复杂系统进行虚实互动与相互借鉴，实现复杂系统的平行控制与管理。

评判是否构成平行交通主要有4个明显特点，即能否做到全要素的信息采集、能否完成多层次的场景构建、能否实现智能化的分析预测、能否实现精细化的协同管控。在宏观层面，平行交通系统是实现杰瑞交通治理新模式的核心武器。

我们将平行交通的技术组成整理为五大内容，即一项通用技术、两大孪生空间、三大技术要素、四大功能等级以及五大典型特征。

一项通用技术是指根据孪生的环境所引申出的支撑经济社会数字化转型的通用技术，在交通层面主要指交通事件的决策处理等；两大孪生空间是指物理空间和数字空间的交互和相互反馈；三大技术要素分别指数据、模型以及软件，我们认为数据是基础，模型是核心，没有数据和模型就没有输出，而模型和数字空间的载体是软件。四大功能等级包括描述、诊断、预测和决策，五大典型特征是指精准映射、虚实交互、软件定义、模型支撑、智能决策。

杰瑞目前已经在稳步搭建平行交通系统，建设主要分为三化、三可。

三化：设备图层化➡数据图层化➡业务图层化

三化，即设备的图层化、数据的图层化和业务的图层化，各个图层化之间是层层递进的关系。

设备的图层化指在孪生底座上叠加智能交通关联的静态设备，实现整个城市智能交通设施一图在手。比如说它可以提供三维场景下信号灯的状态实时展示，电警卡口一点即可看视频，拉近了使用者和场景之间的距离，效果直观，视觉感染力强，极大地降低了理解、沟通和应用成本，用沉浸式、实时实景的数字孪生场景来支撑应用落地。

数据图层化指数据上图，在收集整个交通数据的技术上，对数据进行清洗、融合、计算、研判分析后，将分析的数据以表格或者图片的方式呈现出来，这样就实现了数据的最高效利用，冰山底下庞大的数据量得以呈现，数据价值切实得到发挥。

业务图层化指实现地图上的业务场景作战。交警部门可沉浸式解决道路问题，不仅可以快速了解事故现状并做出决策，在事故复盘中通过历史叠加分析出事故规律，找出事故发生原因，从而提升城市交通治理的智能化水平。

三可：可计算路网→可认知交通→可扁平指控

“三可”即可计算路网、可认知交通、可扁平指控，旨在整体上实现现实交通的容量可知、交通需求状态可知以及交通资源的可控。通过搭建可计算道路网络模型，使得每个路网单元及蕴含的交通规则均可被计算机逻辑运算；提供搭建交通系统模型，使得每一辆车的每一次出行都被记录，形成整个交通运行的DNA；提供搭建交通指控模型，在数据的支撑下可实现有效的交通控制策略。

平行交通的特征体现在基于数字孪生底座，实现数字世界与物理世界的平行映射，达到在指挥中心“身临其境”治理交通的应用成效，提升实时动态指挥调度能力。交通轨迹可视化，所有的基础资源都可进行平行映射，如道路结构、道路资源、体量最大的视频资源、天气环境的平行映射。

基于全链条业务协同，实现指挥调度扁平化、交通调控智能化、管理决策科学化、交通业务一体化、公众服务多样化。

不同于单纯的数字孪生技术和人工智能技术，平行交通技术集二者之长，可实现1+1>2的效果。单纯的数字孪生技术仅仅可以提供可视化的功能，但是无法完成从虚拟到现实的二次实时反馈。

单纯的人工智能技术则需要预先输入条件信息，且经常会出现不贴合实战场景、不具备实践经验等问题，而平行交通技术则是在现实场景精细化投射的基础之上，可将全量的交通数据直通研判大脑，虚实两大世界可以闭环联通，实时同步。

三、治理利器

最后给大家展示下杰瑞在交通治理领域的治理利器，也就是平行交通技术给城市交通治理带来的机遇。

1、同步可视，模型推演，实现数据驱动决策

平行交通系统将实现交通运行的同步可视为交通的模型推演，为交通模型推演提供试验空间，逐步实现数据驱动决策。在数据采集侧，可基于三维建模、综合渲染、数字孪生等技术实现数据的呈现，构建出与现实映射同步可视的模型，达到交通数据可调用、互操作。

在模型推演方面，为交通模拟仿真、交通政策的制定提供了广阔的模型推演的空间，甚至是零成本的试错空间，能够实现交通管理理论模型的现实推演，避免纸上谈兵；在交通需求产生阶段，可以基于交通调查数据，通过交通需求预测模型推演来实现对城市交通需求的合理预测规划；在交通道路通行阶段，可以通过交通路网的指数模型分析动态车辆的实时位置信息和整个道路的运行状态。通过数据量化反映整个路网的通行程度，实现道路拥堵实时预警等。

2、全城视野，全局规划，寻找治理拥堵最优解

城市区域路网结构复杂，交通流量实时动态变化，如何从全局角度出发，全面准确量化城市交通动态体征，避免交通决策以点代面、以偏概全，是交通领域的难点问题。平行交通为此提供了解决方案。

在数据汇聚阶段，平行交通准确抓取城市体征，进行城市画像，实现对城市交通动态体征的新洞察。同时，平行交通从全局、全要素出发，将城市 PB 级数据作为训练集，通过人工智能技术精准辅助决策。

从道路供给侧，持续优化交通供给能力，通过交通仿真优化路网结构， 提升道路承载能力，合理布局公共交通车辆规模和车队路线。

从交通需求侧，合理配置交通需求，对出行车辆实行交通诱导、出行播报，为出行者规划效率更高的路线，规避大规模拥堵发生，提升城市全域的通行效率。

3、精准定制，信号优化，为应急救援保驾护航

在道路资源紧张，尤其是中心城区拥堵频发的城市，如何为应急救援车辆开辟“绿色通道”，是交通关注的焦点。

平行交通基于人工智能等技术，深度学习人流、车流、道路等特征，对车辆到达下一个路口的时间实现秒级精准预测。迭代优化交通信号灯时长，通过交通仿真，寻找通行时间最短的信号灯方案。

结合特种车辆需求，定制通行线路，仿真后进行沿线信号灯控制，从而显著缩短应急救援车辆通行时间，有效提升政府部门对应急事件的处理效率，打通全自动绿色通道，提升城市交通参与者的安全感。

4、知往鉴今，事件重现，协助交通管理智能

交通事故的发生往往有其规律，平行交通系统能够统计事故记录，分析事故原因，重现事故，有利于交警对事故原因的分析及预防。典型应用有交通事件位置的实时展示，通过视频自动巡检监测事故发生位置，能够实时调动周边警力，缩短反应时间，实现扁平化快速处置。

交通事件的回溯功能实现了对交通历史状态特别是事件事故全过程的全息复现，为事故取证提供强大的功能支撑。同时，基于人工智能和大数据分析能力，可实现历史事故数据挖掘、事故多发点段研判、事故致因诊断、事故报告智能生成等应用，根据得出的结果调整警力部署，提升交管部门道路安全隐患点排查治理工作效能。

5、场景丰富，实景重现，加速车路协同落地

如何应对复杂的场景变化，提高车辆的自适应能力，保障行驶的安全稳定性，一直是车路协同的痛点问题。城区级或城市级的数字孪生数据可作为高精度地图，成为智能驾驶车辆的基础环境数据支撑。

在车路协同测试方面，平行交通系统具备完整的工具链仿真系，能够实现道路、地形、交通标志、光线、天气、交通流等的高精度仿真。基于真实道路数据、智能模型数据和案例场景数据对智能驾驶车辆进行测试和训练，能够提升智能驾驶的决策执行力和安全稳定性，加速智能驾驶更加安全地落地推广和普及。

平行交通系统支持（电警卡口、雷视、监控、标志牌）等交通设备的编号、类型、状态、坐标等结构化数据信息的监测、可视化管理和设备详细信息查询，加强管理者对设备状态的监测与感知，提升交通基础设施的运维管理效率。

警力实时状态展示与轨迹回放实现了分类就近派警。打破了“分局—派出所—民警”多层指挥模式，指挥室可根据民警的具体方位，按照“就近处置分类处理原则”直接派警，实现“分局—民警”的点对点指挥。

平行交通要实现的目的可以用一句通俗的话来概括，也就是“地图拖到哪、眼睛看到哪；眼睛看到哪、交通管到哪”。将融入AI的新一代平行交通技术同当前正在如火如荼开展的智慧交通建设深度融合，可大幅度提高城市交通管理的自动化、智能化和精细化水平，改善交通运行状态，提高出行效率，全方位实现“交通治理精细化，服务群众精准化”。