打破垄断、求真探索、仿真赋能

01、打破垄断：自主可控微观交通仿真软件研发

在城市交通研究过程中，无论是规划设计还是运行管理，从研究交叉口的交叉形势、渠化和控制，到干道的单行道、可变车道和线控，和路网的交通组织、区域控制和诱导，这些研究只能通过仿真实现，仿真是对各种方案进行评估优化的核心手段。

在我国，仿真的应用还存在很多欠缺，我们统计了最近十五年在学术界仿真软件，学术比例最初只占3%，去年已经接近30%。中国有十几亿人口，相当多的交通从业者，工业仿真软件的用户却只有1100个。但是在美国的3亿人口中，工业仿真软件的用户有1.2万。对比来看，我们国家的工业仿真软件特别是微观仿真在学术界和工业界的需求有非常大的增长空间。

现实非常严酷，中国作为交通大国、交通强国，最基本的软件还大多来源于国外，微观软件中我们频繁使用的至少有八款来源于国外。我从研究生时代就希望能研发自己的一款微观仿真软件。我们研发的第一代的仿真软件TESS，经过十几年的模型研究，2015年开始做第二代的仿真软件TESS NG，开始面向商业化。经过几年的理论模型突破、软件架构的升级、围绕着CAD化的网络基础设施建模，今年3月份仿真软件TESS NG已经发布了，目前已经有几百家用户在用我们的软件。TESS NG软件界面如图1所示，评估、设计方案在软件上可以进行直接的评估、分析，系统特色十分突出，系统具有10大类模型，100余小类模型及逻辑。图2以机非交互车道为例展开简要介绍小类模型。

图1：TESS NG微观仿真系统界面

图2：TESS NG软件特色模型（以机非交互为例）

我国交通环境属于混合交通流环境，涉及非常多的细微模型，模型的不精确直接影响仿真评价的效果。任何一个模型都要经过中国道路实际数据的标定，并且与国外的数据做了非常详细的对比，这样才能支持仿真软件的模型创新。此外，进行数据可视化，也可以看到TESS NG跟其他主流的仿真软件形象的对比。更关键的是，TESS NG跟其他仿真软件相比，如图3所示，不论是在快速路、瓶颈区、混合流交叉口还是混合流路段，它的性能均高于主流的仿真软件，这是令我们比较欣慰的。我们不仅要打破国外的垄断，还要证明我们软件的仿真性能比国外软件性能的更高。

图3：TESS NG交通仿真系统在交通工程中的应用 

TESS NG交通仿真软件在国内有非常多的应用，虽然只是有一年多的商业化发布，但是目前我们在单点、干道、深圳福田中心区路网，包括沪宁高速和虹桥枢纽等都进行了各类效果评估。

图4：TESS NG交通仿真系统在国内交通的应用

02、求真探索：深度微观交通仿真研究与应用

下一步我们要做什么事情？我们提出要深度仿真，为什么要深度仿真？目前的仿真软件开发围绕着效率评估展开，用仿真软件来评估出行时间、评估排队和评估延误都是面向效率问题，但是评估拥堵演化变得几乎可有可无，安全和能耗问题更是无法到达。深度仿真背后有非常多的需求，而核心的需求就是要开发高精度的模型，满足多目标的评价需求，突破面向效率的评价，面向安全、面向环境、面向排放，能有更多的评价可能。

从去年我们发布了TESS NG仿真软件的商业版以后，在学校里进行了很多模型体系的探索，主要有三个方面：1）从一维到二维，传统的基于车道的模型到基于平面的模型；2）从以车路要素建模为主到以人车路环境信息全要素建模；3）从规则行为模型到混杂干扰行为模型。

现实中的驾驶行为，交通参与者在二维空间中自由移动。现有的仿真软件只能模拟出图5中的两条红线，而机动车真实的轨迹是平面的蓝线，这是仿真本质上的缺陷，现在交通软件只能基于车道仿真，没办法基于平面仿真。在很多现实场景中，不管是交叉口还是混行的路段，哪怕是快速路汇入区、汇出区，都要基于平面建模。对智能网联汽车轨迹研究的要求更高。如何打破现有的建模方法论，在二维平面空间建模，这是非常大的挑战。进行二维，需要改变整个建模方法论，与原先的方法论非常多的冲突点，操作执行也完全不同。不管是机动车和机动车交互的安全性，还是机动车和非机动车交互的安全性，还是整个轨迹的覆盖度，都发生质的变化。之前没法做基于二维的仿真，只有基于平面的模型才有可能做类似的评估。

通过与智能网联汽车合作，我们渐渐发现，即使是智能网联时代，驾驶人的因素变得更重要，在5G全面应用之前，不可能百分之百都是智能网联车，一定会存在人为驾驶的汽车。我们在2012年用6辆车驾驶50万公里，收集驾驶人的数据、环境数据、周围车辆数据、车辆动力学的数据。我们还和郑州宇通公司合作，邀请36位乘用车的司机，平均每个驾驶人行驶1000公里以上，目标是获取驾驶人数据在不同的环境信息影响下的变化。我们做了非常多的基础性工作，期望能够基于大规模的自然驾驶实验获取人、车、路、环境全要素的数据来支撑建模，描述驾驶员的分心、路怒和疲劳等时变特性，推理驾驶人到驾驶行为因果，以提高建模的深度。 

图5：其他仿真软件对左转车辆的模拟

我们现在已经把干扰行为放入建模，在常规的交通场景里，守规则驾驶员大约占80%，仍然有20%到30%的驾驶员是不遵守交通规则的，这些驾驶员并不是完全随机不守规矩，而是受了一些干扰。现有的仿真系统，把干扰行为加入仿真，基本形成深度仿真的理论体系。有了这样的理论体系，对仿真来说已经可以突破面向效率的评价，可以评价安全、环境和智能网联系统，对于目前的智能汽车的虚拟测试有非常多的应用。兰德公司研究表明，由于事故是极小概率事件，若证明智能驾驶车辆比普通的驾驶者更安全，需要100辆车全天24小时驾驶汽车，并连续测试225年，唯一能够实现的途径只有仿真测试。不关心效率、出行时间和延误，关心的是仿真的安全性和实际的安全性能不能相符。现有的智能汽车仿真测试缺乏背景交通流，更无法提供满足安全性测试要求的高可信交通流模拟技术。通过深度交通流模型、传感器模型与汽车动力学模型整合，仿真出来各种横向的干扰行为，可以支撑智能汽车虚拟环境中高可信和高效率的测试。目前国内80%以上智能网联车已经用我们仿真系统做过深度测试。

图6：深度交通流模型支撑了国内主流AV虚拟测试平台

03、仿真赋能：微观交通仿真服务生态系统构建

有了仿真模型和仿真工具，还要和行业融合。怎么构建仿真的服务生态系统，是我们目前亟待解决的问题。TESS NG是开放的软件，有非常好的开放生态机制，利用我们的仿真系统可以做各种各样的工作。我们提出来的理念是，运用我们的仿真与宏观的交运之星整合，实现规划-设计-管控一体化仿真、多分辨率仿真和多视图仿真；嵌入信号机操作平台，与中国移动、康宝等单位合作，实现大规模、多系统耦合在线仿真；利用高精度地图模型，与BIM、CIM等软件整合，做到VR+AR仿真；利用车路协同典型场景设计和车路协同管控算法，设计车路协同高精度交通流模型，实现车路协同的仿真测试。

图7：TESS NG交通仿真开放生态机制

接下来具体介绍构建生态系统的两个案例。图8左边是交运之星的大系统，右边是TESS NG的模型，大规模微观路网仿真需要精准的路径数据作为支撑，宏观交通仿真是提供此类数据的唯一手段。微观的运行状态（节点转向/拥堵状态等）可以有效验证并校核宏观路网的分配结果。宏观的初始集计数据可以有效验证微观模型准确性。宏微观不同层次的一体化仿真运行结果可以对城市交通网络规划、管控等不同规模的实施方案进行有效地指导。这个工作说起来容易实际非常难，涉及宏观路网分配的路径，需要统一的路径算法，宏观的路网路径要具体到微观车道的路径再到驾驶行为的自动化标定。通过与交警手机端、客户端的管控策略的结合，执行交通的仿真。当路网中有道路施工时，交通的宏观和微观进行一体化的变化，由此可以分析任何一个路口、路段、路网微观的运行情况和供决策执行的统计指标。通过一体化的耦合，可以进行简单的支撑规划决策。

图8：宏微观一体化仿真 

第二个应用是在线仿真。城市交通大脑就是现有大数据的整合和路网的整合，能够做到问题发现、态势分析和离线决策，它是基于数据的方法论。嵌入仿真可以升级现有功能，从问题发现到病因诊断；从态势发展到机理分析，分析管控有问题还是道路设计有问题；从离线决策到在线优化，可以生成多个预评估方案，再下发到实际的系统。在线仿真实际上就是赋能城市交通大脑。我们和中国移动、万集合作，将路网数据实时读入TESS NG的仿真系统，可以进行做到管控措施在线仿真和管控方案的实时输出展示，还可利用各类平台前端可视化地展示应用。

我们这几年围绕仿真有过一些思考，基本理念是微观仿真的基础理论和应用研究，围绕着自主可控仿真软件、深度仿真方法、仿真即服务、仿真生态体系构建这四大仿真技术。希望和各位同仁一起构建仿真的生态体系，创造无限的可能，将仿真赋能城市交通的各个业务，包括智能网联汽车、车路协同的业务。 

*文章转自ITS世界，作者孙剑，如有侵权，请联系删除。