交科所在多模态交通场景下信号控制优化策略的探索内容与实践经验

编者按：3月6日，在2025年（第九届）交通信号控制发展年会-交通感知与控制中，公安部交通管理科学研究所副研究员树爱兵，发表了《多模态交通场景下信号控制优化策略探索与实践》主题报告。

随着交通拥堵日益严重，多模式交通冲突加剧，多样交通参与者类型、复杂交通流交互、动态交通需求与状态演变以及不确定性因素等，对传统交通管控方式带来系统性挑战。树爱兵从技术背景、优化策略、实践应用和近期展望的四个方面，详细介绍了交科所在多模态交通场景下信号控制优化策略的探索内容与实践经验。

交通拥堵始终是备受关注的话题。据一项针对36个主要城市的交通运行态势报告显示，与2023年相比，去年交通拥堵程度环比均出现小幅上升，交通拥堵已成为常态。与此同时，随着近年来绿色出行理念的倡导，民众出行意愿增强，机动车、非机动车等多模式交通出行增多，不同出行模式间的冲突加剧。交通拥堵的日益严重以及多模式冲突的加剧，给传统交通网络模式带来了系统性挑战。

传统交通模式主要涵盖机动车、非机动车和行人。然而，随着技术发展与社会需求的变化，网联车辆、自动驾驶车辆、共享电动车等新元素不断涌现，交通模式正发生翻天覆地的变化。同时，以往交通状态较为简单，通常分为高峰和低谷。但如今，各种天气因素、高峰时段的特殊事件、交通事故等诸多因素交织其中，使得交通管理变得更为复杂。

基于此，所谓多模态交通场景是指不同交通模式在不同交通状态下相互作用、相互融合的复杂系统，强调融合与协同，并非简单叠加。

多模态交通场景具有以下四个显著特征：

其一为多样性。不同交通模式，如汽车、公交、自行车、行人等，各自的出行需求截然不同，交通模式呈现多样化。

其二是复杂性。不同交通模式之间存在竞争关系，例如机动车与非机动车、公交车与社会车辆等，不同交通方式间的关联和协调，加剧了交通系统的复杂性。

其三为动态性。在不同时期、不同道路条件下，交通状况实时演变，对交通控制的响应要求极高，进一步增加了交通的复杂程度。

其四是不确定性。天气变化、交通事故、突发事件等不可预见因素，以及车辆驾驶人行为存在的个体差异，影响交通运行的稳定性与可预测性。

基于上述特征，传统信号控制策略针对多模态交通场景应用存在局限性。

其一，难以满足差异化需求。不同群体站在自身角度，诉求各异，传统交通模式难以应对这种差异。

其二，精细化控制缺失。传统策略更多以机动车为主，对非机动车、行人等参与者的充分考虑和优先保障不足。

其三，动态适应性欠佳。面对交通流的动态变化和突发事件，传统信号控制响应速度较慢，存在滞后现象。

其四，缺乏系统性思维。从多模态交通系统的角度考量，传统策略在单点与整体的关联性上有所欠缺。

鉴于多模态交通中传统信号控制策略的弊端，近年来我们探索提出了面向多模态交通场景的信号控制优化策略，并构建了相应系统。

总体架构由“模式协同与互补”与“交通状态动态调控”两大理念双核驱动，通过“端—边—云”三层控制架构实现多模态交通场景下的智能化信号控制治理。模式协同与互补旨在促进不同交通模式协同运行，实现优势互补。交通状态动态调控方面主要依据不同交通状态动态调整信号配时方案，实现精细化实时动态调控。

在边缘侧，系统以边缘计算设备和信号机为核心，整合毫米波雷达、视频检测器等路侧单元的多源异构数据，融合基于语义化表达技术由物理标志标牌信息转变而来的交通指挥数字信号等信息，实现多模态交通场景下的局部自主控制。

系统基于国密算法和数字身份等手段，构建可信信息传输通道，实现边缘计算设备与前端设施的安全交互。同时借助GA/T1049.2-2024等相关标准，实现与面向多模态交通场景的信号控制系统数据通信，将数据汇聚至信号系统标准化联网联控平台。

在中心侧，基于多源异构数据构建中心数据底座，依托AI、大模型等先进技术，注入行业知识和专家经验，集成数字孪生技术等构建混合增强智能引擎，进行迭代优化和模式互补，调整信号控制运行策略和方案。

系统支持与第三方平台进行共享，包括互联网平台、公安内部的其他业务系统（如12123等）等。同时，系统也获取其他平台的数据，实现数据互通。

首先是多模式场景中的公交优先情况。公交优先策略在许多城市广泛应用，但存在两个突出矛盾。

其一，公交优先与社会车辆模式存在冲突。在实际交通控制中，公交车辆与社会车辆矛盾难以调和，由于公交信号优先，可能会压缩社会车辆通行时间，导致社会车辆的延误时间显著增加。

其二，干线协调控制与公交信号优先难以协调。公交车辆在优先通行时，可能会破坏干线协调的绿波效果，致使公交车辆无法在理想时间通过交叉口，同时也会影响社会车辆的正常通行。

针对这一问题，系统实施信号优先补偿策略，遵循两个基本原则：一是考虑干线非协调相位的绿灯需求，不破坏干线绿波带；二是满足最大绿灯时间、最小绿灯时间和最大红灯时间等边界约束条件。

具体策略为，在不影响协调相位绿信比的情况下，寻找公交优先通行的有效绿灯时间和协调相位的起止时刻移动量。灵活利用绿灯时间同步补偿非协调相位，形成绿灯延长补偿和红灯早断补偿两种方法。该策略既能充分补偿各个相位的绿灯损失时间，又能维持绿信比稳定在无优先时的状态，实现干线协调中社会车辆与公交车辆通行效益均衡。

行人过街也是一个备受关注的常见话题，常见于学校、医院、商场、居民区等地。

近年来，针对行人检测的技术方法有诸多发展，但仍存在一些不足之处。首先，不同场景下行人需求各异，现有技术往往未充分考虑行人忍耐时间，导致常见的组团闯红灯现象。

其次，部分技术侧重于行人检测，未兼顾机动车通行状态，对机动车通行产生较大影响。再者，在实施行人过街控制时，方式较为简单，难以适配不同行人数量的过街需求，易出现行人过街时间浪费或绿灯时间不足的情况。

针对上述问题，系统制定了行人过街自适应控制策略。依据GB/T43229—2023《交通信号控制机与车辆检测器间通信协议》标准，不仅检测人行道上的行人，还对等待区域行人和非机动车等进行检测，实现对整个交叉口机动车、非机动车、行人等不同交通方式需求的精准感知。在此基础上，通过精细设置行人控制流程，实现对行人过街的精益管理。该控制策略可适应单点、干线等多场景，能够快速响应行人过街需求。实际应用效果显示，行人延误和机动车平均通行延误均有所下降。

此外，干线协调控制也是当前研究的重点，常规干线协调控制的不足之处在于：第一，对交通流波动适应性差。第二，动态调整能力弱。第三，交通模式兼容弱。第四，环境适应性不足。第五，协调一致性不良。第六，多目标优化机制欠缺。

基于当前干线协调控制不足，系统构建了干线协调自适应控制策略，通过获取基准信号配置参数和实际信号运行信息，实时计算下个信号周期的自适应调整区间和各个相位的迭代优化运行时间区间。在此基础上，引入注意力机制，解决迭代优化过程中协调信息逐渐丢失的难题。最终实现干线协调信号基准周期动态可变，自动生成适配实时交通状况的信号运行方案，实现全量级、全要素的干线信号动态优化。

在交通状态方面，交通流溢出控制是一个常见场景。针对交通流溢出问题，系统制定了分层递阶控制策略，实现联动交叉口群的溢流防控技术，可基于不同交通运行状态（如车辆排队超限、临近溢出，出口溢出）等情形，灵活采取上游分布截流、下游快速疏散等措施。同时，对于关键交叉口，实现流向级的全红控制，确保溢出流向全红控制时不影响同相位其他流向的正常放行。

智轨信号优先：该线路从地铁同里站至同里古镇站，全长约5.1公里，沿线设有11个信号灯。优化后，车辆平均旅行时间缩短至11分45秒，行驶速度提升至26.0km/h。

有轨信号优先：覆盖某城市主城区50个路口，全长20.07公里，交通流量极大。优化后，有轨电车的速度得到大幅提升，最高运行速度提升至60km/h，运营准点率和运营图兑现率也显著提高。

干线协调自适应：在某条道路实施干线协调自适应方案后，无论是从东向西还是从西向东行驶，车辆的旅行时间均显著减少，平均速度大幅提升。同时，实现了全量级交通信控参数动态调整，不同相位及相位差根据交通流实时变化不断调整，交通流量与周期拟合度良好。

首先是试点标准化联网联控平台。基于标准化的数据接入、开发与共享，打造标准化的信号控制数据底座。该平台具备基础控制模块，同时支持第三方个性化模块。平台对内实现闭环协同联控应用，对各品牌的信号机进行联控；对外实现开环互动进行数据交互，可与集指公安网版等进行数据交互和应用协同，实现跨网络、跨平台、多主体数据的服务交互，支撑互联网、车联网应用，构建起一个涵盖互联网、物联网等，数据互联互通且安全有序的体系。

其次，近两年我们制定和完善标准体系，提出了交通指挥数字信号概念，即将给人看的物理交通信号转变为供机器使用的数字信号。同时，基于数字身份的安全推送加固相关软硬件，实现信息的安全可信传输，建立起信息交互安全管理体系。交通指挥数字信号，有望成为车路云建设的重要基础，发挥关键桥梁作用。

再者是AI驱动信号控制方面。通过已构建的多模态交通场景和交通指挥数字信号，借助AI驱动实现信号优化，主要体现在两个层面：一是端侧实现协同优化控制，局部自主，可达成安全预警、让行控制、单点自适应与溢出控制等效果；二是平台耦合，实现全局优化，达成绿波诊断优化与多模式协同等应用。总体而言，车辆不再仅仅被动接收信号信息，而是能够主动参与并影响信号决策。

最后是信号信息服务。通过输出带有交通数字身份的交通指挥数字信号，实现信息的上云上车，支撑对智能网联汽车上路行驶的交通指挥调度，保障安全高效通行。同时，输出绿波车速引导信息、信号灯启停引导以及路径规划等不同时延级的交通数字信号，为用户提供精准实时的信号服务，推动车路云一体化建设的发展。