探讨了数字交管从数据融合到系统协同的发展历程，并分享了体系工程应用在数字交管领域的关键问题和案例

编者按：在当今数字化时代，智能网联与人工智能技术蓬勃发展，深刻改变着交通领域的格局。在此背景下，数字交管面临着新的机遇与挑战。

3月5日，在第十四届（2025）智能交通市场年会分论坛，交通管理数字化创新论坛中，浙江清华长三角研究院信息技术研究所副所长刘畅，发表了《从数据融合到系统协同--数字交管的体系工程新视角》主题报告。

刘畅详细分析了当前数字交管的发展建设现状，探讨了数字交管从数据融合到系统协同的发展历程，并分享了体系工程应用在数字交管领域的关键问题和案例。

1.1 所处时代背景

1.1.1 智能网联驱动体系重构

在当前时代背景下，智能网联已成为不可阻挡的发展趋势。过去，交通领域的各个组成部分，如道路设施建设、机动车运行、路面监控管理以及GPS导航服务等，都是分级分层、相对分离的。这些部分各自独立运行，缺乏有效的协同与整合。

随着技术的发展，各个主体都在朝着智能化方向迈进，并且不同主体之间的联网化程度越来越高。这使得交通体系从以往简单的分级分层结构，逐渐演变成一个复杂的立体网状结构。

例如，智能网联汽车不仅能自身感知周围环境、做出驾驶决策，还能与道路基础设施、其他车辆进行信息交互，实现更高效的行驶规划与避障；道路上的传感器、信号灯等设施也具备了智能感知和联网通信能力，能实时收集路况信息并反馈给车辆和管理部门。这种转变是时代发展的必然趋势，为交通领域带来了新的机遇和变革。

1.1.2 人工智能推动语义增强

今年，人工智能呈现出爆发式发展，对各行各业产生了极为深刻的影响，这种情况在历史上都极为罕见。在此背景下，语义增强的概念值得关注。任何算法的运行与优化，都需要建立在共享的语义规范基础之上。

如今人工智能之所以能够迅速发展并广泛应用，很大程度上得益于大语言模型。大语言模型基于统计原理，而语言经过人类漫长的历史发展，已经形成了完整且深入的规范体系。然而，行业在语义规范建设方面往往相对滞后，尚未建立起像语言那样完善的体系，仍处于不断探索和构建的过程中。这便是当前时代背景下，人工智能发展的一个显著特点，也是我们在思考交通行业发展时需要重视的因素。

1.2 所处社会形态

数字交管涉及的组织机构极为复杂，涵盖了从地方到区域、不同层级的相关机构。这些机构承担着整合信息、预测交通状况和调整交通网络的重任。它们需要从成千上万的数据源中提取有价值的信息，包括道路传感器数据、车辆行驶轨迹数据、气象数据等。

同时，智能网联环境下的交通体系架构复杂程度超乎想象。与传统系统开发不同，交通体系没有单一的拥有者，各系统独立开发，目标和服务对象各不相同。交通运输企业以提高运输效率、降低成本为目标，其开发的物流管理系统主要服务于企业内部的运输业务。交通管理部门则以保障交通安全、维护交通秩序为首要任务，开发的交通监控系统侧重于实时监测和违规处理。

1.3 核心任务和挑战

数字交管的核心任务在于实现路线选择、交通诱导机制与交通控制的有效连接。整个交通体系的运行性能，取决于道路控制、路线选择和路线引导这几个功能的耦合程度。耦合越紧密，交通运行就越有序、安全和高效。

然而，数字交管面临诸多挑战。首先，智能交通发展带来了大量数据，单一平台或系统难以承载，数据容量压力巨大。其次，系统协同所需的机制和工具尚不完善，严重制约了各系统间的协同效率。此外，由于缺乏协同机制，单点局部优化难以获取规模效应，难以实现大面积、成规模的交通性能提升。

2.1 概念

复杂系统是同体系工程相关的重要概念。“复杂系统”在1999年出版的美国《科学》杂志上出现的标题作为讨论复杂性专辑的标题，并以“代表那些对组成部分的理解不能解释其全部性质”对其进行说明，这种整体的特性被称为涌现。涌现产生的新性质和功能是组分系统所不具备的，这是复杂系统区别于简单系统的关键所在。

体系（System-of-Systems）指子系统独立、管理自主、分布式、演化且具有涌现特性的系统集合。体系工程则是以复杂系统和体系理论为指导，旨在解决体系复杂性问题的工程实践。它关注系统的整体性能和优化，研究内容主要包括集成、演化和测度。

2.2 研究现状

体系工程在多个领域得到广泛应用，如航空航天、军事、交通、能源等，为各领域的系统优化提供了坚实的理论支持。

国内外学者对体系工程的研究取得了丰硕的理论成果，系统工程和系统动力学等理论和方法不断发展和完善。系统工程从整体出发，对系统的规划、设计、开发、运行和管理进行全面的研究和优化。它运用数学模型、计算机仿真等技术手段，对系统的结构、功能、行为等进行分析和预测，为决策提供科学依据。系统动力学则侧重于研究系统内部各要素之间的动态反馈关系，通过建立系统动力学模型，模拟系统的运行过程，分析系统的稳定性、增长趋势和控制策略。

在交通组织管理领域，体系工程的研究也在不断深入。1997 年，有学者发表了关于交通体系各子系统合作的重要论文，对交通体系的复杂性进行了深入剖析，并提出了一些前瞻性的观点。2005 - 2006 年期间，国防科技大学等高校开展了交通诱导和控制一体化的研究，探索用一套体系支持路径规划和交通控制，为交通管理提供了新的思路。近年来，浙江清华长三角研究院与公安部道研中心合作，开展基于体系工程的跨区域公路网交通流均衡管控技术研究，取得了一系列重要成果，并将相关思路应用于浙江省货运物流全生命周期成本管理，为提高物流效率、降低物流成本提供了技术支持。

3.1 体系的集成

体系集成涵盖了多个方面，包括过程集成、功能集成、信息数据集成以及基于开放式架构的集成。过程集成注重业务流程的优化和整合，通过消除流程中的冗余环节和障碍，提高系统的运行效率。在交通管理中，从事故报警到处理的整个流程，通过集成不同部门和系统的工作，实现快速响应和高效处理。功能集成则是将不同系统的功能进行有机整合，形成一个功能强大的综合系统。

通信标准和语义标准是实现基于开放式架构集成的关键。在数字交管系统中，通信标准如同电话线路，确保数据能够准确、快速地传输。而陆续出台的一系列关于道路交通管控设施信息交互接口规范、交通管理车路协同系统信息交互接口规范等国家标准和行业标准，为系统之间的通信提供了保障。

以浙江省的 “浙里安行・护航平台” 为例，该平台由浙江清华长三角研究院深度参与规划，是一个交互式管理平台，贯彻了交管和用户一体的理念。它将交管侧、公路管理侧（如诱导屏）和导航侧连接在一起，优化了工作机制。例如，平台的一键报警功能可直接调用后台标准数据描述事故地点，避免了传统报警中描述不清的问题，提高了事故处理效率。同时，平台运用体系工程的分层分级控制思路，对交通拥堵区域进行合理调度，提升了交通管控的有效性。

公安部道研中心针对车路云一体化进行的交管侧体系化标准部署，也是体系集成的重要案例。围绕交管业务与外界的信息交互，包括与路侧设备、信控设备、车辆、导航平台和车联网平台等，制定了一系列标准，保障了信息交互的规范、安全和语义统一，实现了机器与机器之间的直接对话，推动了车路一体化的发展。

这些标准涵盖了信息交互的各个方面，从信息交互接口规范到数字身份认证，再到数据汇聚和信息服务，都有明确的规定。在信息交互接口规范方面，制定了详细的标准，确保不同设备和系统之间能够实现无缝对接。在数字身份认证方面，出台了道路交通管控设施数字身份及认证通用规范、智能网联汽车数字身份及认证通用规范等国家标准，保障了信息的安全性和可靠性。

通过这些标准的实施，实现了交管侧与外界信息交互的规范化和标准化。信息在不同系统之间能够准确、安全地传输，达到了语义协同的效果。这不仅提高了交通管理的效率，还为车路一体化的发展奠定了坚实的基础。与美国的自动驾驶单体智能路线相比，中国的标准体系更加注重系统性和全面性。

3.2 体系的演化

3.2.1 演化的概念与意义

体系的演化是指体系在应对环境变化时进行的自我调整和自适应行为。这种行为可以是渐进的，通过不断优化和改进现有系统来适应环境变化；也可以是突变的，对体系的架构进行根本性的重构。

在数字交管领域，体系的演化具有重要意义。随着智能网联技术和人工智能技术的不断发展，交通环境也在不断变化，交通体系必须能够及时适应这些变化，才能保持高效运行。例如，当新型车辆技术出现，或者新的交通法规颁布时，交通体系需要相应地调整管理策略和运行机制。

3.2.2 车路云一体化的演化规划

以车路云一体化的中国智能网联路线为例，从当前交通现状向未来全智能网联车机器控制的转变是一个长期而复杂的过程，需要进行科学合理的规划。在这个过渡过程中，存在着人开车与智能网联车并存的阶段，如何实现平稳过渡是关键问题。为此，制定了一系列包括技术和社会认知层面的发展目标。在技术层面，逐步提升车路协同的技术水平，从简单的信息交互发展到深度的协同控制。初期，实现车辆与道路基础设施之间的基本信息共享，如车辆获取道路的实时路况、信号灯状态等信息；中期，进一步推进车辆与基础设施的协同决策，例如在路口实现车路协同的信号优化；远期，达到车辆与道路、云端的高度融合，实现完全自动驾驶的车路云一体化系统。

为了更好地模拟和研究体系的演化过程，开发了基于元胞传输系统的流量分布仿真系统。该仿真系统可以对不同的交通场景和技术方案进行模拟分析，评估其对交通系统的影响。通过仿真实验，可以提前发现潜在问题，优化演化策略，降低实际应用中的风险。同时，基于复杂网络模块度衡量标准，开发了用于优化信号控制子区划分的动态时空分区算法。该算法能够根据交通流量的实时变化，动态调整信号控制的时间分段和空间分区，提高道路资源的利用率，减少车辆等待时间。

3.3 体系的测度

体系的测度是体系评估的重要任务，其目的是评估体系的品质能力，包括能力指标、效能指标和可靠度指标等。与单个路口或点的评估不同，对于整个路网，更注重其利用率的均衡程度。例如，一个城市的路网中，某些路段交通流量过大，而另一些路段则利用率不足，这就需要通过合理的测度指标来衡量路网的均衡性，以便进行优化调整。

由于道路之间存在相关性，传统的方差度量方法无法准确衡量路网的均衡度。道路上的车辆行驶具有连贯性，一辆车在某个路段行驶后，会继续进入下一个路段，因此各路段的交通流量相互影响。为了准确度量路网的性能，需要采用一系列新的度量方法。例如，加权网络指数（结构熵，在研）用于衡量路网负载均衡性指标，交通渗流相变点对应临界阈值用于评估路网畅通性指标，加权路网的特征路径长度用于反映路网可达性和效能指标，网络介数加上流量负载造成的路网效能下降率用于判断关键路口路段选取的合理性。

以桐乡市的交通测度为例，为了衡量交通管理的效果和交通安全设施建设的投入产出，通过对当地事故影响因素和权重进行建模，综合考虑交通事故记录、道路情况、人文社会情况（如国道、省道、县道比例，工业区与生活区的混杂程度等），确定了主导因素及其权重，形成了适合当地的交通安全评估指标体系。借助该体系，能够对交通安全设施的投入效果进行度量，并为未来的投入决策提供量化依据，从而实现科学合理的交通管理。

数字交管在智能网联和人工智能的推动下不断发展，但也面临着系统协同等诸多挑战。体系工程作为一种能够识别交通管理复杂性和不确定性的工程理论，为数字交管的发展提供了新的思路和方法。通过体系的集成、演化和测度，有望实现从数据融合到系统协同的转变，提升交通体系的整体性能，推动数字交管领域的持续发展。在未来，面对大面积动态非线性道路网的交通性能提升以及多系统组合的新体系搭建，仍需要不断探索和创新，运用体系化思维和整体思维，为交通事业的发展开辟新的道路。