未来趋势是“互联网+”交通系统新业态的形成

编者按：近日，在赛文研究院主办，智慧交通浙江省工程研究中心、浙江大学智能交通研究所承办的2022年数智交通管理跨年分享会中，浙江大学智能交通研究所所长、长聘教授陈喜群作了题为《智慧城市交通系统若干共性关键技术与应用》的报告。

该报告介绍了智慧城市的技术发展趋势，重点介绍了浙江大学智能交通研究所在该领域的十个关键技术研究进展。最后，对未来智慧城市交通发展做出了展望。

近年来，《交通强国建设纲要》和《国家综合立体交通网规划纲要》明确提出：大力发展智慧交通，提升交通运输智慧发展水平；推动大数据、互联网、人工智能等新技术与交通行业深度融合；推动智能网联汽车与智慧城市协同发展。

过去30年，我国城市综合交通系统建设取得了巨大成就，整体规模达到世界第一。截止2021年底，全国高速铁路运营里程超过4万公里，高速公路总里程16.8万公里，世界十大港口占7席，城市轨道交通运营里程8708公里。但随着城镇化机动化进程不断加快，交通系统供需失衡情况日益严峻，大中城市普遍出现了严重交通拥堵。

交通拥堵产生的同时，还带来了交通事故增加、空气污染加剧、能源消耗攀升等难题。

2020年4月，浙江省委、省政府召开全面推进高水平交通强省建设动员大会，深入贯彻落实交通强国战略部署，持之以恒大抓交通、抓大交通，加快建设高水平交通强省。

总体来看，当前的智能交通行业存在着技术分散、分离和非标准化等问题，亟需进行体系化、标准化和系统化研究。

智慧城市交通系统是未来发展的必然趋势。城市交通系统涉及要素众多、关系复杂、规模庞大，具有典型的复杂性、开放性、大规模、不完全信息、动态博弈等特点；大数据、人工智能等新技术与各行业深度融合，已成为提升各行业智慧发展水平的重要支撑；城市交通系统具备很强的多源大数据基础，具有丰富的人工智能应用场景，“用数赋智”可以显著提升城市交通管理与控制的精细化和智慧化水平；城市交通系统管理与控制的智能化、规划与服务的智慧化是未来城市交通发展的必然趋势。

共性关键技术体系核心要素关系是依托大数据、人工智能等新兴技术，结合仿真评估与决策，构建相关模型算法，实现城市级大规模交通系统的组织优化和系统决策，为城市交通系统管理与控制的科学化、数字化、智慧化提供理论基础与技术支撑。

数据驱动，面向服务，网联化已成为智慧交通主要特征，其采集、存储、分析及服务正不断升级创新。基于新一代的采集、存储、分析方法，突破载运工具运行环境与驾驶人员状态感知及接管条件辨识技术。

融合卡口、微波等多源异构数据，对交通流的复杂动态性和随机演化性进行建模：车头时距/间距/速度近似服从平移联合对数正态分布；状态时空演化，交通流扰动形成、传播和消散；交通流振荡特征，导致延误增加、油耗增大、潜在安全隐患。

构建中观随机交通流建模框架，提出了自适应滚动平滑模型参数在线优化策略，实现了多源异构数据的分解、预测、重构和融合。

浙江大学智能交通研究所提出了基于宏观基本图的网络交通流演化特征迁移学习方法，提高了数据不完备条件下的路网交通状态预测精度。

相关成果应用于中国航天科工广信智慧高速数据平台，实现了多源数据融合、交通拥堵预警等功能，为智慧高速管控提供算法支撑。

受匝道汇入流量扰动，高速公路主路流量常出现以PLC、SGW、OCT为主的多种拥堵模式。大量理论研究及实证案例表明，各类交通相图在一定主路入流与匝道入流的组合条件下相互转化。

基于传统算法ALINEA的高速公路匝道控制方法，充分缓解匝道来流对高速公路干线流量的影响。将强化学习与反馈增益相结合：设置PPO算法中对应的动作、状态与奖励。受上游来流及车道封闭影响，高速公路主路流量易拥堵或崩溃，常采用动态限速方法对其进行管控。

提出基于网约出行GPS数据的城市路网速度预测，基于网格地图匹配算法，缺失数据补全，基于深度学习路网状态预测。

多模型集成的正常与异常情况短时交通流预测算法，融合梯度提升回归树GBRT以及最小绝对收缩和选择算子LASSO。

城市路网交通流时空深度张量预测模型，通过构建交通流时空深度张量消除路段随机堆叠问题。

基于GraphSAGE及稀疏数据的交通路网速度预测，利用邻近顶点的信息高效产生未知顶点信息进行归纳式(inductive)学习。

基于出租车轨迹和多源城市数据的城市交通排放时空推断，使用高斯过程回归模型将出租车排放模式拓展到多交通模式。

城市绿色出行指数——交通出行碳足迹与排放计算框架，以杭州市为例，依据单日900+万条匿名的多方式组合出行链大数据，评估道路及区域级别的高分辨率、多尺度、时空演化的城市交通出行碳排放量。

基于拥堵状态识别、拥堵区域划分以及控制策略实施，实现城市道路交通区域信号多层次控制，应对常态与非常态条件下的城市道路拥堵与锁死现象。

突破智能感知环境下城市动态交通协同管控及特殊场景下的模型迁移推广。

提出了基于集成学习的拼车行为预测方法，发现了影响共享出行行为决策的关键因素。

解析管理者、运营方、出行者三方博弈关系，为网约出行市场时空资源优化配置提供了理论基础。

建立了政府与共享出行平台的两阶段博弈模型，证明了中国政府采取的网约车新政提高了社会福利。

融合手机信令数据及传统路网传感器数据，揭示大规模城市交通需求动态演化机制。

实现多方式多层次交通网络数据快速获取与多元融合，兼容实时数据与深度强化学习多智能体模型，单日13万次出行仿真耗时14分钟，比标杆开源软件MATSim快8倍，已部署到政务云平台。

交通仿真优化方法已在网络拥堵收费、混合整数网络设计、多模式交通综合策略优化等复杂优化问题中实现落地应用。相关研究成果支撑阿里巴巴-浙江大学数字交通创新应用中心的城市级多分辨率交通系统实时仿真核心技术项目落地，实现浙江省全域高速路网仿真及管控方案对比测试，达到秒级响应。

揭示城市形态-交通调控-多模式交通交互作用机制，从系统全局的角度对交通调控策略进行评估和优化。

基于大数据的城市复合交通网络供需平衡主动调控技术；基于多模式交通系统耦合与演化机理的仿真分析工具及优化方法。

提出面向城市交通治理的公交主导型复合交通网络供需平衡主动调控方案，建立以社会福利最大化为优化目标的时空资源配置模型；研究面向大规模路网的随机优化元模型求解算法，提升了多模式交通随机仿真优化的计算效率；研究不同调控策略对多模式交通出行的影响，建立交通策略组合优化模型。

提出网联环境下高速公路交通状态估计方法，实现车辆编队运行控制、入匝汇聚控制、车路协同控制。

未来交通的关键技术朝全息交通、数字交通、大超级仿真、智能网联以及MaaS服务、智慧出行和智能驾驶这些方面发展。总体来说，未来趋势是“互联网+”交通系统新业态的形成。以城市大脑为代表的一些落地项目，能够进一步从感知智能到认知再到决策智能，最后实现面向出行者的综合一体化的智慧出行服务。