• 顧金剛:聚焦場景,目標導向,城市交通靶向治理路徑思考

    2021-03-09 17:18:55 來源:ITS世界 作者:ITS世界 評論:
    分享到:

    image.png


    顧金剛 副研究員

    公安部交通管理科學研究所交通控制技術研究部副主任




    01


    城市交通治理的時代需求


    image.png

    首先,簡要介紹一下我們城市目前的發展。城市交通確實發展得比較迅速,從道路建設來看,截止2018年底,城市道路有43萬公里,每年有5%的增速。但在同期中機動車的增長率是更快的,近些年來以超過了12%-13%的速度在增長。到現在為止,目前的機動車保有量是3.65億量,汽車是2.75億量,31個城市超過200萬輛,12個城市超過300萬輛,機動車增長迅速,帶來的交通擁堵、交通事故各方面的問題都比較突出。

    image.png

    為了解決城市交通問題,實際上我們一直在努力,在公安部部署了多方面的工作,圍繞城市交通治理做了大量的部署,從2000年開始的暢通工程2017年實施的文明暢通計劃,現在每年公安部也在發布一些指導意見,2019年我們發布了交通組織的指導意見,2018年發了勤務機制改革指導意見,今年我們剛剛發布了信號控制指導意見,這也說明我們的工作在逐漸深入,針對一些細化的領域在做具體化的指引,希望我們的工作能做得更加精細一點,為了解決城市的問題,我們也在不斷努力做一些新的工作。

    image.png

    雖然我們也很努力,但機動車確實增長得太快了,現在一些交通擁堵的問題還是比較突出的。通過這些現象的分析,我們覺得有幾方面的原因比較突出。

    image.png

    第一,交通組織渠化、設施設置以及信號控制與交通動態變化需求不匹配。

    第二,交通管控技術方法、系統的孤立運用與網聯以及大數據環境下融合應用不協同。

    第三,重建設輕應用、重經驗求數據,科技投入與應用能力提升存在不平衡。

    image.png

    習總書記講,我國已進入高質量發展階段,我們要集中解決發展不平衡不充分的矛盾問題。交通也一樣,雖然現在做了很多基礎的工作,但也要解決不匹配、不協同以及不平衡的問題。

    image.png

    交通問題我們可以做區分,不同的交通現象是有差異性的,有的問題跟我們的基礎設施有關,有的是運行當中產生的問題。這些問題有的是偶發性的,有的是常態化的,這些問題我們要做區分,區分出來的問題我們可以稱之為場景,這些場景要細化對應。針對這些場景,我們要去治理。最近我們也有國家課題做支撐,利用數據做深度的分析,找出要解決的問題到底是什么,然后再實施一個精準的治理,最后再做一些評估,形成精準治理的閉環,用數據做驅動,我們要樹立一些明確的靶向,這跟我們下午論壇的主題 “數據賦能 靶向智能” 非常契合。 


    02


    聚焦場景的數據畫像和診斷



    image.png

    具體怎么做呢?圍繞一些場景,怎么利用數據做深度刻畫呢?對此我們做了一些研究。一方面,從路網運行層面可以去做大的宏觀評價,從這里面可以得出很多的結論。關于整個城市的運行層面,我們也需要大量的數據做分析,我們也利用互聯網的出行數據,從多維角度評估體系,然后用一些方法畫像,其實畫像呈現城市不同的特點,還是非常有意思的。我們今天主要聚焦具體的道路場景。

    image.png

    我們具體要解決路網上面運行的不均衡、不協調以及擁堵的場景,我們要用數據刻畫它。怎么刻畫呢?首先要把場景構建出來,先利用本身的一些屬性,比如運行時的動態屬性,我們把這些屬性疊加起來,針對它在什么地方,有什么樣的運行對象,產生了什么樣的現象,我們構建成一個場景,用數據化描述交通擁堵、秩序亂、安全問題低的問題。我們平時說,這個地方很堵,這個地方秩序很差,這些場景需要用數據化構建。

    image.png

    我們提取了一些畫像指標,道路基礎的通行暢通能力,再到路口交通流運行的壓力,以及需要通過的交通流有多少,造成的運行狀態是什么樣的,有什么樣的規律,會用一些指標刻畫。用指標刻畫出來,我們覺得每個路口還是很有特點的,同樣是一個十字交叉路口,可能在主干路上,交通量非常大,體現出來的特征與不同位置、不同交通狀態所表現的特點是不一樣的。 

    image.png

    比如一個主干道的交叉口,交通壓力非常大,交通需求和運行狀態偏高,運行可靠性的指數偏低,明顯能刻畫出它的特點。如果是屬于潮汐現象比較大的路口,它的各方面指標表現也是不一樣的。我們首先通過正向來看,知道這個地方是堵的,它的特點我們也知道,所以我們用數據做刻畫,構建一個模型出來,把不同的場景用數據進行描述,形成一個模型,以后把數據和模型分析的方式倒過來,用這樣的數據模型來找這個城市哪些是比較堵的路口,哪些是潮汐方向比較明顯的路口,我們事先不知道,只是通過數據去讀取分析,我們想這樣去干,把數據模型構建起來,到了一個城市,就可以用數據模型反推每個城市的特點。

    用這種數據畫像的方式,能讓我們把一個場景的特性更加量化,也可以用可視化的方式體現出路口的特點。畫像的目的,是為了刻畫這個路口或者這一段路運行的規律和特點,有了刻畫出來的這些規律和特點,再通過一些分析和比較,我們就可以對它存在的問題進行診斷。

    image.png

    比如這是一個排隊不太均衡的路口,首先從交通流量的變化就能看出,從排隊的程度和數據指標也可以看得出來,建立一些關系表達的方式,比如早晚高峰之間的差距,或者是不同方向之間的差距,我們來分析到底是對象的失衡,還是同方向不同流向的失衡,我們來細化地刻畫它,從而可以診斷出這個路口是一種失衡的狀態。

    在這個基礎之上,我們還可以更細化地探討原因是什么,我們引入對信號的一些評價,比如把信號的周期、空曠率、綠色有效率等等聯系起來,做一些比較,可以更深入地得知這個路口到底是控制上存在問題,還是說交通組織存在什么樣的問題,或者是其他設施上有問題,一步步地進行深度刻畫。深度刻畫以后,得出管理的癥結,并做深入分析。

    image.png

    我們要用大量的數據支撐這項工作,我們現在有什么樣的數據?一方面,數據來源于路面上前端的設備,有大量的感知設施,有監控,有卡口,有本身信號機產生的數據。這些前端的數據我們已經有了基礎,中心系統也有大量的數據,公安系統也有數據,公交平臺也有數據,還有物聯網的數據,比如車輛軌跡以及分析擁堵的熱力圖,這些都可以作為支撐。但是這兩方面的數據各有優缺點,路上采集的信息比較精確、比較準,但覆蓋率比較低,我們的一個卡口只能管一個斷面,即使在路口,咱們有反向的視頻檢測或者雷達,也就只能管200米,是斷面化的,覆蓋面比較小。中心系統的一些數據面比較大,全程都在跟蹤,有泛在的特點,但樣本率達不到我們所期望的需求。這兩者雖然能融合,但我們希望以后數據的發展,包括系統以后的建設,向全量化、全要素、全數據的方向發展,從而提出下一步交通建設的方向。

    第一步,我們對場景進行刻畫,描述規律,通過規律發現問題,引入管控措施進行深度診斷。診斷之后,就要看看怎么治理。如果要治理,首先我們得確定目標,不是說針對這些問題直接開始干,要干到什么程度?我們要治理一個超飽和的路口,要追求什么程度?如果這個路口飽和度下降到0.7-0.8,這不是合理目標,但我們有一些具體的訴求,這可能是主干線上或通勤道路上的關鍵節點,這里面有一些剛性的需求,比如經常要通過這個路口的通勤交通,我們把它找出來,就像伍所長說的常旅客,路上應該有常走的車,把它找出來,看數量大概有多少,應該把路口的通行能力維持在什么樣的水平。另外的一些交通流是可調可控的,我們通過一些手段分流掉,這才是我們可行的目標,對不同的交通運營場景,我們分別制定不同的目標,做一些治理的措施。新的目標確立,對不同場景有不同的目標。

    image.png

    在研究當中我們列舉了若干場景庫,針對不同的場景有很多診斷接口,我們會建立優化的對策庫,有很多對應的措施。比如公交延誤,有很多方法對應,這些方法要有一定的適用條件,在不同條件下要用不同的方法。還有一些實踐的案例,我們會建立案例庫,慢慢積累很多好的經驗方法。構成這些庫的目的,如果咱們在座一些單位和企業有能力,咱們用人工智能的方式學習這些庫,做好以后的人工學習輔助,這就是資源,可以把這些資源作為學習的基礎進行提供,這也是為了面向未來,我們會構建對策庫和案例庫。


    03


    目標導向的優化對策和評估



    image.png

    實施了對策之后,應該要馬上干一件事,評價。評價也要圍繞剛才確認的目標,比如說我是為了改善運行的穩定性,會有一系列的評價指標,看看有沒有達到要求。這種評價不是一味地追求這個路的長度縮短了多少,速度提高了多少,而是我們有合理的一套指標進行評判。實際上就算我們從不同的維度共同實現目標,我們的評估也應該要多維化。

    image.png

    這里有一個案例,對一個短連接的路段,通過規律的分析,制定一個目標,讓它中間的路段不能堵起來,這是具體場景的具體目標。實施的方式,通過信號的協同,把中間滯留的車輛減少,做信號方案實施然后評估,我們去做一些評價,看它的效果到底是好還是壞,從圖上來看下降是有明顯變化的,但這個變化不是我們所期望的最好目標,還存在溢出現象,我們再通過循環優化,把溢出率降得更低一點,一步一步形成循環迭代,讓交通治理的措施更加有效。


    04


    治理能力提升的支撐條件



    要實現精準治理,需要幾個支撐。

    首先是數據支撐,就是要利用好現有的系統,把數據打通并讓數據融合,把它變成我們可用的數據。前端的數據要直聯,現在問題比較大的是,各個系統還是像煙囪一樣,直接對著自己的中心,沒有把數據推到前方去,雖然前面的數據很多,但可利用率不高。我們現在在做這方面的研究,在研究邊緣計算的節點,希望能夠把相關的路面設施數據植入到路上節點,再推送到控制中心,比如以信號機為中心,把數據推送給它,讓它在前端直接開始做控制。特別是以后車聯網發展以后,車聯網的數據可以直接跟前端做通訊,做一些實時的調整。后端也要廣泛互聯,不同系統之間的數據要聯系起來,要融合,各自發揮各自的作用。比如互聯網通行數據的特性,對整個交通運行狀態的診斷是比較好的,我們自己的數據對于精準找到哪些車輛來說是比較有用的,這些優勢組合起來,形成大家共同的數據。

    image.png

    我們也在做一些基礎性的工具,這些數據需要有一些標準化的接入,或者說發布的接口,這些標準我們逐漸在制定。比如說最近正在征求意見稿,有接口規范,有信號設施的通信協議,我們準備升為國標,還有一些系統方面的數據。從最前端到中心的節點,比如信號控制,再到中心獨立的信號系統,再到大平臺,比如集成平臺,各個層面之間的標準我們都在制定,形成一個標準化的支撐。包括我們的運行評估,也在做相關的技術規范,有了同樣的規范之后,我們評估的工作基本上能統一起來,或者說是形成一致的評價結果,不會說同樣的方法讓這個城市很堵,到另外一個地方變得不堵,標準不統一會有問題。

    我們的運行機制要形成體系化,做好了診斷、分析、策略,要運行下去。執行體除了常見的信號控制系統之外,實際上警力和交通誘導也是我們很重要的手段。比如超飽和的路口,我們希望其中的一些交通流要分流掉,光靠信號不夠,要通過導航提前分流掉,所以我們的執行體是需要做一些體系化建設的,更關鍵的是,有了這些數據,還需要很多的算法支撐,有了這些算法,我們才能把一些數據做得更好,這是科研院校更擅長的,從而形成整個的大體系。

    以上就是我今天匯報的主要內容,簡單來說就是問題導向、數據畫像、分析診斷、靶向目標、精準治理、效果評估,形成一個精準治理的閉環。


    (本文根據第十五屆中國智能交通年會速記整理,未經本人確認)


  • 關鍵字: 智慧交通
  •    責任編輯:黑蘿莉
  • 每周新聞精選

  • 關于我們
  • 聯系我們
  • 廣告贊助
  • 日本漫画之无翼德男女主在各种地方做gif老湿机视频懂得 美国av蜜瓜电影网 欧洲老太70~80 一级a做爰片视频美国日本毛片高清