0755-23193599
中文
中文-Chinese 英语-English 西班牙-Espa?ol
668866app/新闻中心/行业新闻
联网环境下交通协同节制的技术之路

2020-09-15


近年来,从最早的物联网、移动互联,然后车联网,现在大数据、云计算、人工智能最受关注,常规的交通节制如何更好的运用这些新技术,和这些技术结合起来,这很是值得我们去思考。这些新技术的发展,必然也催生了我们现在交通管控里的技术、应用的进级。但问题是,从这些物联网等新技术如何更好的服务于我们实战需求呢?如何运用新技术,遵循什么样的路径去实现应用?
各个系统集成的思路都是纵向集成,这些年我们发现,各个系统都是相互独立在应用,固然应用的也比较好,固然我们更希望将这些系统整合起来,所以把他们做了集成,在我们指挥中心做集成,但这些年我们发现最难的也是集成这件事。
而我们的指挥中心除了大屏,除了指挥中心之外,其他的功效在我们实战中发挥的浸染不那么较着这给我们带来很多这样的思考。我觉着有一点原因是,我们的技术还没有发展到这样的一个阶段,发展到现在这个阶段实际上也给我们带来了一些突破的办法。网联、互联这样的一些新技术,到底与我们传统的交通系统有怎样的一个匹配。
2016年阿里的王坚博士说,“世界上最遥远的距离是红绿灯跟交通监控摄像头的距离。当时给我的思考:嗯,确实是这样。为什么我们路口的摄像头不能和我们信号机连在一起?为什么我们所有的智能交通系统都是在纵向的集成?为什么我们系统,我们前端的设备不能横向物联?我们的系统在中心为什么不能横向的互联?我们的系统为什么不能在互联网,如手机终端联网呢?
如果是做了这样的一些联网,会发生一些什么样的工作?我并不是说我们纵向集成的思路是错的,但另外一个方向我们确实是该当去考虑的。
除了纵向集成,还有一条线就是横向的互联。这样一个想法,如果我们想去实现,会发现有很多创新思路出现。当我们的信号机和视频检测器互联的时候,我们至少会让视频智能化的程度越来越高,因为我们在依赖于它。
当我们在前端进行很多物联、互联的时候,我们就会产生很多数据,那么这些数据都有哪些呢?我们是做什么呢?是让我们公安做信号节制也好,交通节制也好,更多的是管车?还是管人?我们管的是秩序。
实际上想想我们要做感知也好,要做采集也好,我们现在有了这样的智能分析产品,就知道驾车人长什么样,就知道驾车人的车是什么样。
我们现在有很是好的定位技术,我们走到哪里,我们就可以定位到哪里。接下来我们有汽车电子标识,也就是说我人、车的身份均被识别了。如果我们把他们连起来会是一个什么状态,这样大量的信息可以刻画什么?这是以前从来没有的。
所以我们觉着这是一个很好的机缘,我们希望加速步伐去更好的做一个结合。有了一个这样的前端赓续智能化,AI化的产生,那么我们目标是什么?能给我们带来什么?我觉着更多的是一个精准化的应用。
以前我们更多的是要做推演,做预测,但现在我们发现数据来了,我们可以把前端描绘的更精准,把路网的状态描绘的加倍精准。可以让我们在路网层面上由上而下,由区域到点上,这样的思路可以去执行了。
交通感知向精准认知迈进
首先说说前端的事,也就是我们采集的事。十年前我们讲采集,五年前我们讲感知,现在我们讲认知。我们有了视频,有了雷达,有了位置信息,有了车辆信息,人的信息,我真的是精准去刻画,可以刻画到车动态的一个状态。
在中心我们借用互联网的数据,我们可以把路网整个纪律的特征描绘的很是精准了。我们以前做的是静态的工作,交通运行是动态的,原来的交通信号计划是静态的。他们之间的拟合度到底有多高,这也是我们信号一直做的不机动,迥殊不智能的矛盾,关头所在。我们做了一个绿波,一个计划,晋升15%~20%,迥殊好。但是我们发现,过了一个星期后,计划就不适应了。当我们发现这个路堵的时候,我们就不从这路口走了。这也是动态变化的特性。
我们早晚高峰拥堵的时候,是一个快速汇聚的趋势。但我们更关注,4:30-5:30开始堵,真正堵的时间有多长,这个动态特性有没有刻画出来。刻画出来,接下来的缓堵措施,除了从路网层面外,还有一些交通消散的措施。
有了这些数据之后,发现前端的信号机有不适应了,我们采集了很多数据,但是信号机只能用0,1这样的数据。我们的信号机都是基于流量,占有率两个二维指标的模型算法做出来。这样我们就想重构信号机的算法、逻辑。
到了中心系统,我们有更多的数据,无论是互联网数据还是固定点数据,我的数据结构又重新变了。那我们的信号机算法和逻辑是不是又要变化了。
有了这么多的数据,我们原来的信号系统是安装在一台服务器上,两台服务器上,我们在想现在的服务器能计算么?能承受吗?我们想到大数据如何信号结合的问题。我们面临的工具是城市交通运行的环境,路网状态是高峰的时候很堵,过饱和的;平峰的时候还可以,平峰时候黑白饱和的。我们在大学专业课里学的只是都是在平峰时候非饱和状态下的处理,高峰时候过饱和状态下还需要我们在实践中摸索,讲义里并没有很好的指导。
信号节制向协同节制发展
在高峰过饱和和非高峰非饱和状态下,有不同的节制计谋,不同的节制逻辑和方法。在这样的技术发展基础上,我们提出了做“信号及时响应节制”,因为我们有数据了,可以做数据驱动。
原来我们采集流量来预测下一阶段可能排队环境。现在我们不需要这么做,因为视频就相当于眼睛,我们能立刻看到排队了。我们有了高德、百度的数据,知道哪个地方快堵了,汗青时间里哪个时段要堵了,哪就可以提前行止理,及时进行响应了。
我不是做基础理论研究的,不好说这个“及时”是属于自适应还是属于感应,但是我是做应用的,要给交警一个实实在在的变化。我们希望路口在非饱和状态下,车辆放没了,灯该当切换了。
中山大学余志教员讲了一个信号评价的标准:如果节制最好的话,车没了,绿灯结束,绿损最少。实际上我们追求的是老国民的感受,经常说信号配时不公允,是说这边排队呢,何处已经绿灯空放呢。
另外一个方面的需求,民警很苦。这都有个信号灯节制了,为什么还要在路上指挥呢。我有个愿景,我们的信号机要从民警从岗位上走下来,减轻路面执勤的压力,这是智能化的体现。我们交警该当在路边更好的和谐交通秩序。
举几个例子,单点的、和谐的比较常规。现在城市交通流出现主支分离状况,非对称环境严重,我们上了可变车道。但是,我们又发现可变车道五点变回来,六点变回去,这与老国民的期望就不适应了。不适应在某一天走的时候,交通流不是这样,直行不堵了,为什么可变车道不变回来呢。实际上,有了我们这样的数据采集手段,有了可变车道的重构,就可以变化了。
另外一个例子,建设有轨电车。我们尝试用常规的交通信号技术理论去做节制,但是发现方法不行。我们把有轨电车的信号节制系统和道路交通信号节制系统节制中心打通了,前端打通了,我们就可以知道有轨电车什么时候来了,什么时候离开路口,该当怎么节制了,及时动态节制。
我们做公交优先,做了很多年,我们可以做到在路口,没有公交专用道的公交信号优先。因为公交车上安装了RFID,我们就知道公交车是几路车,在路口是直行还是左转。如果我取得了公交车上终端的信息,就会知道在路口直行有几辆公交车,左转有几辆。
再举个例子,我们一直说车路协同,车联网来了,但是技术条件不具备的话我们很难让落地的。但是我们有了LTE,5G的前身,解决了通信的问题。车辆和信号机的及时通讯,这种通讯就是低延迟,高可靠,大量数据的通讯,可以落地了。
交通管控向信息服务拓展
讲到这的时候,我们发现路口的信号机不是信号机了,他成了路口的智慧中心节点了,数据交换的中枢了。不是单纯的信号机节制红绿灯了,他从中心获得数据分享给车辆了。我们还发现把管控中心信息推给汽车的时候,更是该当交警做的工作了。我们很多厂家和老国民说,为什么交通管理的信息不给我们开放呢,我们是不是可以将信号机里的信息,传递给车辆,传递给诱导屏,所以我们感应是到了把管控数据和信息开放给老国民的时代了。
我们一路绿波60公里每小时,要做到及时绿波,就该当把我们建议的及时的绿波速度推到手机上,车载终端上,前面的这个诱导屏上。让你知道这个速度是要变化的,这段40公里每小时,那段50公里每小时,信息的精准性。
这个是去年在物博会上联合华为、中国移动和几大汽车厂商真正能做到的在开放道路上,车路协同的验证。
大数据让交通运行节制变真切
数据太多了,信号系统玩不转怎么办?那信号系统也要革命了。
我们要把信号系统挪到大数据平台上去了,挪到平台上去了,我们就可以不谈A厂家和B厂家的交互了,什么融合了,什么接口了。这就是我们这些年在思考和在推动做的工作。现在技术条件成熟了,到了破局的时候了。


相关案例
XML 地图 | Sitemap 地图