城市擁堵治理中的廣義交通控制

隨著我國城市化進程和經濟發展，城市交通擁堵問題被廣泛關注。以物聯網和計算機技術為基礎的云腦平臺建設正在我國各大城市興起，數智交通概念被提出。和“增量治理”的思路不同，主動交通管控以“結構治理”為主，不需要大規?；A建設，較為經濟，可以輔助交通巨系統中的策略和決策優化、制訂與實施。近年來我國在交通大數據系統建設方面進展迅速，但是還需要在數據的覆蓋、數據的種類和數據的管理等方方面面加強建設和完善。目前靠計算機（云腦平臺）或AI自動實現分析和決策不具現實性，但要輔助人類分析和決策確有可能，關鍵是如何對云腦進行賦能和人機互動。

01、數之智：以數字化為基礎的智能化

近年來，隨著互聯網技術和計算機技術的快速發展，城市交通領域以物聯網和計算機技術為基礎的云腦平臺建設正在我國各大城市興起，同時，以此平臺為基礎的數智交通概念被提了出來。

就城市交通管控來講，數智交通可以分兩個層次來理解，一是“數”，即交通管控的電子化、數字化，如交通基礎設施數字化管理、交通狀態直觀捕捉、交通事件快速發現、重點車輛駕駛員行為監視、交通執法取證、信號配時數據支持等等。這些功能的開發獲得了長足的進步，其應用明顯改善了交通管控手段并提高了管控效果，推進了我國城市交通管控的技術進步；二是“智”，即以數字化為基礎的交通管控智能化，如交通結構精準分析、網絡交通狀態實時判別、交通擁堵成因分析、交通本征實時獲取、交通策略實施效果評價、輔助交通決策等等。

未來，我國大中城市交通治理中，有兩類工作意義重大，一是交通結構調整，主要解決供需結構優化匹配問題，通過交通方式優化緩解交通擁堵，提高系統運行效率；二是主動交通管控，通過整體優化交通管控方案來引導、調整出行者行為，使交通需求形成合理的時空分布，避免交通擁堵的發生。說該兩項工作意義重大是因為此類工作無需大規模的基礎設施建設投資而又能帶來很好的交通治理效果，是城市建設進入成熟期后交通治堵由“增量治理為主型”向“結構治理為主型”轉變過程中最為必要也是最為經濟的策略。

這兩項工作的核心是策略和決策優化、制訂與實施，這對于城市交通這個所有人參與的巨復雜系統來說是一個非常困難的事情，主要是因為決策者對系統的把握能力不足。數智交通之“智”就在于如何在大數據的基礎上，提煉系統運行本征，獲取系統演化規律，為上述工作展開提供可靠的支撐。

02、數之善：數據基礎制約智能化

數智交通的基礎是數據。近年來我國在交通大數據系統建設方面進展迅速，尤其是伴隨著交通云腦平臺的建設，數據的管理架構基本形成，以視頻數據為主的大數據應用也已初見成效。但就人們對交通管控的智能化期待來說，目前的數據基礎還遠遠不夠，還需要在數據的覆蓋、數據的種類和數據的管理等方方面面加強建設和完善。

1. 數據覆蓋不足影響數據應用深度

首先，數據的覆蓋不足影響了數據應用深度。以城市道路交叉口視頻數據為例，此類數據多以路段卡口數據和交叉口電警過車數據為主。目前幾乎所有的城市均布設了此類攝像頭，但由于投資的約束，各城市點位覆蓋程度差別很大，有的覆蓋了所有的信號控制交叉口和重要路段，有的則僅僅在少數主要交叉口和重要路段布設。數據覆蓋范圍越廣、點位密度越大，越有助于精準的車輛軌跡跟蹤、可靠的網絡交通狀態判別分析、有效的交通管控方案形成。反之，當覆蓋的范圍和點位密度小到一定程度后，這些功能就都難以實現。

有很多時候，人們希望信號交叉口之間形成聯動控制，也即協調控制。實現這種控制方式的前提是精準掌握上下游交叉口間的交通流變化規律，如車輛存量、速度等，但由于我國城市小區的形成特點，常常在兩個相鄰信號交叉口之間夾有多個小區進出口或無信號交叉口，這些位置成為交通需求產生或吸引點，嚴重沖擊信號配時的交通流預測精度，使得協調控制效果大打折扣。為此，在那些小區進出口和無信號交叉口布設視頻數據裝置十分必要。

2. 數據源不夠多元制約智能化程度

其次，數據源仍是制約智能化程度的主要因素。如，一個城市宏觀交通精準分析是制定交通政策、管理策略的依據，這些分析可能會包括城市出行需求總量、交通方式結構、各種方式需求時空演變規律等等。目前的視頻結構化數據只能提供過車數據，不能提供其他方式數據，難以成為可靠的數據基礎。就目前交叉口視頻數據而言，也難以支撐精細化、智能化交通管控的需要。比如，當前的交叉口信號配時方案都是以機動車數據為依據形成的，幾乎沒有考慮行人和非機動車的因素，因此還難以稱其為人本信號控制。之所以出現如此狀況，與缺乏行人和非機動車檢測傳感器有直接關系，這就使得現有的信號配時方案有無行人都要給行人綠燈，不管白天還是深夜都按有行人需求進行配時。從這個意義上說，交叉口增設行人和非機動車檢測裝置意義重大。

實際上，交通各管理部門、公司一般都需要專門的數據源，有的已經具備，有的還不具備，這些數據源通過機制協調能夠發揮更大作用。數據管理機制的建立和完善，是多源數據融合發揮合作效力的關鍵。這項工作比較復雜，涉及到數據標準問題、所有權問題、收費問題、數據安全問題和統一管理問題等等。不管有多難，這項工作都應大力推進。

工欲善其事，必先利其器。要發揮數智交通之智，就需先完善數據源建設、數據覆蓋、數據管理等工作。這不僅僅要解決技術上的問題，更要解決管理機制上的問題，任重而道遠。

03、智之建：人機互動的智能決策

1. 人機互動——以主動交通管控為例

如前所述，數智交通之“智”在于分析和決策。目前的人工智能（AI）距離真正的認知智能還有很大的距離，要計算機（云腦平臺）或AI自動實現分析和決策不具現實性，但要輔助人類分析和決策確有可能，關鍵是如何對云腦進行賦能和人機互動。下面就以主動交通管控過程為例來進行分析。

主動交通管控過程可以通過下圖來理解：路網上的出行者（人、非機動車、機動車等）信息通過傳感器（如攝像頭）獲取，經邊緣計算處理后傳給云腦平臺，云腦平臺生成兩類方案，一類是用于路網信號燈的交通流控制方案，另一類是用于指導和服務于出行者的出行服務方案。這兩類方案的生成過程是典型的人機合作過程，其分工應該是：平臺應用大數據按照管理者的目的抽象和描述交通需求演化規律，管理者根據發現的規律和管理理念提出管控策略和方案，平臺再對策略和方案進行仿真和評價，最后形成決策。

如在信號控制系統中，管理者可以針對路網不同的交通需求狀態和管控策略設置各種控制策略（方案）的啟動或終止閾值，平臺會根據大數據計算的結果決定何時何地啟動何種方案。同樣道理，管理者可以根據交通需求的演化規律和管理理念，預設多種出行指導和服務方案（甚至可以針對每個出行者）和方案適用條件，平臺會依據數據計算結果選用服務方案。從過程上看，這是一個人機合作過程，但從結果上看也可以視為智能決策過程。

2. 智能決策的三大難題

這里，有三項研究工作比較艱巨。

一是規律獲取。不論是分析還是決策，掌握交通需求演化規律是前提。所謂的交通需求演化規律是指交通需求的總量、方式結構的時空演化動力學過程，其中的難點是規律形成和改變的影響因素量化分析，如車輛限購政策、限行政策、地鐵建設施工、地鐵線路開通等相關政策和工程項目會對上述規律產生怎樣的影響，類似這樣的工作僅靠交通大數據和云腦算力無法完成。盡管規律是客觀的，但規律的獲取需要專業人員的定向研究和驗證，有很多工作需要在云腦平臺之外完成，其結果可用于云腦平臺實現分析與決策。

二是評價標準形成。交通管控策略或決策的目的是使交通狀態向好的方向發展，但何為好的方向呢？是車輛平均速度越高越好嗎？是出行可靠性越高越好嗎？是低碳出行比例越高越好嗎？還是追求綜合的人本交通理念？這些問題的答案不僅是建立評價標準（指標體系）的依據，也是探索規律的導向，取決于城市發展和管理理念。當答案確定后，研發人員和管理者還要把理念轉換成可定量表達且可實施的評價指標，用于預測和評價策略或決策效果。

三是決策機制建立。掌握了規律、確定了評價標準不等于就能做出決策。一般來講，決策是將要付諸實施的行動。如果對行動后果沒有預期和把握，決策的風險就會加大。數智交通就是要借助大數據和云腦平臺來輔助決策，降低這一風險。目前看，解決這一問題的最好方案就是建立仿真系統，運用大數據、交通需求演化規律、評價標準來演示決策方案的實施效果，從而判斷和選擇最佳方案。

很顯然，智之建過程更是一個研究過程，隨著研究內容的不斷展開，研究成果的不斷形成和迭代，城市就會變得越來越聰明。

04、ET城市大腦——阿里云實踐

2016年，杭州市聯合阿里云發布了首個城市大腦。此后，城市大腦逐漸從交通領域擴展到多個城市場景。2020年6月，城市大腦升級到3.0，強化了感知能力，可以通過人工智能技術實現交通、醫療、應急、民生養老、公共服務等全部城市場景的智能化決策。

目前，全球已有30多座城市引入了城市大腦包括杭州、北京、上海、鄭州、?？凇⒅袊拈T、馬來西亞吉隆坡等，完成向新一代數字孿生城市的轉型升級，各地交管部門因“數”制宜，在城市數據資源平臺上，與機器智能并肩作戰，日日夜夜運營著一張有溫度的城市交通協同網。

在城市大腦的背后，聚集著眾多全球頂級的阿里巴巴數據科學家團隊。例如IEEE Fellow華先勝老師領導的視覺計算團隊，獲得行人檢測、車輛檢測、行人再識別三項世界紀錄，研究論文累計十余次入選國際頂級學術會議ACM Multimedia和CVPR，包括交通實時狀態制定和預警算法、人工智能識別及信號控制系統、跨攝像頭搜索技術等等，奠定了阿里云ET城市大腦交通網絡計算的基礎。

城市大腦是阿里巴巴集團普惠科技群的 “制高點”，阿里云發布城市大腦3.0，在核心技術體系升級后，城市大腦能夠處理更加多樣的數據種類，通過仿真推演和城市數字基因能力，在數字世界中完成對城市規劃、運營、管理的探索分析，找到最優方案，再在物理世界中實現，助推城市發展和運營管理的決策更科學、更高效。