编者按：9月12日，在广东省智能交通协会、赛文交通网主办，广东警官学院治安与交通管理学院协办的“智慧交通管理创新发展论坛”中，中山大学智能工程学院教授余志作了《一体化——智能交通系统发展的方向》主题报告。
该报告首先介绍了智能交通管理系统的发展历程，指出了当前交通系统存在的问题与困境，随后分享了时空计算模型的原理及其应用，并着重介绍了成都一体化模式的实践经验，最后深入探讨了自动驾驶、车路协同、智能交通、智慧城市的一体化模式。本文为其演讲速记，未经演讲者本人审定。首先回顾一下智能交通管理系统的发展之路。1960-1970年开始基础设施建设，包括修建道路、铁路等基础设施，当时的交通管理与组织主要依靠人工指挥，没有业务化管控。1980年业务管理试点，试点安装信号灯，吸收引进国外先进经验和信号控制理论，初步尝试且管控对象单一。1990年业务功能提升，采用信号控制机、路口通讯机、标志标线等设施管理，视频监控出现，各类业务系统林立。2000年系统建设规范化，梳理建设指导意见、系统规范，标准信号控制、电子警察、调度系统等业务系统逐步规范化。2010年伴随着交通管理需求，单项业务系统独立建设，拼凑得到集成指挥系统平台，集成系统大行其道。2020年是一体化元年，从源头打破“烟囱”结构，构建“通用平台-软件加载-业务定制”的指挥系统平台。孤立建设，烟囱林立，一体化是历史发展的必然。![]()
智能交通的主要系统与数据可分为公安交警、交通运输以及互联网信息服务三方面。公安交警主要以“业务导向”解决交通系统中某类对象的问题（人、车、路、设施、设备），核心系统包括车驾管系统、信号控制系统、电子警察、警员警卫勤务系统四类，局限性在于缺少“一张图”全元素关联，交管数据在排堵保畅的系统应用不足。![]()
交通运输部门主要管理运输服务车辆，针对交通运输对象的动静态监测采集，如营运车、站场、停车场等，以完成交通运输领域各种运输方式的业务为主，最重要的信息是GPS数据，局限性在于系统间“乘客身份”欠拉通，多式联运分析难。不同于公安交警数据，交通运输数据能够与其能够很好地互融互补。![]()
各类信息化交通运输企业从用户端采集出行活动，部分运输方式（公交、网约、共享单车等）可跨企业汇聚全量数据，其局限性则在于数据被企业垄断。![]()
上述各类系统业务需求明确、系统相对封闭、自成闭环体系、相互形成壁垒，跨业务问题、深层次问题较难解决。在互联网和交通服务业务中，更多的是终端到C端客户的诉求和需求。针对上述问题，我们将数据放入一个大数据平台进行汇聚，并进行数据治理和数据分析。但从实际应用效果来看，呈现的结果并没有想象中那么理想，经“大数据治理”后仍然存在错、漏、假、杂等多类数据问题。![]()
这也表明，数据治理“放之四海皆不准”，脱离深层次业务关系，不能完全解决数据问题，大数据平台也不是简单拿来就能用的。同样，人工智能虽然能够带来一定助力，但也存在概念多、理论少；演示多、应用少；案例多、系统少的“三多”、“三少”困境。![]()
![]()
信号控制优化、交通拥堵溯源依然是人工管理经验为主，基本是传统的方法，“换汤不换药”，业务能力提升有限，系统效率提升不足，成本不降反升。无论从概念还是实际应用层面来说，任何技术的出现都是要解决以下三方面问题，一是提高业务能力，二是提高效能，三是降低成本。但当前行业主流的做法都是依靠卖设备来解决问题，虽然设备交易量很大，但却并不能解决实际问题。![]()
从古至今，交通管理的核心问题是要掌握时空上的供需平衡，但如今的现状却是需求不知、供给也不知，仅仅对于状态了解一二。交通系统的认知问题始终没有得到解决，即使通过智能交通技术、人工智能技术也无法解决交通拥堵的难题。基于上述问题，我们认为认知交通系统的可行路线之一是一体化的时空计算。传统的交通方法是针对某类业务，收集集计、抽样的数据，采用统计、估计模型进行假设，将动态的问题转化为静态或抽样预测的问题。随着互联网技术的发展和外场设备数量的增多，我们有机会和能力回归问题的本质进行求解，解决传统方法回避的动态、时变、不可测、不可控等问题。![]()
![]()
经过近10年时间的研究，我们构建了一个新的计算模型，即交通时空计算模型，将边界和进出城道路进行封闭，形成封闭的计算空间，即虚拟停车场，表达每一个标志标线，以及交通设施（护栏、导流岛、分隔带等）、交通设备（信号灯、卡口、视频监控、雷达线圈等）的空间关系和交通逻辑关联及约束关系。在封闭空间内的任何一辆车只能有三种状态，即是否在城里、在哪条道路行驶、在哪个虚拟停车场停放。这样能够保证封闭空间内的所有运动主体是固定统一的，其行为也是连续的。![]()
![]()
个体行为模型明确计算对象，动静态一体化描述个体状态，以个体为单元，在可计算路网空间和交通逻辑约束下，计算每一个体车辆（及关联车辆）的出行与驻停的行为，支持传统车、智能驾驶车、无人驾驶车三种车辆的混行孪生。![]()
在这样的情况下，海量的数据需要强大的算力进行支持。为此，我们构建了交通时空计算金字塔模型，通过边界、虚拟停车场、道路网络以及对象四大类数据，能够对每辆车的进出、停留、是否进出边界等情况进行逐一且完整的计算。![]()
交通时空计算模型如今已成功落地宣城、上海等城市，且都取得了十分显著的成效。![]()
在过去一年的时间，我们团队在成都开展了全新的尝试。将成都中心六区3247公里道路划分为边界410个进出口，4479个虚拟停车场，所有的车辆要在该区域内行驶或停车均有相应的凭证。截至目前，数据接入平台已接入卡口+结构化12.5万套，视频监控15.9万套，信号机1964台，实体停车场1万个，营运车辆GPS超10万辆，全省高速ETC1700套，共享单车126.4万辆以及全市公交地铁刷卡数据，是所有城市中接入效果最好的。这是我们首次在超大规模城市将人、车、共享单车等出行数据进行一体化计算。中心六区日均250万辆车，共780万车次，目前日均监测1116万次多模式出行，含私家432万、公交135万，地铁261万、出租24万，网约67万、共享单车208万。![]()
将上述对象放入统一平台内进行实时的日常计算，下图所示的工作日交通出行全息图代表了道路的拥堵情况，通过全息图能够初步掌握每一种交通方式的宏微观、动静态出行特征，以便开展后续的业务管理工作。![]()
我们将成都任意节点道路称为“来龙去脉”，车从哪里来、到哪里去是我们在交通管理工作中最想知道的信息，通过梳理常发堵点的来龙去脉“风水图”，可以很明确的看出不同道路类型的交通特征。这种在过去需要投入大量成本才能研究透彻的交通需求的本质问题，如今得到了很好的解决。![]()
当前，外场设备出现问题时，普遍存在厂家不上报的情况。以卡口数据为例，存在无数据、位置不对、延迟、重复、识别率低、不能识别某类号牌等六大类问题。而一体化所具备的认知赋能能够有效实现对于外场设备数据管理与监督。![]()
成都约有4152个拥堵点，我们通过拥堵点致因进行分析将其分为三类，道路结构型拥堵346个，信号控制型拥堵182个，POI型拥堵62个，虽然各类堵点会随时间变化，但经疏理共发现590个重点常态化拥堵点，这也是首批需要治理的对象。![]()
![]()
治堵需要基于认知来分门别类，从各类“恶性”治起。具体治理措施方面，我们将这590个常发拥堵点区分为良性和恶性。良性代表速度降低，流量并没有减少，运输能力还存在，共427个；恶性代表越堵流量越低，但需求还在，导致恶性循环，共163个，其中瓶颈104个、信控不当31个、POI28个。
![]()
![]()
恶性拥堵点是交通管理工作中的难点和首要任务，对其进行梳理后，接下来就要开展相关的治理工作。针对信控路口出现的问题系统分析各类拥堵成因，常态化拥堵治理模式，联合交管配时中心优化团队落实治理措施，通过系统运行数据生成治理效果评估报告反馈业主，可有效支持交管部门“有的放矢”，在成本下降的同时实现管理能力的提升。
交警工作中，违法车辆打击也是非常重要的任务。该系统通过一体化认知赋能，能够对违法车辆进行精准打击。![]()
针对套牌车辆，系统基于个体行为模型时空计算，无需两车“同时出行”也能进行识别。2024年8月，研判套牌车数十辆。![]()
针对假牌出租车，我们曾进行过深入研究，最终认为只有抓得够快，迫使违法成本大于营运获利，才能形成有效打击。该系统能够以低成本、高效的方式对假牌出租车实现精准打击。![]()
![]()
针对非法营运载客车辆，系统能够基于车辆轨迹活动特征，洞察交通行为性质，从而实现精准打击。![]()
同时，我们构建了广东交通安全大数据平台，通过省级接入一体建模、协同认知、实现省级协同赋能创新赋能应用。我们将广东省21个地市、18万平方公里11.8万公里道路划分为6750个虚拟停车场，目前已接入3.6万套卡口、6400套ETC数据，过车流水2.3亿条。![]()
2024年7月，我们发现一批跨市异地出行的套牌车辆，这些违法现象多出现在交通管理薄弱点，但在一体化计算之下“无所遁形”。![]()
如今，该平台已在国内大中小各类城市得到应用，目前正在长沙推广应用，并得到了一致好评。![]()
总体而言，我们认为一体化是未来智能交通的发展趋势，并总结了三类一体化。即在时空尺度上是宏微观和动静态一体化；在业务流程上，是规划设计建设管理服务一体化；在规律认知上，是一体化接入、一体化建模、一体化认知、一体化赋能。只有这样，才能够通过技术的提高来降低成本。自动驾驶、车路协同、智能交通拥有不同的特征定位，三者的内涵和外延是不一样的。自动驾驶是通过机器代替人来开车，具有明确的经济效益和社会价值，其发展依自动化程度的不同而分级，核心在于车辆要能够对道路环境实现快速、准确的识别，且驾驶行为的安全要得到保障。如果自动驾驶技术发展成熟，其未来前景十分可观。![]()
车路协同的定位是通过车和道路信息交换（车路云）形成路网车辆（有人或无人）的封闭循环。智能交通的定位是对人、所有车辆、所有道路实现一体化的智能协同，能够有效分配利用资源，实现安全保障管理。这也表明要将传统的数亿辆车需要和自动驾驶车辆放在一个体系内进行运营管理，以达到健康、可持续的交通管理理念。因此，车路云不应当单独存在，其发展更需要“一体化”与聪明的“脑”，需要从局部控制向全局控制方向发展，一朵“云”统管路上“车”。![]()
从智能交通到智慧城市，均可以实现一体化接入、一体化建模、一体化认知和一体化赋能。同一套时空计算理论，可实现“人、机、料、环”活动空间关联，适用于智慧城市的任意时间、空间活动。过去两年时间里，我们也在医院进行了相关实践。我们将中山六院的1个医院综合体、5栋楼宇、2013个单元空间中的所有人、设备等物体数据按照上述理论进行了计算。中山六院原有4大类信息系统78个（患者30、临床20、管理20、科研8），医疗设备4000余台，大型设备250余台，近3年患者87.5万人，日住院1500人、门诊5000人。结果显示，仅50%的患者能在到院30分钟内就诊，看病仅需一分钟，却需要花费九分钟来等待。通过对结果进行分析，我们发现了门诊流程的7类时序改进点，13类空间设置或线路不合理点；可进一步实现流程优化、动线优化。![]()
从计算交通到计算城市，可使用同一套时空计算理论。目前，我们正在安徽绩溪县开展相关工作。我们将绩溪县划分为县级、镇乡级、社区级、小区级四个等级，并对各级的人、地、事、物、组织等进行了一体化计算，能够得到完整准确的城市“底数”。该理论目前已接入100余个业务系统。![]()
一体化是未来的发展趋势，时空计算并非要建很多的外场设备，也并非简单的数据接入，而是要将现有设备和数据放在一个时空框架内进行计算，实现从兼容历史、驱动未来，到渐进式变革，柔性升级迭代，使独立的系统向一体化业务系统实现升级和演化，这样的系统才会更加具有生命力。
