科创 · 人文 · 生态
人文科技创新门户!

现代交通管理有了“大脑”与“小脑”

何兆成

1933年,美国交通工程学者格林希尔茨就用连续照片研究车速和车辆间距,尝试从道路上直接获取交通信息。

之后,交通感知主要依靠线圈、微波和出租车等传统传感器,这些手段的特点是断面、集计、抽样,即只能看到固定地点、部分车辆的情况。

近年来,视频摄像头快速普及,车牌识别技术成熟应用,感知模式转向个体、轨迹、全量,即每一辆车的身份如车牌可以被获取,进而支持个体级车辆出行轨迹链重构,包括车牌、起终点、途经交叉口序列和路段旅行时间等,交通系统由此具备高时空分辨率的出行认知能力。

与此同时,智能网联车、路侧感知与计算单元、智慧信号灯共同构成“功能体”,推动交通参与者向“智能体”演进,控制对象从传统的车和路扩展到这些智能体之间的协同。

在此基础上,交通干预手段也从单点控制扩展到全过程:过去信号灯只能根据路口检测器做单点优化,现在依托车路协同,可以实现从出行路径规划到路口信号控制的全过程干预,让车辆和信号灯协同起来,提升整体通行效率。

新的数据环境、新的交通要素、新的干预手段催生了新一代交通控制系统。我们团队研发出云边一体智能的车路协同控制与服务系统(ECHOS)。该系统以时空认知为基准,云端交通“大脑”顾全局、边缘交通“小脑”优局部,为现代交通管理装上“大脑”与“小脑”。

时空认知:提出交通系统时空计算范式,认知“每一辆车”的“每一次出行”

城市交通系统本质上是一个开放、复杂且难以完全观测的动态系统,为破解这一难题,我们攻克两大核心技术,将开放的城市交通系统转化为完备、封闭的交通信息物理系统。研究范式打破了传统交通系统“集计观测-统计建模-推断估计”的认知范式,建立了一种“个体观测-完备描述-全量计算”的交通系统认知新范式。

我们研发了可计算交通空间模型,将不同规模的交通系统空间转化为“子区”、“通道”、以及“边界(进出口)”三类要素的有机组合,为承载车辆“在网”、“预留”、“移动”全链出行活动计算提供完备的系统描述。

具体来说,这个模型就像把整座城市的道路网拆成三种“积木块”:第一块叫“边界”,就是车辆进出城市的出入口,比如高速收费站、城市主干道入口;第二块叫“通道”,就是车辆在路上跑的那些路段和路径;第三块叫“子区”,就是车辆停下来办事、休息、装卸货的封闭区域,比如停车场、园区、小区。

把这三类要素按位置和连接关系拼在一起,就形成了一张能“计算”的交通地图。不管城市是大是小,路网是简单还是复杂,都可以用这套方法统一描述。这样一来,每一辆车从进入城市、在路上跑、到停下来、再重新出发,整个过程都能在这张地图上被记录和计算,为后面分析所有车辆的出行活动打下统一的基础。

可计算时空活动空间描述模型

我们还研发了个体时空活动计算模型,可计算空间为推出利用泛在个体时空感知数据,重构、推演个体时空活动全过程、包括个体在子区“驻留”的“业务过程”,个体在通道网络“移动”的“运动过程”。

具体来说,这个模型就是利用各种能感知车辆位置的数据,比如路口摄像头、车载GPS、手机信号等,把每一辆车的出行过程还原出来。

它主要做两件事:一是看车在“子区”里停了多久、干了什么,比如是去商场购物还是回小区过夜,这叫“驻留过程”;二是看车在“通道”上怎么走,走了哪条路、开得多快、什么时候到,这叫“移动过程”。

两件事拼在一起,就能完整还原一辆车从出发到回家的全过程。这样一来,不管是哪辆车、在哪个时刻,系统都能回答三个问题:它是不是还在城里、正在哪条路上跑、停在哪个停车场里。有了这种能力,交通管理就能从过去“大概估计”变成“精确计算”,为信号灯优化、拥堵治理提供实实在在的数据支撑。

个体出行时空行为计算模型

“云端大脑”顾全局:以全域出行信息驱动,主动配置路网级信号供给

云端大脑关注的是整个城市路网,负责宏观层面的交通信号控制。它不像传统信号灯那样被动等待车辆到来,而是主动分析全城出行需求,提前规划关键路径的协调控制,让信号供给跟着需求走,实现出行视角下的供需主动适配。

首先是识别关键出行路径,找出城市交通的“大动脉”。我们利用全城车辆轨迹数据,统计每天车辆从哪里出发、到哪里去,进行高频次流量统计和时空聚类分析。根据“二八法则”,自动筛选出承载全市主要出行需求的高流量路径,精准锁定需要优先协调控制的重点走廊。同时,系统通过比对实际车辆轨迹流与现有绿波配置的匹配度,智能识别出应协调而未协调的隐性瓶颈。最后,输出包含起止交叉口、路段长度、平均运行速度、通行饱和度等多维特征的结构化画像,为绿波带建设优先级排序提供客观、可量化的决策依据。

其次是多关键路径协同控制,引入博弈论,自动生成“一路绿灯”方案。我们采用“下层分解—上层集中”的分层博弈思路。下层聚焦单瓶颈,把每个瓶颈路口及其相邻路口,通过联盟博弈让它们组队,并动态调整联盟结构,找到局部最优的协调方式。上层聚焦多瓶颈之间,构建势博弈模型,让多个瓶颈互相协商,逐步朝着整体最优目标改进,最终取得纳什均衡。上下两层反复交换信息,下层把优化后的策略输送上去,上层把协调后的策略返回下来,迭代收敛到全网最优。

第三是控制效果追踪评价与反馈优化,给绿波带做“常态化体检”。我们通过实时对接边缘侧感知数据流,可自动识别协调方向中不停车比例低于预设阈值或平均速度显著下降的异常路段,并据此量化评估绿波失效风险,划分为“健康”“中风险”“高风险”三级预警等级。一旦检测到因路段过长、车速离散度过高或外部干扰导致的绿波断裂现象,系统将立即触发告警并启动新一轮策略优化迭代流程,从而实现了城市级交通协同控制系统的自主感知、自主诊断与自主进化能力。

云端大脑:交通网络自主式协同信号控制系统

“边缘小脑”优局部:秒级全息感知,自主诊断与干预交通事件

边缘小脑关注的是局部,比如瓶颈路口、路段和重要枢纽。它部署在路侧,像神经末梢一样,能秒级感知路口的全息态势,诊断异常交通事件,并直接干预车辆和信号,实现局部交通的自主诊断与协同控制。

首先是语义级路口/枢纽认知计算,把路口变成可计算的网格。基于BEV感知与大模型技术,我们将摄像头、雷达等多源数据统一投影到鸟瞰视角,构建多尺度语义网格模型。每个厘米级网格不仅承载绝对空间坐标,还动态关联功能语义,比如左转等待区、直行冲突区、安全岛缓冲区等。我们提出基于大模型的交通事件端到端识别方法,以统一模型替代传统多算法并行、逐事件检测的模式,实现自动驾驶、人工驾驶、非机动车、行人等全要素交通参与者的走停状态、冲突事件与异常行为的认知输出。

其次是异常交通事件自主诊断,从现象监测到成因挖掘。我们建立了人车非混合流下的交叉口运行健康智能诊断体系,涵盖效率、安全、秩序三大维度的综合评价指标。不仅关注车均延误、饱和度等通行能力指标,更引入碰撞时间、侵入时间等微观安全指标以及违规率等秩序指标。引入因果推断算法,构建包含信号配时、设施布局、交通流量等多要素的交通运行因果图。当监测到进口道溢出等异常事件时,反向回溯与推理,区分事件是源于时空资源错配(信号配时问题)、设施设计缺陷(固有流线冲突)还是随机扰动(驾驶行为无序)。

第三是主动干预交通事件,多策略组合、分层协同,精准化解局部冲突。我们将信号控制、车辆引导、交通组织规划等组合策略,按事件类型自动匹配,实现局部交通异常的即时处置。例如,针对车-车冲突,采用信号相位调整、路权参数优化与停车管理组合,让冲突车流错开放行、右转礼让直行;针对人-车冲突,采用信号控制与管理策略协同,减少路口滞留车辆,同时优化行人过街判断逻辑,从源头降低混行风险;针对路口溢出,采用停车管理与信号相位调整组合,清理占道干扰、错开冲突放行。

边缘小脑: 交通节点车路协同控制系统

应用实践:路网-路径-路口三级协同,多城市规模化落地

我们研发的ECHOS系统秉持不替换既有系统和设备的开放原则,可按软件模块、边缘一体机或联合方案灵活交付,前期成果已在广州、深圳、上海、宣城、成都等全国10余个城市推广应用。

在路网控制层面,从宣城中心城区路网的7788条路径中,识别出约60条应协调的关键路径和5条绿波失效路径,并优化7条关键路径,降低路网出行旅行时间6.2%,形成了常态化绿路规划-监测-优化的能力;该技术已迁移至深圳光明区“四环五轴”区域路网协同控制。

在路径控制层面,宣城出行通道救护车实现“一路绿灯”,在110、119、120常规应用中至今执行任务超过4000次,救护车旅行时间平均缩减50%;上海嘉定开展公交线路信号优先控制(外岗汽车站-日月光公交站局域线),公交到站准点率大于85%,平均行驶速度提升15%。

在路口控制层面,广州昌岗路口溢出、违规等事件诊断精度≥95%,优化后车辆通行时间减少11%,人车非冲突风险减少22%;宣城水阳江路口车路协同控制中,直左冲突场景控制后车速提升5.9%,掉头冲突减少9.6%,车速提升17.2%。

实践证明,ECHOS系统为交通管理装上“大脑”与“小脑”,建立路网级、路径级、路口级协同主线,形成了一套可复制、可推广的云边协同智能交通方案,为不同规模城市的交通治理提供了实践样板。

ECHOS系统应用实践

作者简介:

何兆成,中山大学智能工程学院教授,博导,IET Fellow,广东省高层次人才,2023年入选深圳市“鹏城孔雀计划”特聘人才。现任广东省智能交通系统重点实验室-主任;中大-华为“城市交通信息物理系统计算与应用”联合创新实验室-主任;全国城市道路交通畅通提升行动计划专家组-专家,国际期刊Nature scientific data编委。主持国家863课题、国家科技支撑项目课题、国家自然科学基金联合基金重点项目、国家自然科学基金重点项目、国家重点研发计划课题、广东省科技厅重大专项等项目30余项,发表论文200余篇,获授权发明专利30余项。获国家科技进步二等奖(2019)、公安部科技进步一等奖(2018)、广东省科技进步一等奖(2024)等多项国家、省部级科研奖励。针对智慧交通与智慧城市领域,在复杂系统时空智能计算与应用方面形成了“通用系统时空建模—多模态时空数据治理—可泛化时空过程推演优化”的完整研究体系。

赞(0) 打赏
分享到: 更多 (0)

觉得文章有用就打赏一下文章作者

非常感谢你的打赏,我们将继续给力更多优质内容,让我们一起创建更加美好的网络世界!

支付宝扫一扫打赏

微信扫一扫打赏