智能交通行业亟需攻关的技术、模式
发布时间：：2022-09-16
智能交通技术的应用能有效提高现有基础设施的使用效率和服务水平，在破解城市交通问题中扮演着不可或缺的重要角色。过去几十年，交通控制、交通检测、通信、收费、互联网等技术攻关都推动了产业发展，并且已经在城市交通智能化管理与服务、公众出行智能化服务、公路智能化等多个行业或领域得到了广泛建设与应用。但是，在实际应用过程中，一些技术的使用仍然存在问题。以感知为例，由于感知数据的精准度不高给后续的数据挖掘应用也带来了困惑，同时多种感知数据融合目前更多其实处于数据汇聚的层面。
就这个问题，赛文交通网采访了浙江大学智能交通研究所所长陈喜群、宁波工程学院建筑与交通工程学院院长张水潮、华为智慧公路军团副总裁鲁玉春、海信网络科技智慧交通事业本部总经理王雯雯，他们分别结合自己的研究领域和当前行业技术应用现状分享了对智能交通技术应用的观察和理解。
就过去30余年的智能交通系统发展浪潮来看，目前已经走到了人工智能+大数据+算力的新发展阶段。在这样的新趋势下，传统交通模型算法结合新兴的大数据和人工智能加上交通仿真的能力，需要进行数据+模型的双驱动升级。
在升级过程当中，我们又面临着“双智”政策，推动智慧城市和智能网联汽车行业的发展，迫切需要智能交通领域再聚焦一些共性的关键技术，少包含以下四个方面技术：
是面向智慧高速领域，急需突破高速公路或者是城市快速路系统中的交通流预测和管控技术。
我们现在已经掌握了相关的大量检测数据，这些检测数据需要进行多源数据融合、数据交通状态的估计和短时的交通流预测。预测的精度实际上对于主动管控非常关键，我们希望能够提出一些预测性的控制，实现面向超大规模网络交通状态的准确的估计和快速预测，以及自适应的自演化和自学习的模型结构，帮助我们更好地进行有针对性的预测性控制。
第二，在城市交通场景中，我们急需攻克城市路网级的交通信号控制协同，优化区域或者是区域的信号控制协同优化的关键技术。尽管这个技术已经并不是一个新鲜的说法，应该说在过去的几十年当中我们一直朝向这个方面在努力，实现了面向全息路口的交通流检测以及干线的交通控制。但是在区域层面的交通控制优化，我们依然还有很长的路要走。
特别是在城市道路环境当中，交通采集设备的布置总体来还比较稀疏。尽管有城市卡口、微波雷达、以及基于手机的导航、基于GPS的定位等等大量的数据源，但是在时空张量的环境下有价值的信息依然十分稀疏，那么如何来处理稀疏的时空信息问题？实际上还有很多工作要做。
第三，应该是大规模的、多尺度的交通仿真优化技术。前两个关键技术都是针对现实场景当中可以被广泛采集到的交通数据场景，但是对于一些尚没有足够历史数据积淀的场景，或者是一些有待于需要借助仿真工具来进行交通态势的演化推演的一些场景，特别需要多分辨率的、多尺度的交通仿真技术。
现在比较流行的数字孪生，实际上跟交通仿真技术有千丝万缕的联系，它主要强调虚实映射以及实时计算。在此基础上，形成基于仿真的优化技术，能够实现在线的、实时的、快速的计算和优化。
第四，需要攻关的是面向于多模式交通出行的大数据服务技术。
近年来，城市交通出行发展非常快速，现在面临着城市多模式一体化出行服务的瓶颈。从需求角度，特别需要一体化出行服务提供平台，帮助每一个人去优化自己的出行路径。
现在有这么多大数据采集方法，特别是面向多模式交通系统的信息采集技术，已经能够实现面向公交网约车、共享单车、私家车等多种方式的城市多模式交通信息采集。基于这些信息进行数据分析、特征画像分析，然后再到各种各样的应用，背后需要集成大规模的或者是大数据驱动下的多城市多模式交通出行服务的优化技术。
以上就是我认为智能交通系统发展到今天，下一步应该解决的四项共性关键技术，分别是针对高速公路的预测与管控，针对城市道路网络的交通流管控，面向大规模路网、多分辨率或者多尺度的交通仿真优化技术，以及大数据驱动的城市多模式交通系统服务的共性关键技术。
过去十年，智能交通领域技术发展日新月异，确实对我们这个行业的发展起到了极大的推动作用。未来几年在技术领域，从智能交通方向角度来看，基础数据采集还需要再进一步加强。
基础数据对交通领域的决策，包括整个行业发展都特别重要。但是目前基础数据采集的准确性、可靠性方面还存在较大问题，部分设施设备采集的数据数量不足、准确度不高，给后续的数据挖掘应用带来了很大的困惑。
第二，在决策支持方面，需要做更多的落地性事情。前端设施采集的一些数据，经过后续的分析处理，一定要为后面交通规划、设计、管理、运营各方面提供技术支撑，要能够有一些落地性的成果。
在运营模式上面，我认为运营商模式比较好。因为以往更多的是存在一种建设施工的思维，就是将智能交通设施建完之后就结束了，但是后续其在运营中有很多需要调试优化或者进一步补充完善的情况。如果是一个运营商的模式，它就会兼设计施工运营为一体，责任更加明确，也有利于智能交通设施发挥更大的作用。
数字技术已经成为了公路高质量发展的一个关键要素，这里面我们还是要为业务和场景寻找合适的技术。虽然目前这些技术能够解决现有的具体业务问题，但是仍然有一些需要攻关的工作。
，在整个高速公路路网感知方面，越来越多的解决方案采用了一些雷达的方案，通过雷达和视频进行拟合。这个技术其实在其他行业已经广泛应用，但是对于高速公路领域还要关注在大交通流量下面的一些技术难题。尤其是在路侧复杂环境上，比如有桥梁、标识标牌，还有一些相关路侧的立杆带来对雷达的一些干扰，这些干扰问题如何克服，如何精准的识别流密速可能需要去攻关解决。
其次，很多省份在发展车路协同，基于车路协同自动驾驶的干线物流。实际上在这个过程里，面临的一个技术问题就是在长大隧道内如何实现车道级定位。因为在长大隧道内车辆位置信息其实是很难精准的定位到某一条车道上，包括定位技术、通讯技术等实际上都要去做一些攻关。
第三，目前整个高速公路大量的机电设施设备，很多都是哑终端、非智能化的，也存在一些“七国八制”问题。这些相关的机电设施设备，既是整个高速公路平稳高质量运行的基础，又是未来整个公路数字化的关键部件。
如何对这些机电设施设备进行智能化的提升，简化其运维和管理，提升整个使用效率，同时解决他们之间标准不统一、协议不统一等问题，这些也是需要做一些技术攻关来解决。
在需要攻关的模式方面，我认为核心还是一些商业模式。目前都认为数据是公路交通高质量发展的前提，如何对这些数据进行挖掘分析，终形成数据智库，让数据服务于我们的产业，具体的模式是什么；包括在公路，从收费站服务区再到公路沿线有大量的资源，如何围绕这些资源做进一步的开发发展路衍经济，这个也是我们在模式方面需要进一步探讨的。
同时，面向智慧公路，包括城市交通，如何形成一个行之有效的标准体系，指导整个智慧公路的发展，避免未来的系统碎片化，这也是我们亟待去推动或者是需要解决的一些问题。从行业标准、技术规范方面做一些相关的。
确实这些年来技术发生了很多的变化，大数据、人工智能很多技术从原来的实验室到现在的工程化落地应用，驱动了一系列的产品.但是实际上接下来哪些问题要去解决？可以从目前智能交通还存在的挑战倒看一下技术的应用情况。
交通缓堵和安全是两个不变的主题，然后是出行服务。但是即使这么多技术应用在缓堵上，缓堵问题仍然普遍存在，早高峰、快速路、医院、学校等等不同的时间段和地点的拥堵难题仍然存在。
反过来倒推一下， ITS智能交通系统实际上还有很多进步的地方。只有解决了这些真正的行业瓶颈问题，才能认为这些技术是好的。
智能交通系统是非常复杂的系统，从整个闭环技术来看，离不开三个方面：感知、决策、执行。
执行方面，目前技术发展相对成熟，工程实践中应用效果还不错，难点主要在于感知和决策。
虽然现在有很多感知技术，但是在解决拥堵和安全问题的时候，我们发现它难以支撑。在这个情况下，我觉得可能有几个方面的技术需要突破。
一是对于视频的应用。不可否认目前大量的视频都布设在生活各类场景中，覆盖密度很高，但实际上在解决实际问题的时候会发现在不同场景下，基本的通用模型很难适应整个工程的应用场景。在工程环境下，视频分析技术做到更可靠更稳定，能真正支撑交通管理，实际上还是有很多的路要走。海信从前几年就开始布局，然后不停的在积累真正工程环境下的视频分析场景，目前也做到了179项场景。因为视频能做的事情还有很多，我们会不断积累，这个过程中重要的是在实际运行环境中提升模型的准确率和它的适应性，这个是非常重要非常难的一件事情，是技术的一个攻克方向。
第二，在感知手段很多的情况下，其实只有多源数据的汇聚，并没有融合起来能真正适应全场景。对于各类感知技术的特点和它能适应的场景等如何融合起来进行、及时、准确的全场景感知，是非常值得研究的一个方向，也是现在是急需突破的一个方向。
第三，从决策层面来讲，虽然目前行业都在提利用大数据、AI进行决策，但是真正决策的时候仍然大量依赖人工经验。如何实现自动化决策需要我们接下来持续不断的优化。
例如，在感知发现问题之后，自动化的针对这些问题作出决策，进行控制，甚是宏观层面的需求控制，实现整个流程的闭环管理。真正做到这一点，技术才真正的解决了行业难题。
文章来源：网
声明：本网站发布内容和图片的目的在于传播更多信息，归原作者所有，不为商业用途，如有侵权敬请作者与我们联系删除。
