智能交通行業(yè)亟需攻關的技術、模式
發(fā)布時間：：2022-09-16
智能交通技術的應用能有效提高現(xiàn)有基礎設施的使用效率和服務水平，在破解城市交通問題中扮演著不可或缺的重要角色。過去幾十年，交通控制、交通檢測、通信、收費、互聯(lián)網(wǎng)等技術攻關都推動了產(chǎn)業(yè)發(fā)展，并且已經(jīng)在城市交通智能化管理與服務、公眾出行智能化服務、公路智能化等多個行業(yè)或領域得到了廣泛建設與應用。但是，在實際應用過程中，一些技術的使用仍然存在問題。以感知為例，由于感知數(shù)據(jù)的精準度不高給后續(xù)的數(shù)據(jù)挖掘應用也帶來了困惑，同時多種感知數(shù)據(jù)融合目前更多其實處于數(shù)據(jù)匯聚的層面。
目前，智能交通行業(yè)還有哪些亟需攻關的技術、模式？
就這個問題，賽文交通網(wǎng)采訪了浙江大學智能交通研究所所長陳喜群、寧波工程學院建筑與交通工程學院院長張水潮、華為智慧公路軍團副總裁魯玉春、海信網(wǎng)絡科技智慧交通事業(yè)本部總經(jīng)理王雯雯，他們分別結合自己的研究領域和當前行業(yè)技術應用現(xiàn)狀分享了對智能交通技術應用的觀察和理解。
就過去30余年的智能交通系統(tǒng)發(fā)展浪潮來看，目前已經(jīng)走到了人工智能+大數(shù)據(jù)+算力的新發(fā)展階段。在這樣的新趨勢下，傳統(tǒng)交通模型算法結合新興的大數(shù)據(jù)和人工智能加上交通仿真的能力，需要進行數(shù)據(jù)+模型的雙驅動升級。
在升級過程當中，我們又面臨著“雙智”政策，推動智慧城市和智能網(wǎng)聯(lián)汽車行業(yè)的發(fā)展，迫切需要智能交通領域再聚焦一些共性的關鍵技術，少包含以下四個方面技術：
是面向智慧高速領域，急需突破高速公路或者是城市快速路系統(tǒng)中的交通流預測和管控技術。
我們現(xiàn)在已經(jīng)掌握了相關的大量檢測數(shù)據(jù)，這些檢測數(shù)據(jù)需要進行多源數(shù)據(jù)融合、數(shù)據(jù)交通狀態(tài)的估計和短時的交通流預測。預測的精度實際上對于主動管控非常關鍵，我們希望能夠提出一些預測性的控制，實現(xiàn)面向超大規(guī)模網(wǎng)絡交通狀態(tài)的準確的估計和快速預測，以及自適應的自演化和自學習的模型結構，幫助我們更好地進行有針對性的預測性控制。
第二，在城市交通場景中，我們急需攻克城市路網(wǎng)級的交通信號控制協(xié)同，優(yōu)化區(qū)域或者是區(qū)域的信號控制協(xié)同優(yōu)化的關鍵技術。盡管這個技術已經(jīng)并不是一個新鮮的說法，應該說在過去的幾十年當中我們一直朝向這個方面在努力，實現(xiàn)了面向全息路口的交通流檢測以及干線的交通控制。但是在區(qū)域層面的交通控制優(yōu)化，我們依然還有很長的路要走。
特別是在城市道路環(huán)境當中，交通采集設備的布置總體來還比較稀疏。盡管有城市卡口、微波雷達、以及基于手機的導航、基于GPS的定位等等大量的數(shù)據(jù)源，但是在時空張量的環(huán)境下有價值的信息依然十分稀疏，那么如何來處理稀疏的時空信息問題？實際上還有很多工作要做。
第三，應該是大規(guī)模的、多尺度的交通仿真優(yōu)化技術。前兩個關鍵技術都是針對現(xiàn)實場景當中可以被廣泛采集到的交通數(shù)據(jù)場景，但是對于一些尚沒有足夠歷史數(shù)據(jù)積淀的場景，或者是一些有待于需要借助仿真工具來進行交通態(tài)勢的演化推演的一些場景，特別需要多分辨率的、多尺度的交通仿真技術。
現(xiàn)在比較流行的數(shù)字孿生，實際上跟交通仿真技術有千絲萬縷的聯(lián)系，它主要強調虛實映射以及實時計算。在此基礎上，形成基于仿真的優(yōu)化技術，能夠實現(xiàn)在線的、實時的、快速的計算和優(yōu)化。
第四，需要攻關的是面向于多模式交通出行的大數(shù)據(jù)服務技術。
近年來，城市交通出行發(fā)展非?？焖?，現(xiàn)在面臨著城市多模式一體化出行服務的瓶頸。從需求角度，特別需要一體化出行服務提供平臺，幫助每一個人去優(yōu)化自己的出行路徑。
現(xiàn)在有這么多大數(shù)據(jù)采集方法，特別是面向多模式交通系統(tǒng)的信息采集技術，已經(jīng)能夠實現(xiàn)面向公交網(wǎng)約車、共享單車、私家車等多種方式的城市多模式交通信息采集?；谶@些信息進行數(shù)據(jù)分析、特征畫像分析，然后再到各種各樣的應用，背后需要集成大規(guī)模的或者是大數(shù)據(jù)驅動下的多城市多模式交通出行服務的優(yōu)化技術。
以上就是我認為智能交通系統(tǒng)發(fā)展到今天，下一步應該解決的四項共性關鍵技術，分別是針對高速公路的預測與管控，針對城市道路網(wǎng)絡的交通流管控，面向大規(guī)模路網(wǎng)、多分辨率或者多尺度的交通仿真優(yōu)化技術，以及大數(shù)據(jù)驅動的城市多模式交通系統(tǒng)服務的共性關鍵技術。
過去十年，智能交通領域技術發(fā)展日新月異，確實對我們這個行業(yè)的發(fā)展起到了極大的推動作用。未來幾年在技術領域，從智能交通方向角度來看，基礎數(shù)據(jù)采集還需要再進一步加強。
基礎數(shù)據(jù)對交通領域的決策，包括整個行業(yè)發(fā)展都特別重要。但是目前基礎數(shù)據(jù)采集的準確性、可靠性方面還存在較大問題，部分設施設備采集的數(shù)據(jù)數(shù)量不足、準確度不高，給后續(xù)的數(shù)據(jù)挖掘應用帶來了很大的困惑。
第二，在決策支持方面，需要做更多的落地性事情。前端設施采集的一些數(shù)據(jù)，經(jīng)過后續(xù)的分析處理，一定要為后面交通規(guī)劃、設計、管理、運營各方面提供技術支撐，要能夠有一些落地性的成果。
在運營模式上面，我認為運營商模式比較好。因為以往更多的是存在一種建設施工的思維，就是將智能交通設施建完之后就結束了，但是后續(xù)其在運營中有很多需要調試優(yōu)化或者進一步補充完善的情況。如果是一個運營商的模式，它就會兼設計施工運營為一體，責任更加明確，也有利于智能交通設施發(fā)揮更大的作用。
數(shù)字技術已經(jīng)成為了公路高質量發(fā)展的一個關鍵要素，這里面我們還是要為業(yè)務和場景尋找合適的技術。雖然目前這些技術能夠解決現(xiàn)有的具體業(yè)務問題，但是仍然有一些需要攻關的工作。
，在整個高速公路路網(wǎng)感知方面，越來越多的解決方案采用了一些雷達的方案，通過雷達和視頻進行擬合。這個技術其實在其他行業(yè)已經(jīng)廣泛應用，但是對于高速公路領域還要關注在大交通流量下面的一些技術難題。尤其是在路側復雜環(huán)境上，比如有橋梁、標識標牌，還有一些相關路側的立桿帶來對雷達的一些干擾，這些干擾問題如何克服，如何精準的識別流密速可能需要去攻關解決。
其次，很多省份在發(fā)展車路協(xié)同，基于車路協(xié)同自動駕駛的干線物流。實際上在這個過程里，面臨的一個技術問題就是在長大隧道內如何實現(xiàn)車道級定位。因為在長大隧道內車輛位置信息其實是很難精準的定位到某一條車道上，包括定位技術、通訊技術等實際上都要去做一些攻關。
第三，目前整個高速公路大量的機電設施設備，很多都是啞終端、非智能化的，也存在一些“七國八制”問題。這些相關的機電設施設備，既是整個高速公路平穩(wěn)高質量運行的基礎，又是未來整個公路數(shù)字化的關鍵部件。
如何對這些機電設施設備進行智能化的提升，簡化其運維和管理，提升整個使用效率，同時解決他們之間標準不統(tǒng)一、協(xié)議不統(tǒng)一等問題，這些也是需要做一些技術攻關來解決。
在需要攻關的模式方面，我認為核心還是一些商業(yè)模式。目前都認為數(shù)據(jù)是公路交通高質量發(fā)展的前提，如何對這些數(shù)據(jù)進行挖掘分析，終形成數(shù)據(jù)智庫，讓數(shù)據(jù)服務于我們的產(chǎn)業(yè)，具體的模式是什么；包括在公路，從收費站服務區(qū)再到公路沿線有大量的資源，如何圍繞這些資源做進一步的開發(fā)發(fā)展路衍經(jīng)濟，這個也是我們在模式方面需要進一步探討的。
同時，面向智慧公路，包括城市交通，如何形成一個行之有效的標準體系，指導整個智慧公路的發(fā)展，避免未來的系統(tǒng)碎片化，這也是我們亟待去推動或者是需要解決的一些問題。從行業(yè)標準、技術規(guī)范方面做一些相關的。
確實這些年來技術發(fā)生了很多的變化，大數(shù)據(jù)、人工智能很多技術從原來的實驗室到現(xiàn)在的工程化落地應用，驅動了一系列的產(chǎn)品.但是實際上接下來哪些問題要去解決？可以從目前智能交通還存在的挑戰(zhàn)倒看一下技術的應用情況。
交通緩堵和安全是兩個不變的主題，然后是出行服務。但是即使這么多技術應用在緩堵上，緩堵問題仍然普遍存在，早高峰、快速路、醫(yī)院、學校等等不同的時間段和地點的擁堵難題仍然存在。
反過來倒推一下， ITS智能交通系統(tǒng)實際上還有很多進步的地方。只有解決了這些真正的行業(yè)瓶頸問題，才能認為這些技術是好的。
智能交通系統(tǒng)是非常復雜的系統(tǒng)，從整個閉環(huán)技術來看，離不開三個方面：感知、決策、執(zhí)行。
執(zhí)行方面，目前技術發(fā)展相對成熟，工程實踐中應用效果還不錯，難點主要在于感知和決策。
雖然現(xiàn)在有很多感知技術，但是在解決擁堵和安全問題的時候，我們發(fā)現(xiàn)它難以支撐。在這個情況下，我覺得可能有幾個方面的技術需要突破。
一是對于視頻的應用。不可否認目前大量的視頻都布設在生活各類場景中，覆蓋密度很高，但實際上在解決實際問題的時候會發(fā)現(xiàn)在不同場景下，基本的通用模型很難適應整個工程的應用場景。在工程環(huán)境下，視頻分析技術做到更可靠更穩(wěn)定，能真正支撐交通管理，實際上還是有很多的路要走。海信從前幾年就開始布局，然后不停的在積累真正工程環(huán)境下的視頻分析場景，目前也做到了179項場景。因為視頻能做的事情還有很多，我們會不斷積累，這個過程中重要的是在實際運行環(huán)境中提升模型的準確率和它的適應性，這個是非常重要非常難的一件事情，是技術的一個攻克方向。
第二，在感知手段很多的情況下，其實只有多源數(shù)據(jù)的匯聚，并沒有融合起來能真正適應全場景。對于各類感知技術的特點和它能適應的場景等如何融合起來進行、及時、準確的全場景感知，是非常值得研究的一個方向，也是現(xiàn)在是急需突破的一個方向。
第三，從決策層面來講，雖然目前行業(yè)都在提利用大數(shù)據(jù)、AI進行決策，但是真正決策的時候仍然大量依賴人工經(jīng)驗。如何實現(xiàn)自動化決策需要我們接下來持續(xù)不斷的優(yōu)化。
例如，在感知發(fā)現(xiàn)問題之后，自動化的針對這些問題作出決策，進行控制，甚是宏觀層面的需求控制，實現(xiàn)整個流程的閉環(huán)管理。真正做到這一點，技術才真正的解決了行業(yè)難題。
文章來源：網(wǎng)
聲明：本網(wǎng)站發(fā)布內容和圖片的目的在于傳播更多信息，歸原作者所有，不為商業(yè)用途，如有侵權敬請作者與我們聯(lián)系刪除。
