数据——城市交通控制系统之痛

王殿海：多年来，业界用了很多优化方法、控制策略，最后却因为数据问题导致信号机的许多功能无法使用，尽管现在大数据、人工智能的研究层出不穷，但我认为数据确实成为了城市交通信号控制系统之痛。

一、数据作用

首先来看 自适应控制系统的基本原理 。

通过传感器感知交通状态，并通过数学建模和仿真，最后根据控制思路形成控制方案，这样的循环称之为适应性控制。适应性控制分为自适应和固定配时，如果数据能跟得上就叫自适应，如果不能根据数据调整方案，只能叫一般适应，从控制系统的基本原理中就可以发现数据在其中占据重要地位。

再来 分析数据、策略、算法之间的关系 。数据、策略、算法是相互支撑、相互作用的关系，再好的算法没有数据相当于空谈，再好的策略没有数据支持也是空谈，所以数据成为核心，如果一台信号机、一个信号控制系统失去了数据，作用就不大了。

那么自适应控制系统必须要有几种数据？应该包含 车辆检测数据、行人检测数据、自行车检测数据、有身份车辆检测数据 等，比如车牌号数据在国内的发展较好，但我们没有行人检测数据和非机动车检测数据，相当于有“信号”，但没有“适应”这一概念，这也代表着很难实现针对混合交通的信号控制。

二、不同数据状态

不同的发展阶段数据起到的作用不同，在 无数据阶段 ，无论是动态还是单点的控制策略都是由人工进行操作，基本没有算法概念，相当于真正的“人工”智能，优点是较为灵活，能够兼顾行人、车辆等多方面，缺点是人工操作无法实现协调控制，控制效果也因人而异，此类控制方式现在仍有临时应用，比如交警临时用手势控制交通。

在 静态数据阶段 ，主要通过人工调查或检测器临时检测的静态数据构建阶段性的信号控制方案，这类控制方案可以计算出一些指标，比如排队、延误、通行能力等，也能进行参数优化，比如周期、绿信比、相位差等。优点是算法简单，系统稳定，缺点是数据容易老化，方案固定，对交通流波动的适应性较差。此类控制方式是在20世纪中期盛行，但随后国际上的趋势转变为自适应，但目前我国大多数城市还是大量应用固定的信号控制方案，还达不到自适应控制状态。

在 无身份动态数据阶段 ，主要利用传感器，比如线圈、微波、地磁、雷达等采集数据，将控制的功能扩大，进行自适应点、线、面联机控制，其中计算数值计算PI、优化方案等可以变动，信号控制能够实现自适应。从优点上看，显然此类控制方式系统性强，对交通流波动的适应性较好，缺点就是对传感器依赖程度太高，如果失去数据系统就变得无作用，此类控制方式是我国当前的主流模式，但由于现阶段数据的落后，导致主流的信号控制系统并没有达到应有的功能，这就是数据之痛。

在 有身份动态数据阶段 ，主要利用摄像头、车载、RFID等进行采集数据，除了可以统计此前的排队、延误等常用指标外，还能根据车辆身份描述跟踪车辆轨迹，并可以在不检测的情况下推算出进出口、交叉口的车辆，指标计算会从粗放转变为精准，也可以在算法中增设人工智能，但目前还未看到实际应用。从优点上看，此类控制方式的数据采集系统非常优秀，从缺点上看，投资可能会比较大，数据处理计算量也会比较大，现阶段还是实验模式，还未达到大规模普及，但确实是我国未来发展的趋势。

三、当前困境

我国许多机构致力于研究信号控制系统，所使用的系统敢说在国际上最为先进，但悲哀的是，我们 最先进的信号控制系统运行着多时段的固定配时，也就是落后的控制方式 。很多人说交通问题大部分出现在高峰期或夜间，这阶段运用固定配时就已足够，但不在高峰期时缺陷就显露无遗，目视到处是摄像头以及铺天盖地的人工智能宣传给了公众期待，但给人感觉却是呆板的信号控制。

其次， 来看数据方面的问题 。一是数据残缺，包括覆盖不够、布设稀疏，种类不全、缺乏融合，缺乏维护、损坏严重等问题；二是数据孤岛，数据孤立规划、孤立建设、孤立使用，公安系统并没有将数据综合规划、建设和使用，许多设备建成后看似有价值，实际不能使用；三是数据搁置，全国各地装备的摄像头多用于监视，缺乏数据的深度挖掘，专业化人才不足。

再来分析 数据工程的推进瓶颈 ，经济形势上，当前处于经济不景气时期，大信息、大建设还在犹豫阶段，且公众还未完全认可，显示效果不足，很难说服相关部门进行资金投资，在价值上，建设了大量数据设备后成效不明显，没有显示出应有的价值。

四、破解思路

政府引导。

抓住契机，要向政府相关部门建议或说服政府部门投资，说服的关键还是要把展现出自适应信号控制的社会价值，首先做好样板，在某一条线、某个城市、某个区域真正做到自适应，让公众赏心悦目的同时交通能够流畅运行，其次是做好综合规划，不能够一事一议地进行建设，最后学界、企业界，以及研究部门要共同发力，让政府部门增强信心。

技术落地。

首先思想要回归。这句话非常重要，思想不回归，学术就不落地，技术也不落地，我们不能睁着眼睛吹牛，闭着眼睛犯愁。理论方法研究听起来十分高大上，但在实际应用中交通还是拥堵，不能解决实际问题的学术论文也相当于空谈，数据建设是基础性的工作，做好数据建设才能保障“高大上”的技术落地。

工程落实。

包括系统建设、精心调试、长期维护等工作，这是与企业有关的内容，不能中标项目后就不管后续的维护，需要坚持进行数据挖掘，招标部门也可以留足后续维护费用，保障系统长期使用。

▼ 往期精彩回顾 ▼