互联网交通大脑平台在信号优化中的作用

（1）目前国内有哪些比较知名的交通大脑类平台？

图1.1.1国内几款较知名的交通大脑平台

以上罗列的只是国内交通大脑类平台的一部分，其中阿里云（高德）推出的平台不只一个，但其平台系统底层应该是相同的，只是在应用层根据具体不同应用场景和需求，包装为不同的平台子系统，在这里一并都划归为交通大脑平台。

这些大脑类平台主要用户是各地公安交通管理部门，如交警总队、支队、大队等；通过后面章节的介绍，可以看到这些平台在道路交通运行状况的感知能力较以往的平台系统有了很大提升，基于对道路交通状况的感知能力，可以提升对道路交通运行管理水平和效率，从而实现城市道路交通拥堵的缓解。这也正是大脑类平台的主要应用目的。

（2）交通大脑类平台的系统界面和功能布局：

图1.2.1阿里云界面

图1.2.2高德界面

我们可以看到，阿里云（高德）的交通大脑平台或系统，界面和功能布局都比较类似。系统主界中心区域是GIS电子地图，上面显示管理辖区内实时道路交通运行状况，系统主界面左右两边的功能区或数据区，显示道路交通拥堵报警数据列表、道路交通运行指标数据等。

图1.2.3滴滴界面

图1.2.4百度界面

滴滴和百度的平台，可以看到系统界面布局的功能分布，其实也很类似，都是GIS电子地图+各类的功能区和数据区。其中，滴滴系统中，对拥堵路口的报警还进行了更细的分类，分为了过饱和、失衡、溢流三种。

华为的TrafficGO平台，通过其公开宣传材料，可以了解到该平台的一些功能特点。类似的还包括科大讯飞交通超脑平台，同样也是尚未见过系统界面。

回顾近几年交通大脑平台的发展，2018年，杭州城市大脑2.0上线应该算是最为标志性的事件，阿里云这个版本的大脑平台上线发布，对业界发展的影响最大。此后，越来越多厂家企业陆续发布了自己的交通大脑产品或研发计划。

图1.2.5杭州城市大脑2.0上线发布会

城市大脑、交通大脑等大脑平台，并不直接等同于交通信号管理平台或优化平台，二者不能直接划等号。但交通大脑的具体落地应用，与交通信号控制是密不可分的，交通大脑除了强大的交通感知能力外，所输出的交通优化改善措施，往往需要通过交通信号控制进行落地应用。

我们综合目前总各家大脑平台的功能，对交通大脑类平台中与信控优化相关功能进行了梳理，并划分为“基本功能”和“进阶功能”两大类，分别是：

图2.1交通大脑类平台相关的功能

区域、路段、路口的交通运行情况及拥堵预警：

是指交通大脑平台通过所感知的道路交通运行状况，当检测交通运行指标数据超过设定拥堵阈值时，就在大脑平台界面中发出拥堵预警，提醒操作用户道路发生了拥堵，可以进行相应的跟进处理.

根据维度的不同，对片区、道路、路口平台都可发出相应预警。再深入些，平台可以根据交通运行指标数据，对拥堵类型进行进一步细化，例如高德平台中可以区分拥堵是属于常发拥堵还是偶发拥堵。滴滴平台可以区分路口拥堵是过饱和拥堵、失衡拥堵、溢流拥堵的哪一种。该项功能可以融入到交通信号优化的实际应用流程中，作为信号优化工作的驱动机制，可以在原有人工巡检、接收舆情警情等手段发现拥堵的工作机制上，增强快速发现拥堵的能力。

图2.2交通运行情况界面

路口的全天候交通运行指标情况：

这里强调“全天候”这个词，是交通大脑平台感知能力的一个重要体现，如果没有大脑平台，在信号优化过程中，靠人工采集各类交通流运行情况数据，覆盖的时间段很有限，一般就是工作日与节假日早晚高峰和平峰，而交通大脑平台都能提供任意一天任意一个时间点/段的交通运行指标数据，这也正是交通大脑平台强大感知能力的一个体现，有了这些数据支撑，对信控优化工作中的路口/路段交通运行情况研判分析、优化策略设计、优化效果评价等工作都能起到较大的帮助作用。

图2.3交通运行指标界面

时段划分、周期及绿信比计算、绿波方案计算等功能：

交通大脑平台一般具有信号控制优化的一些常用功能，如时段划分、单点路口信控方案的周期及绿信比设计计算、路段协调控制中的绿波方案设计计算等功能。同时这些信号优化功能可以和平台中的感知数据相关联，直接利用平台感知到的交通运行指标数据作为计算的输入值。但是强调，目前大脑平台中的信号方案设计计算功能只能处理相对简单的设计计算，如路口信控方案中的相位相序设计功能，大多数平台都不具备该功能。

图2.4相关计算界面

交通运行报告：

依托平台感知的路网交通运行指标数据，平台可以提供交通运行报告的设计和导出功能，因为交通运行报告其中一个很重要的组成内容就是各类道路交通运行指标数据，因此，这项功能可以作为信号优化报告编制工作中的基础报告素材。

图2.5相关计算界面

交通信号动态控制：

同依托交通大脑平台的道路交通运行感知数据获取道路的实时交通运行状态，根据实时状态调用相应的交通信号控制预案，实现交通信号的动态控制。如路口的单点自适应控制、路口的防溢出动态控制、路段的动态绿波控制、区域的实时协调控制等。

图2.6动态控制界面

道路拥堵成因分析等研判功能：

平台通过对拥堵道路（路段、路口等）交通运行数据的分析，输出拥堵道路的拥堵成因与根因，并根据拥堵根因给出相应优化建议。实际信号优化过程中，分析道路拥堵成因这项工作非常依赖信号优化工程师的实际经验，交通大脑平台依托感知数据分析出道路拥堵的成因，对信号优化工作能起到很好的支撑作用。

图2.7研判功能介绍

道路交通组织优化建议功能：

根据道路交通运行感知数据，为道路交通组织优化提供可行性分析等研判支撑。如分析道路交通流是否具备潮汐特征，是否可以实施潮汐车道交通组织方式；匝道路口是否需要启动匝道控制交通组织方式；路段上是否可以组织实施分车道控制交通组织方式；路口进口车道的车道功能分配是否合理？是否需要进行优化的建议等。

图2.8研判功能介绍

基于数据的定制化应用分析研判功能：

这项功能指利用大脑平台里的感知数据，在有道路交通信号优化、交通组织优化、交通影响评价、交通仿真等应用需求时，根据实际应用需求，从大脑中导出所需数据，用于支撑相应应用的分析研判。

如昆明曾经有这样的案例：昆明南二环施工前，利用滴滴平台中的感知数据，同时结合其他道路交通运行感知系统设备的数据，对施工开始后城区道路的交通运行情况进行预测，分析出施工开始后的重点拥堵路段、路口，从而提前制定相应的信控及交通组织预案，同时对这些预测重点拥堵路口路段增加路面执勤警力，保障施工开始后城区道路交通运行的顺畅，缓解因施工造成的道路严重拥堵。

图2.9分析研判功能界面

站在交通信号优化实战的角度，目前的交通大脑平台提供的数据和系统功能，还有哪些地方需要提升改进从而更符合信号优化实战要求呢？

图3.1各类交通大脑功能及数据特点

我们可以看到，交通大脑最强优势就是平台所能获取及融合得到的道路交通运行感知数据，绝大部分应用功能都是基于感知数据延展出来的。在实际信号优化过程中，这些感知数据可以较好弥补人工采集数据的缺陷，提升效率，降低实施成本。同时，对于一些信号优化过程中有规律逻辑的重复性工作，平台可以实现一定程度的替代。

那结合信号优化的实际工作需求，我们需要的怎样的交通大脑呢？它应该在以下几点做得更好一些：

图3.2 信号优化需要怎样的交通大脑

其中需要重点说明一下的是“数据的解读”这一条，目前的交通大脑平台，可以看到在系统界面上都有很丰富的数据区，可以按照要求查询到很详细的交通运行指标数据，也有很丰富的图表显示，但是实际使用感受是：你知道系统展示了很多数据，但是这其中反馈了什么信息呢？数据需要解读，能不能从数据中看出更多的问题，找到更多规律信息，这十分依赖使用者的经验。

此外，拥堵问题的诊断支撑以及优化方案的建议是一项有着很强实战支撑的功能应用，虽然难度很大，但放眼未来，如果交通大脑在这个功能点上有突破，将极大改变交通大脑在交通信号优化中的定位，也会极大改变整个交通信号优化业态的生态格局和发展趋势。