基于滴滴数据的自适应交通信号控制系统应用

龙海勇：各位专家、各位嘉宾，大家下午好！今天很认真的听了各位领导的演讲，关于互联网交通、大数据、车路协同等，让我茅塞顿开。但柳州作为一个三四线城市，没有车路协同的感知设备，难道就与现在今天会场格格不入了吗？不是的，我们也要想办法，因为所有的技术是为实战、实用、实效服务的，要基于自身的需求引用更新的技术。今天跟各位领导汇报一下柳州交警“基于移动互联网数据的自适应交通信号控制系统”。

习总书记在十九大报告中强调，我国社会主要矛盾已经转化为人民日益增长的美好生活需求和不平衡不充分的发展之间的矛盾。城市交通也存在这一问题，柳州市目前交通信号236个，联网率86%，联网率相对比较高。但如此多的交通信号，如何让其7×24小时能够实时科学有效的进行配置，问题就来了。让信号控制专员盯着路口不太现实，所以为何不用信息化自动化前端感知设备？

对于交通信号控制的需求，我们也从以前的单点控制到现在的联网控制甚至于今后的集中统一控制，逐步发生变化。以前是人工指挥、路口调整，现在是人工＋远程控制，相对方便地用鼠标、键盘控制，再往后可能是全自动。刚才戴总说了全息感知、实时调整，这也有可能。现在，对信号控制系统的前端感知有很多种手段，比如说视频、雷达、微波、地磁等，但柳州目前这些手段都有欠缺。线圈被压坏了，地磁一个都没有，视频分析经我们测算，流量准确率不高。此外，也存在几个问题，首先，视频、地磁的投入成本比较高，200个路口要投入，如果每个车道装一个地磁，那么地磁数量价格也是不菲；其次是设备完好性难以保障，如果车道的数据准确度上不来，信号控制的自适应判断就是片面的；三是维护、更新需要大量的人力物力财力；四是柳州目前大力开展轻轨的建设，路口被挖得乱七八糟，路面感知设备的完好率难以保障，对路口的控制完全就没有了前端感知层；五是获取的数据往往是断面数据，路段和区域的数据，传统感知手段无法实现。

面对问题，发现了问题，比如说信号控制设备的台账不清，对信号控制系统管理不专业不规范，相对随意，辖区警力不足、专业技术人员不足，习惯性靠经验来判断进行交通信号控制等等。所以我们想通过系统化、流程化、信息化、数据化使交通信号控制工作更规范、更自动，同时还要面对柳州本地现实环境。

所以我们从今年开始和航天科工集团、滴滴公司合作，运用互联网浮动车数据监测路口、路段的车辆通行情况，统计路口延误率、溢出率、时空通行图等相关指标，在样本量达到一定阈值时，可动态地检测和诊断交通问题，合理制定相应的信号配时方案，并自动下发至路口的信号机运行。 为什么我们选择滴滴公司，而不是高德、百度呢？因为我们对互联网数据更趋向于选择定向OD的数据，已经确定了目的地，已经规划了出行线路，相对来说，这样的数据清洗会比较干净、比较方便，用起来被干扰率相对较少。

我们主要基于业务的应用对信号灯进行自动调整。

这是系统平台的几大特点。对于自适应系统可以实现周级的优化，也可以实现分钟级优化。

在优化原则上，通过周期相对差和时间段离线区域也可以优化，因为有些偏远的路口网联数据的确不足以支撑对路口的感知，可以通过相邻时段或者同一周期进行离线优化，再把方案发送下去。

主要的目标是为解决日常交通常见的问题，例如失衡，让信号控制系统有实时的数据监测，而不是靠人。二是比较灵活和低成本的配时控制，逐步迁移成自适应控制。我想这应该三四线城市需要的，自适应也要看交通数据条件和环境，协调了一大批系统、一大批设备才说算法，的确有些难度，巧妇难为无米之炊，但是再难，也要吃饭，也要想办法。

因为在整个系统搭建研发的时候，交警方面、航天科工方面和滴滴公司都要做相应的工作，什么工作呢？

1、交警为滴滴和信号机厂商为信号配时方案生成和下发提供必要的支持，具体包括互联网与公安专网网闸部署、端口开放、道路实际情况信息以及在自适应配时方案对接下发过程中保障；

2、信号机厂商为滴滴提供自适应配时方案下发区域内和原始信号配时方案、自适应下发相关信号机协议与接口、安全保障以及信号机运维；

3、滴滴基于交警提供的道路实际情况信息，基于滴滴车辆轨迹和原始信号配时方案，生成不同场景下的优化控制方案，通过信号机接口下发至信号机厂商服务器，在通过信号机厂商审核后下发至路口运行，并生成相关评估报告。 

交警必须要清楚路口信号放行的顺序、放行的方式和最大绿、最小绿的区别。浮动车数据无法感知到路口究竟有多宽，特别是最小绿数据，它觉得没有通行需求，那么行人过街时间就得不到保障，所以最小绿必须由交警设计，如果顺序随意改变就会出现问题。航天科工的信号机模块必须要与后台的运算系统进行数据、协议等等相关对接，让信号机的指令和映射的相关内容与后台实时关联。而在滴滴一方则需要通过数据的清洗、算法的优化，来实现对路口的感知和微调。

整体的思路，首先是对某个路口或者是路段进行全面的诊断，是健康的、不需要调整的，就不用做优化，不需要去干预。但是一旦有一个方向延误较大，甚至于车流溢出，就需要通过点、线、面等进行算法上的调优。

项目启动的时候，我也觉得理论挺好，但究竟能不能做下去，我也没底。从最开始一个路口一条干道的尝试，到目前全程21条干道的109个路口实时在线自动优化，发现的确可以减少延误和停车次数【工作日优化后（6.19-6.22，6.25）与优化前（5.28-6.1）的平峰时段 9:30-17:00对比】等等。

只是说平峰期可实现自动优化，高峰期路口过饱和状态下，还需要交警人工进行控制。在系统中可以一键对所有联网路口同步启动自适应，也可以一键全部进行再自适应，也可以选择对某个路口进行开启或者关闭自适应。区域优化目标，要达成区域绿波控制，减少区域内过饱和情况，消除红灯溢流，避免路口瘫痪。我个人一直在指挥中心进行疏导，现在的交通高峰期，交警指挥中心的信号控制员和路面执勤交警息息相关，过饱和状态就需要调度民警在路口进行干预和调整。系统使用也要减少绿灯空放，提升通行效率。

这是一组测试数据，我们当时做了6条干线、20多个路口，整体延误时间在系统开启之前和开启之后有不同程度的下降。这一配时方案全部不由人工控制，全自动，自动感知、自动调整。干道路口每天的平均停车次数，我们对有意关闭了系统，停车次数也有下降。为什么这条线路上的降幅不明显呢？因为这条线路是几条干道的交互，而且相连的是一个桥面，道路收窄，通行能力不足，导致东西方向的通行线路上的降幅不太明显。

路口的停车次数也有效降低，而在路口的平均延误时间从数据上来看是降低的。但是这些延误时间的降低，也许驾驶员并没有体会到。因为数据值不高，分摊到个体很难感受到，但可以通过数据计算出来。当然我们仅仅用了三个相对小的指标，为什么没有更多指标？因为没有条件，拿不到这些指标。不能说没指标就不做事，领导说把信号调一下，你说调不了，没有设备，没有前端感知层，就不做了？其实这种模式容易复制，总队今年下了一个文件，年内每个地市要做一条绿波带，有这些数据，不用很多外场设备也可以做绿波带。

当然如果和全息感知的自适应来比，这个是粗放型的，但起码已经有了，往后再选好的。这是一组数据展示，看起来都是下降的，只是高低各有不同而已。刚才也说到，最开始的时候我们也怀疑靠不靠谱，所以项目进行的时候，一看系统提示某方向有重大延误，我马上调视频验证下，预警和实际是否是一致。因为如果一个医生把脉都把不准，开的药就不是救人，而是杀人，经过我们的核实，预警准确率有95%以上。

6月份文昌路-桂中大道路测试结果表明，平均延误下降了10.8%，由55.73s下降至50.30s，整体车辆平均停车次数下降7.24%。在不停车的重大比例上我们也做，在测试前不停车比例是0.04，这个是0.08，有了明显的提升。

当时做这个系统最大的初衷不仅是信号优化，还有公交优先。柳州以前的公交优先是基于RFID，路口50~100米的距离进行感知，信号灯相对优先放行，绿灯延长，红灯减短，但只能在路口100米范围内感知到对象。现在公交车只要一发车就可以知道需求，公交路线固定，更容易感知。多辆公交汇聚在同一路口的时候，感知得更准确。

第二，急救车等放行。在路口，社会车辆让行之后，谁来给社会车辆证明是因为让行而产生的交通违法，如果没有好的解决方案，急救车就无法优先通行。现在有了前端感知，急救车只要启动优先通行，信号上可以给它绝对优先。而且从这一个路口到到下一个路口的500米左右距离，还可以进行自适应性调整绿波。

第三，车路协同。在将来的自动驾驶中，信号控制平台还可与自动驾驶车辆进行互联感知，增强自动驾驶车辆的安全性和通过的有效性。在我们系统当中，从信号机到优化平台再到交警信控系统，都是多重相关认证和安全保障的，经过这两个多月的实际应用，感觉这一做法可以稍微的摒弃前端设备，能够快速的部署，满足不那么精准的需求。不是没有雷达、地磁、视频等设备就做不了这些工作，没有筷子就吃不了饭，就会饿死，这是不行的。

我们在柳州做了一些尝试，目前来看效果还不错的，因此有机会在这里向各位汇报工作。优点是部署快、费用低、客观影响小等；缺点，一是偏远路口、路段样本量不足无法支撑自适应，二是高峰期饱和状态下自适应效果受到很大的影响。

下一步，我们还将基于业务需求，加大数据整合力度，并与研发团队拓展更多的应用场景，服务广大交通参与者和社会大众。