刘烨，俞雷，马立虎
1 概述
“十三五”以来，公安交通管理科技发展进程不断提速，在基础建设、数据汇聚、业务应用等方面取得了显著进步。随着我国新一轮科技革命和社会治理转型并发，交通要素数量激增和结构变化并行，公安交通管理科技工作面临新的发展机遇和挑战。在城市交通管理工作中尤其是平面交叉路口这一基础的管控场景来说，依然存在着交通感知不全面、数据融合不彻底、控制调优无依据、智能化水平低、路网结构合理性无评价、基础隐患无觉察等问题。对于常发或偶发拥堵路口或路口群，无法快速发现问题并给出全面准确的处置方案，对于路口位阶差过大造成的流量瓶颈、事故隐患问题缺少分析研判。管理部门对交通检测、交通组织、信号控制、信息发布等基础技术重视和投入不足，科技创新意识、创新应用、创新合作共享机制都有待进一步增强。
针对以上问题，公安交通管理科技发展规划（2021-2023年）中要求“推进城市交通精细组织”，夯实交通流信息检测、城市道路交通组织、信号配时三位一体的交通管控基础体系。制定城市道路交通运行态势评估指标体系与方法，推动城市路网结构评估与优化。综合运用多源数据，探索使用在线交通仿真技术，评价和预测道路点段实时交通运行状态，因地制宜科学优化信号配时、交通组织方案，有效缓解城市交通拥堵。在公安部交通管理局正式签发的《关于进一步加强城市道路交通信号控制应用工作的指导意见》（以下简称 “指导意见”）中指出要加强多源数据的融合应用，提升和完善交通信号控制系统或交通信号优化平台的数据采集、存储、处理和研判分析能力，构建数据驱动的交通信号控制新模式。融合交通检测设备、交通监控系统、互联网出行平台等多源交通数据，运用各类数据的特点和优势，对道路交通运行状态进行动态监测、诊断和预警，支撑信号控制策略和方案的优化，评估和反馈优化效果。积极应用人工智能等新技术，完善面向各类交通场景的信号控制方案优化算法模型库，加强算法迭代更新，实现信号控制方案的智能优化和匹配。
综上，针对城市道路交通网络，公安部交管局提出了评估诊断业务对管控优化工作的重要性，并给出了数据应用和技术发展要求，上述文件内容也是本应用的设计参考依据之一。
2 应用现状分析
针对城市道路网络的交通问题诊断业务，通过与多地用户的沟通调研发现若干问题，总结如下。
2.1 硬件部署多套，数据依然用不起来
自2016年“两化”要求实施至今，交警部门一直在完善城市重点路口路段的交通运行信息采集，前端各类检测设备覆盖率显著提升，但由于物联数据接入到边缘端/中心端的数据类型不全、物联数据治理分析薄弱、数据融合不充分等问题，物联感知数据的价值并未真正发挥出来，交通运行规律剖析、交通运行问题发现、交通管控方案优化等业务依然以人工经验分析为主。
2.2 系统建设多套，问题依然定位回溯不准
随着互联网厂商的交通大脑在各地如火如荼的建设，交管系统也新增了诸多利用浮动车数据进行交通态势分析与诊断优化的系统产品。由于互联网采集的浮动车数据的渗透率低、位置精准性差，无法及时、准确地量化路口车道层级的交通运行问题、不能根据全量出行对象剖析问题车流来源，高峰期的路口运行问题依然需要指挥中心民警查看视频核实或接收路面巡查信息，问题发现滞后处置被动。
2.3 技术不断革新，闭环管控依然未实现
随着大数据、人工智能、深度学习、5G等新技术持续赋能城市交通治理，交通态势、交通诊断、信控优化、交通仿真等业务已经实现了一定程度的数据驱动与智能化系统辅助，但尚未从业务逻辑角度进行多系统联动，例如问题诊断后无方案优化、方案优化时无仿真验证、方案执行后无效果评价等。闭环管控的难度一方面在于多环节数据打通，另一方面在于数据应用模型的构建。由问题触发优化，进而通过仿真验证后下发评价的业务闭环系统建设需要管理方与建设方共同推动实现。
3 设计思路
针对当前交通问题诊断业务的现状痛点，海康威视确立的应用设计思路为：感知为基，数据为础，构建以问题诊断为驱动力的综合治理应用体系。
图1应用设计思路示意图
感知为基，即要充分挖掘各类物联感知设备采集的交通流运行数据、交通事件、天气环境等数据价值，从时间和空间维度对多个点位多个时间线度的感知数据进行融合分析。从业务应用需求出发提炼数据需求，评估已有设备的可用性，从“数尽其用”到“全息感知”，对于城市重要区域重要节点，需要保证人、车、路、事件、环境等要素的数据采集，科学布建物联感知设备，支撑更为复杂、精细的管控要求。
数据为础：即要用数据研判并解决问题。基于交通工程学、交通流理论等专业理论知识，运用包含了多种交通出行主体（机动车、非机动车、行人、常规公交）和多种交通要素（道路、事件、环境等）的物联感知数据、交管业务数据（信控方案、灯条数据等），研判交通运行是否有序畅通、交通管控方案是否合理、交通出行分布规律，并通过人工智能与专家智能的结合形成解决方案。
构建以问题诊断为驱动力的综合治理应用体系，针对区域、路段、节点等典型城市交通场景，交通问题解决应摒弃以往的“头痛医头，脚痛医脚”的观念，面对道路顽疾需要采用全面诊治的思路。基于海康大数据基础平台、AI Traffic交通认知引擎等能力支撑，多源数据经过汇聚治理后输入交通问题诊断模块，通过交通路网结构诊断、交通运行问题诊断、交通组织问题诊断可以发现道路结构安全隐患、交通运行问题热点、交通组织管理黑点，并可以通过车流投射分析的方式直观、全面、精准的定位问题对象。有了问题诊断，一方面可以由表及里的探索问题车流的来源去向，从更大范围上分析问题根因；另一方面可以驱动道路空间研判和控制策略生成模块，从车道利用的空间角度和配时优化的时间角度统一考虑生成优化策略，并在交通仿真环境中验证方案的有效性，以便及时进行方案下发前的调优工作。
综上，通过多维数据驱动的交通问题诊断应用，将人工主观定义问题变为数据客观量化问题，将跨平台核实问题变为同平台状态复核，将问题单点处理变为区域统筹考虑，将人工优化变为数据赋能，旨在辅助管理者完成从源头评判到方案生成，提高问题发现和处置的效率，提升城市道路网络在日常或特殊管控时段下的安全和运行效益。
4 方案设计
4.1 路网结构诊断
城市路网结构支撑起交通流通的脉络，显著影响着交通运行状态和安全水平，路网结构诊断是对路网静态特征的问题归集。在实际交通管理应用场景中，以路网地图数据为基础，针对数据反映路网结构性问题，如通过交叉口形态、交叉口位阶差等指标分析交叉口结构特征，实现城市各类型交叉口形态分布、位阶差的特征分析和占比分布分析；通过交叉口间距、接入位阶差、出入口间距等指标分析道路结构匹配程度，实现城市交叉口平均间距分布测算、接入位阶差特征分析、出入口间距达标比分布分析；通过连通度、断头路数等指标分析路网连通情况，实现城市路网连通度分布特征分析及平均值测算、道路百公里断头路数测算等应用，辅助在路网结构层面发现问题并优化交通问题。
4.2 交通运行诊断
通过电警、雷达视频检测单元采集的实时过车数据、车道流量与排队、车辆实时位置等交通流检测数据，信号灯态、交通路网单元、高精度地图等业务数据，通过海康威视大数据基础平台及数据挖掘平台提供的数据治理与挖掘能力，实时诊断并定期研判路口信号配时问题、路口渠化不合理或道路功能不合理等交通组织问题、交通流运行异常等问题。
信号配时诊断方面，结合交通工程学理论建立信号配时诊断指标体系，由系统完成实时、精细的信号配时问题诊断，包括路口层面的空放、失衡、溢流问题，并可以追溯到车道级或周期级的问题表现；干线层面的干线失衡问题反应干线协调控制效果。除此之外，结合车辆实时位置数据、轨迹信息、交通冲突分析数据，通过人机结合的方式还能诊断的信号控制相位相序设计是否合理、绿灯间隔时间设置是否合理等。
交通组织诊断方面，以交通流检测数据和视频为基础，人工结合交通工程学、安全系统工程、数据治理技术和相关行业标准等依据，从交通组织对交通流运行影响的角度发现问题，对交叉口和路段是否存在交通组织问题进行判断。包括路口进出口车道渠化合理性诊断、交叉口内部渠化合理性诊断、车流不均衡问题诊断等。
交通流运行异常诊断方面，通过诊断准确发现交通流运行异常情况，如交通流量突变、服务水平突变、偶发性拥堵等表象，同时对诱因事件做检测及关联分析。通过视频感知智能分析和后端认知分析相结合的方式，实现对交通拥堵、交通事故、道路施工等事件更高的识别准确率，辅助更深入的规律预测分析。
图2 交通运行诊断示意图
4.3 道路空间研判
道路空间研判，即系统根据路段不同方向流量、排队不均衡性及路段进口道不同转向流量等阈值给出实施潮汐及可变导向车道的策略建议。具体来说，系统研判出具有潮汐特性的路段和具有可变特性的进口道路段，关联各项指标参数及视频片段，并结合道路几何条件和交通组织管理措施，研判适合进行潮汐及可变导向车道管理的路段及路口，形成空间车道管理方案，与时间调控双管齐下。
图3 道路空间研判示意图
4.4 车流投射分析
车流投射分析，即将车辆运行状态投射在真实的道路网络中，让用户以上帝视角查看车辆运行状态、复盘交通运行问题、找出异常行驶车辆，剖析问题演变趋势。依托车道级高精度地图，系统拟合雷视采集的以机动车为主的混合交通流卫星定位数据，形成轨迹并在地图中进行展示，同时还将车辆运行速度、关键评价指标、视频图像、设施设备等作为附加信息可视化呈现，便于用户快速复核问题。
图4 车流投射分析示意图
4.5 关键路径溯源
通过对关键路口（包括但不限于拥堵路口、瓶颈路口）的关键车流（包括但不限于拥堵车流）进行路径溯源，分析对关键车流拥堵贡献度较高的车辆行驶路径，从关键路口向外层路口延伸追溯车辆关键路径，为管理者进行重点路口交通管控、区域交通需求调控提供数据支撑。基于关联区域的电警、卡口、雷达视频一体机等采集的车辆牌识数据，分析经过目标路口某方向转向的车辆轨迹中出行量占比较高的若干路段组合，侧重分析途径目标路口的驾驶员路径偏好选择，形成关键路径的轨迹重构；以目标路口为核心的路网转向级交通流量，追溯到达目标路口某进口的交通需求总量较大的车流组合，形成关键路径流量的分析。
图5 关键路径溯源示意图
4.6 控制策略生成
基于交通数据分析，总结历史交通运行状态参数及诊断指标，剖析路口运行问题发生规律，指导信控优化等管控策略生成，根据所选路口在某时间段的指标数据和基础运行参数，结合预先设置的时段，生成每个时段的配时优化方案，包括周期、相位相序、相位差（绿波方案），单点和干线控制算法服务由杭州海康威视数字技术股份有限公司AI Traffic交通认知引擎提供相关能力，实现从问题分析到控制策略优化的闭环应用，各优化控制策略之间可以按照历史数据、优化之后的预期成效数据，在转向级参数及基础参数之间形成可视化图标辅助用户决策，通过空放指数、溢流指数、失衡指数、流量同比、车流不均系数等转向级流量的对比，饱和度、排队长度、流量、平均延误等基础级数据的综合对比分析等。
4.7 交通仿真推演
基于交通认知引擎的仿真服务能力，在交通路网单元数据构建路网仿真模型，加载实时过车数据（带车牌号或不带车牌号）、车辆位置数据、信控灯态数据，建立高还原度的平行仿真环境，用于信号控制优化方案、交通组织优化方案、大型活动管控预案等管控策略的预演验证，构成交通问题诊断-交通溯源致因分析-仿真推演的闭环流程，提升管控方案的合理性和有效性，辅助使用者在单任务、多任务并行的情况下，自动匹配仿真时段的交通流参数并形成仿真展示效果。
图6 交通仿真推演示意图
5 结论
在实际的项目落地中，我们已经探索出了基于雷达视频融合一体机、电警等设备采集的车道级、轨迹级、全量化交通流多维数据，以交通工程技术理论为依据，围绕着城市道路网络的交通问题诊断优化业务，构建了完整的问题发现-致因分析-方案优化-仿真推演等业务支撑系统，自成业务闭环。其中的实时诊断模块服务于指挥中心做问题的主动快速发现与处置，智能研判模块服务于秩序部门做历史研判，辅以车流投射与溯源分析的诊断辅助工具，在仿真环境中评估方案可行性。业务环节数据流通，助力城市道路网场景的综合管控。
