方纬科技李可先：以精准数据助力一体化智慧交通管理

以下为演讲实录。

各位领导、各位专家、各位嘉宾，大家下午好！我是方纬科技的李可先，下面由我给大家分享一下交通精准数据是如何助力智能交通管理的。

人类的认知基本上是这样一种递进，首先是获取数据，接着基于数据提取信息，然后在这些信息中找到规律，也就是我们所说的知识，最后基于这些知识产生出智慧。在交通行业也是类似的，我们举一个例子，拿卡口过车来说，车辆过车记录就是数据，进而形成车辆的出行轨迹等等信息，基于这些信息可以掌握一些知识，可以研究这个车辆的出行规律，它的居住地、工作地在哪里，什么时候行驶到哪段路上，基于这些规律这些知识，就可以得到一些智慧的东西，比如，可以实现基于个体车辆的精准诱导，某某车主，基于你的通常行驶路径，发现你今天上午晚10分钟出行，最后到公司的时间和平日是差不多的；某某车主，发现你有很多违法未处理，系统知道你日常停车位置，如果再不及时处理，就将依法到停车地进行处置了。这些听起来好像很未来，但是实际上都已经在方纬科技的项目地实现了。

除了刚才的一个例子，再给大家看看还有哪些和交通管理相关的数据、信息或者知识。例如，一座城市出行量较大的是哪些车，哪些车才是交通的管控重点？在我们的一个项目地发现，20%的车辆行驶了大约90%的里程，这些车大部分是公交车、出租车，还有大量的疑似非法营运车辆，这不就是我们交通管控的重点么？这就是基于数据得到的知识：只需要管理好这20%的车，把交通需求量很大的这些车管理好，就管理好了90%的交通出行。

再一个例子，一座城市常行驶的外地车有多少，外地车的行驶特征是什么样的，很多城市都开始限外，为什么要限外，哪种方式限更合理？这些也可以基于相关的数据、知识来分析。

以广州为例，2017年的数据如图所示，有6.2%的车是属于“本地化使用”的外地车，但是它们，占了所有外地车70%左右的出行里程，研究这6.2%的外地车的管理策略，再考虑偶发过境的外地车，基本上就可以很好地管好全市的外地车的出行。这个也是通过数据产生知识，才得到智慧的。

一座城市有多少违法车辆在上路行驶，它们的出行规律是怎样的，高发路段有哪些？这也是可以源于数据得到的知识，在方纬科技的一个项目地，每周大概有4000多辆车违法上路，占比约3%，基于这些车的常行驶路径，就可以发现某几条路很可能会高发违法，或者说因为高发违法，很可能会导致事故发生。这样针对违法车辆高发行驶路段进行监控，及时做隐患排查，就可以很好地降低违法行为和事故的发生。

只有真正理解道路路网的特性，分析诊断通行不畅的地点，才能提前进行调整，整体过程都源自于数据而得到的知识。

但是很多城市并没有意识到交通数据能够产生这样的知识，可能有很多的原因，比如数据不完备、质量差、利用率低，实际上过去可能更多是通过业务导向认知这些数据和知识的。以卡车过车图片来说，很早之前闯红灯抓拍的技术就已经支持了，但近几年才意识到除了捕获闯红灯事件外，还可以把所有车辆过车信息记录起来，并且基于这点衍生出很多的业务应用。这实际上就是所谓的业务导向导致的，需要做这项业务，才想到需要认知这个信息。

反过来，如果变成知识导向会是什么样的情况？我们有一个项目案例，也是以闯红灯抓拍，在项目实施之前，当地已经做了很多数据梳理，甚至说做了所谓的智慧大脑的业务，但我们发现它没有对数据质量的标准有一个清晰的认知，从而导致了不少乌龙。例如系统发现有一辆车在上午9点钟过了一个路口，同时又发现过同样车牌的车在4公里外过了另外一个路口，通过AI分析认为这是一个套牌车，而人工核查发现实际是同一辆车，原来这两个路口的时钟不同步，实际两个过车记录不是同一时间点发生的。为什么会出现这样的情况？过去闯红灯只做违法图片的分析，没有人深究到底是9点违法还是9点05分违法，因此时间是否同步并不是关键点，这就是业务导向的数据认知，他不会关注和业务需求无关的细节。但是如果是认知导向，就需要精准知道每一个交通状况是如何发生的，需要获取交通的精准数据，这时候就会发现时间基准是一个很重要前提条件。

可见，只有真正获知交通的精准数据，获知车辆以及路网的相关特征，才真正能认识交通，才能为后续的智能管理做好支撑，有点像用一个CT机去解构交通，获取精准数据。

那么，如何才能认知精准的交通数据呢？我们认为，首先需要有一个完备的数据，有一个全时全域全量的数据的采集，要能覆盖所有的车辆出行。它检测的特征基本上有以下几点：第一是要识别个体车辆的出行，而且它是全覆盖的，不管是对车辆的覆盖还是对路网的覆盖时间维度的覆盖；第二是检测的具体的位置信息一定要和道路的通达性强相关。

除了完备的数据采集外，还需要有一个可计算路网的模型，通过这个模型知道路承载力是怎么样的，知道各路段路口之间的逻辑关系是怎样的，这样才能知道这个路网有怎么样的车流，也就是怎么样的容量进去之后，路网会产生怎么样的结果，精准认知这个路网的通行能力、承载力和容量。同时需要有一个基于身份检测的交通模型，认知每一俩车的出行特征、出行需求，然后求解当前状态并推测下一时段状态。通过这两个模型，我们就可以真正掌握精准的交通信息。

这里的精准是指我们可以掌握任意时刻、任意路段、任意车辆的状态信息，这是我们在宣城的案例，知道某一个具体时段在这一条路段的平均行驶速率，也知道在这个时段这条路上跑了多少辆车，分别是哪些车，各个车道的通行能力是怎么样的情况。比如右边的这个图，这里有一个高亮的小车，我们知道它在什么时刻通过了哪个路口，在这个路口是怎么行驶的，在下一个路口又是怎么样行驶的，通过这些信息得出这辆车的出行规律，这辆车从哪里出发到哪个位置，每天是怎么出行的，什么时间点经过哪些路段，这就是它的出行特征。

通过刚才说的交通数据的精准掌控，就可以支撑后续的一系列的业务。这个几个精准是针对车辆、路口、路段、停车场等交通要素的，从时间空间几个维度，对容量、需求、状态进行求解。

这里给大家举几个精准数据助力业务应用的例子，第一个是拥堵成因分析。在谈及交通大脑或者AI赋能的时候都会提及拥堵成因分析，但是我们和很多交警领导沟通交流，大多数实现方案只能达到两个效果：第一是判断出这是一个常态拥堵，常态拥堵有可能和这个道路特性相关，和常发的车流特性相关，优化常态拥堵的空间不大；第二是可以发现异常拥堵或者称之为偶发拥堵，检测出了一个交通事件，然后自动告警将这个事件告诉管理人员，由人去现场核实这个事件，再去解决它。我们看看，检测、认识一个事件，然后把这个事件告诉我们，这是属于智慧吗？是属于知识吗？可能它只是告诉了你一个信息。

如果有精准交通数据，可能整个事情的处理方式就不太一样了。我们有一个很有意思的案例，我用这个系统界面来说明一下。这个界面可以告知这段时间有多少辆车在这个路段通过，在这个信号控制的策略下，这个车流能以多大的速度通过。当前检测到进入路段的车不多，离路段的承载能力差很远，信号控制方案也没有什么问题，有足够绿灯时间可通行，基于需求和容量信息，推断路段状态应该是很顺畅的，但是实际检测到的状态发现行驶速率起不来，这是一个异常情况。大多数的AI智能分析到这就完成了，这里有异常了，你去现场看一看。

而我们的案例中有了全量的精准数据，再进一步分析发现，这个问题高频出现的路段凡是出现这样的状态，就会有两辆车在路段中检测到，进一步分析发现这两辆车是为旁边的餐馆送货的车，路本来不宽，车辆违章停车在这里卸货，道路就堵住了。这个案例告诉我们交通拥堵成因分析，需要很好地了解交通流本身的需求，知道路网的容量承载能力，然后去判断这个状态对不对是否符合预期，才能通过一系列的精准交通数据分析得到知识或者是智慧的解决方案。

除了拥堵成因分析外，基于全量精准交通数据对信号控制做评价和优化，也会得到更好的效果。在一个三线城市有一个交警业主和我沟通，他们聘请了一个优化服务团队进行信号优化，到年末优化团队给他的工作报告中他发现，优化团队每个季度重点优化了15-20个路口，他发现一年下来三、四季度优化的路口和一、二季度的非常相近，感觉就像是转了个圈。每次优化的确都把那些重点路口拥堵状态缓解了优化了，为什么一年内又回转回来？感觉就象把拥堵的点不断地移到下一路口，最后就转一圈。他问我这种情况怎么处理？老实说我没有真正给他解决，但是我给他做了这样一个评价：首先给出全年在道路上行驶的车辆数量，给出这样一个数据，从年头到年尾，在网行驶车辆总数增长了12%，路没变宽跑的车多了，优化团队基本上还能保证道路运行状况是差不多的，说明这个团队还是有在干活的；然后分析各个月份的交通运行数据，发现优化团队并没有把他们的全力发挥好，我们发现在早晚高峰，6月、7月执行的几套信号控制方案，整个市区的道路，尤其是30多个重点路口的道路通行能力是最好的。我就建议让优化团队尝试以6月、7月全市的所有信号路口的优化方案作为基础，然后再看看有没有可能在这一块进一步调优。优化团队听取了我们的意见，然后就在6月、7月的方案上进一步调优，据后续检测到数据，新方案在各个路口的通行能力上又做了一个很好的提升。可见，只有掌握全量的精准数据，才能更好地对信号路口进行评价，并进一步给它优化建议。

通过精准数据可以分析车辆出行规律，并对车辆行驶路径进行预判做出精准查控。例如我们宣城案例，对一个交通违法的车辆进行精准查控和抓捕，系统分析出这俩车经常出现的地方和对应时段，要抓捕就太容易了。同时也对违法渣土车进行了专项整治工作，不到三个月的时间，我们就通过事前预警，或者是在路上的执法，让违法上路、未审批或者时空越界的违规行为快速下降。

交通管理部门会经常出报告，给上级领导或者给公众。有了精准数据，这个报告就从一个在天上纯描述的内容变成在地上有实际数据支撑的内容。报告里面的数据是可以实现数据穿透，比如这里讲有30%的车，这30%的车到底是哪些车，可以精确到具体的每一辆车，这些车跑了哪些路，也有具体路段路口数据。通过这样的基于精准数据的报告，才能有效支撑相关的交通管理政策，真正体现“用精准数据说话，彰显交管政策智慧”。

我们认为只有这样掌握交通精准数据之后，才能真正地实现AI赋能，或者说真正实现智慧交通的管理。如果数据不精细不准确，那所谓的智能就只能是镜中花水中月。这就需要从认知精准交通数据开始，然后再去构建整个智慧交通管理。

这里是方纬科技的一些实战应用项目，包括广州南沙、宣城、宿迁、淮南等地，有机会大家都可以去看一看。 

最后，one more thing，我们已经进入车路协同的时代，这就更需要交通精准数据，需要掌握交通精准数据的可计算路网。车和路无时无刻都在交换他们的数据，也在产生新的数据，如果数据不精准，再往后推进就会遇到很大的障碍。我们方纬科技也做了一点点小贡献，在我们的几个项目地提供了城市级的车路协同验证环境，还有OpenITS开放研究平台，欢迎业内的各界同行一起在我们的验证环境里面探讨如何更好的利用交通精准数据，在智能交通领域在车路协同领域做一些新的尝试和发展。

以精准数据助力一体化智慧交通管理，我的汇报就到这里，谢谢大家。