随着大数据的引进，数据支撑不再是难题，但是应该如何使用这些数据呢？在第六届中国智能交通市场年会的信号控制发展论坛上，青岛海信网络科技股份有限公司信号控制算法专家马晓龙发表了《交通信号控制系统发展趋势探究——从新数据应用视角出发》主题演讲。

以下为马晓龙演讲全文：

一、背景介绍

在行业发展背景方面，随着大数据的发展，在信号控制里，我们也会提人工智能。但是大数据的背后是什么？是我们想减少的调优人力，通过数据分析交通问题，优化信号控制策略，从宏观的控制策略入手，完成信号治堵、运维保障等需求。

在技术发展背景上，从信号机到信号中心，联网联控已经不再存在过多局限。现有的控制模型如何应用更多的数据？如何解决点、线、面在高峰期的拥堵？仍然是我们面临的难题。

二、“新”数据来源

单点检测器检测数据包括流量、占有率、速度，目前新型检测器，例如交通流视频检测器、多目标雷达等，可能得到路网的密度和排队长度；通过蓝牙、电子标签等可以得到个性车辆属性信息，以及车辆轨迹信息、出行者个性化的信息。

交通控制里的大数据无论是从数量上，还是从复杂度上并没有那么“大”，我们不如称它为“新”数据。什么叫新数据？暂且认为除了信号系统自建自用的，其他接触的第三方数据都认为它是新的。从这些数据里挖掘交通规律，挖掘信号控制方法。

首先我们研究了新型的固定检测器数据的质量与应用，例如进口道单车轨迹、排队长度、非机动车参数等。

其次是互联网数据。互联网数据来源三个方面，一是地图服务提供商，可以提供地图和交通状况；二是城市出行服务提供商，提供出行者的属性和轨迹；三是手机通信服务商，因为有电信大量的基站。

更广泛的地图信息和出行者原始GPS信息以及处理后的路网状态信息都有利于我们获取城市出行OD规律、行程时间、车辆延误等基础信息。同时，可以辅助交通问题的决策、宏观出行规律分析、控制策略制定和效果评价分析。如果将所有数据放在一张时空图里面来看，更多的数据让我们的时空图更加明确，更好地看到城市的全貌。

展开全文

面对更多的数据来源，信号控制应该怎么做？数据采集变了，信号控制策略会怎么变化？同时信号控制策略目标可能面临的是城市级的问题。现在信号控制系统面对的是整个城市成百上千的路口，在这种状态下，控制模型怎么做？信号控制方案怎么做？

三、应用案例

海信的HISMART交通信号控制系统要面对很多的城市的信号控制，而不同的城市接入的数据源是不同的。我们首先要有接入不同数据源、信号机的能力，其实是要处理各种各样的数据，包括交管、交委和来自互联网的数据。

我们的信号控制数据大脑应该怎么运作？我们研究认为应该分为两个部分：初始化和常态化。

初始化部分我们考虑从宏观角度把一个城市进行分割，从关联性上进行分割。然后用具体的控制策略实现我们的目标。从监控摄像头到信号灯的距离究竟有多远？我们并不关注，因为联网联通因为不是问题了。今天要分享的是，将第三方视频的信息，通过视频分析的结构化，输入到信号控制系统之后，我们还能做哪些事情？

第一是交通发生吸引的规律，在最开始的交通OD规律中，海信是通过流量反推得到城市的OD。车从哪里来？要往哪里去？这是信号控制的核心。如果可以知道进入电子警察检测区域的每一辆车在路口出现的时间，那么所有的点连起来就是它的轨迹。所有的轨迹叠加就是路网的出行特征。还可以用浮动车数据，这三类都是可以进行城市OD规律分析的。

第二是基于第三方电子警察数据的排队长度估计。每辆车有自己的固定属性，上下游匹配，基于电子警察的数据就可以得到行程时间。而交通控制与交通状态的最大区别在于信号控制需要更高的精度。对于交通状态，实际拥堵150米，发布了120米，可能感受不到也影响不大。但对于交通控制，如果误差30米，就是4辆车，而只让它过去了2辆，一个周期两分钟120秒，半小时之后，就有30辆过不去了，这对控制来说是最大的风险。在这方面，我们深入挖掘行程时间、停车次数、排队长度，每辆车的规律到底是怎么样的？最终达到了90%左右的排队长度估计的精度，这样能为后面的控制提供良好的基础。

第三是多级瓶颈联动控制。我们可以估计得到每个路段的排队，也可以知道路段来车路径，那我们就可以考虑区域上怎么去控制它的需求，这里涉及到一个点状态和区域状态的映射关系。第一个问题：是否每个路口的“堵”，加起来是这个区域的“堵”。第二个问题：是否有区域上不均衡的概念。针对于单个路段，我们考虑每个路段它还能存储多少车？在能存储多少车的基础上，考虑多级瓶颈联动控制基础。

2016年，海信研发团队完成了效果分析和降效报警。在效果分析里，我们针对路口、干线和区域设置了不同运行效果的指标，我们始终在思考：不同时空条件下，控制指标是否一样？行程时间能不能解决所有问题？

这里涉及路口和交叉口的概念。当我们行驶到某个路口，如果四个方向都堵，这来自路口的拥堵，而不是来源于路口的信号控制的问题。如果一个路口某一方向堵，而其他几个方向不堵，这就是信号控制的问题。如果考虑从上向下俯视多个交叉口，在干线运行效果中，需要考虑主要车流停车次数，行程时间等。并且在不同的交通状态下，干线的运行指标应该也是不一样的，比如排队均衡、头车停车次数等。

在控制中，因为主要矛盾的变化，指标必须做相应的变化。有了针对不同时空条件成体系的指标后，就可以对方案的不合理，异常的拥堵，包括信号控制方案的效果下降进行合理有效的识别、预警。

针对干线绿波，我们也设计了一个多目标协调控制，有着更加丰富的控制策略，包括相邻最优、双向最优、高峰期排队控制等。

另外，针对多目标雷达检测器，海信还设计了闯红灯预警的功能，根据更多的历史数据规律来分析不同车型闯红灯的概率，进行安全预警。在车路协同方面，公司研发了车速引导功能。通过接入信号方案，结合路段的拥堵信息，就可以提醒驾驶员前方的信号方案，并且推荐合适的车速。

四、信号控制发展方向探究

对于信号控制，需要始终坚持安全、效率、公平、环境等科学的控制理念。在此基础上，探究新的研究内容，这里提两个关键词，一个是精细化，一个是“跨界”。

对于精细化：

第一方面要考虑精细化的交通控制策略制定。一是主要矛盾的时空转移。不同的时间，不同的区域，它的主要矛盾是什么？信号控制是针对这些主要矛盾进行努力，不一定是完全解决，但是要改善。二是不同的优先级，是机动车主导，还是要做公交车优先，或者慢行系统设计，这些都应该作为信号控制顶层的需求输入。三是合适的控制目标，通行能力、排队、主次干路的优先，包括外围的需求的控制。

第二方面是精细化的数据应用分析挖掘。一是基于固定数据源的深度分析。在现有的固定检测器的数据中，挖掘出更多交通的信息。二是基于新数据的应用挖掘分析。有更多的新型检测器引进，有更多大数据信息接入，怎么能够把它更精细的服务于信号控制？怎么挖掘出交通规律，是始终需要努力的方向。三是典型场景实际应用效果的落地。如何让实验室的算法加上当地的情况落到实地，产生效果。

第二个关键词是信号控制的“跨界”。先看客户需求的演化：一开始业主需要知道这个地方堵不堵？这是状态识别的问题，要对全局进行掌握；然后问题升级到这个地方为什么堵？然后考虑到怎么控制。信号工程师第一反应是微观上的，这个路口是否有违章停车？是不是绿灯分配不合理？是不是有行人的干扰？从微观上我们有能力解决这些问题。但经过这些努力之后，我们发现交通需求还在增加，路口还是拥堵，我们就需要考虑车从哪里来？堵的根源在哪？就需要从宏观上，用信号控制的方式去调控这些需求。现在我们在制定信号控制策略的时候，为了解构这些车从哪里来的问题？必须去考虑用地性质，城市功能分析，居民出行方式结构，城市路网结构。

从控制向前找，找到交通规划，找到城市规划，找到居民出行更本质的需求来源。这是我们对跨界的理解，也是我们正在努力的方向。

以上就是我的分享内容，谢谢大家。