智慧城市 交通先行

□文/袁帥 王立志

“這是最好的時代，這是最壞的時代。”這句話在智慧城市的交通上同樣適用。一方面交通擁堵嚴重，交通事故頻發(fā)，交通秩序混亂，交通環(huán)境污染；另一方面各種新技術、新概念層出不窮，并應用于交通領域。從最初的智能交通，到智慧城市、智慧交通、再到城市大腦、交通大腦，被社會各界廣為傳播和討論。

談及這些概念的具體定義和內容，恐怕無法達成一致意見。筆者認為各概念之間目前沒有嚴格的界限，也許在未來某些新技術完全替代和超越了現(xiàn)有的應用水平后，并被賦予某個概念，業(yè)內各界才會達成對這個概念的共識和認可。

本文試圖總結智能交通行業(yè)發(fā)展的歷史規(guī)律，結合當前最新的技術發(fā)展，以及在杭州等城市的案例，思考未來智慧城市下交通的發(fā)展方向。

智能交通技術發(fā)展的歷史規(guī)律

探究未來城市智能交通的發(fā)展，我們不妨看看發(fā)展歷史，以至智能交通中發(fā)展最早，也是最基礎的交通信號控制為例，其發(fā)展歷程如下：

1868年在倫敦議會大廈廣場，出現(xiàn)了由當時英國工程師德哈特設計的第一站煤氣信號燈。

1918年美國底特律公路出現(xiàn)了第一盞紅黃綠信號燈。

1926年英國首次嘗試使用自動化控制器控制交通信號燈。

1964年，加拿大的多倫多出現(xiàn)第一個使用電子計算機控制的信號控制系統(tǒng)。

1975年，出現(xiàn)了成熟的英國SCOOTS和澳大利亞SCATS系統(tǒng)。

可以看到，除第一代煤氣信號燈外，每一代信號控制技術的升級，都可看作是相應年代電子電氣技術的最新?lián)Q代發(fā)展提供了催化作用；由此我們假設下一代智能交通技術的革命動力也將源自IT技術的發(fā)展，來看看都有哪些新技術可以應用在智能交通行業(yè)。

交通新技術發(fā)展現(xiàn)狀

大數(shù)據(jù)、云計算技術

以視頻為核心的海量物聯(lián)網“觸覺”源源不斷的產生海量數(shù)據(jù)。如海量攝像頭產生的視頻內容如人、車、物等標簽化數(shù)據(jù)；卡口過車數(shù)據(jù)；人臉識別設備產生的人臉特征矢量化數(shù)據(jù)；MAC、手機熱點、RFID電子標簽等設備產生的龐大數(shù)據(jù)。據(jù)統(tǒng)計一個中等城市一天的過車記錄數(shù)據(jù)在1000W左右；隨著數(shù)據(jù)積累，數(shù)據(jù)量的逐步增加，從千萬級到億級，再到百億、千億級，數(shù)據(jù)簡單查詢、檢索做為基本需求面臨巨大挑戰(zhàn)。

浙江大華基于對視頻處理方面的核心競爭力，以視頻云作為切入點，進入云存儲和云計算領域，對視頻數(shù)據(jù)處理分析能力相比以往發(fā)生了質的突破，真正實現(xiàn)了秒級響應。以50億卡口過車記錄，車輛業(yè)務中大華云數(shù)據(jù)庫與Oracle數(shù)據(jù)的性能比對如下，

▲云數(shù)據(jù)檢索與Oracle對比

典型應用案例：杭州重大國際會議

G20峰會是中國繼9.3大閱兵之后，安防等級最高的一次會議，任務之重，難度之大，都給安保工作帶來前所未有的挑戰(zhàn)。其重點保障包括6大核心區(qū)塊：杭州蕭山機場到主會場沿線、G20峰會核心區(qū)及周邊、B20會議核心區(qū)及周邊、西湖風景名勝區(qū)、領導人下榻賓館區(qū)、G20文藝演出區(qū)，主要涉及蕭山、江干兩大行政區(qū)以及西湖風景名勝區(qū)。大華股份作為G20安保工作的重要保障單位，在以上核心區(qū)域提供了2萬余臺/套安防設備和600人的專項技術保障/值守人員；基于云計算平臺，運用了車輛大數(shù)據(jù)、交通態(tài)勢、人臉識別、人證合一、星光級超低照度、電子羅盤、視頻接力、視頻濃縮、視頻萃取、全景拼接、紅外熱成像等數(shù)十項最新安防技術。在整個G20安保與技防保障工作中，大華股份投入實戰(zhàn)設備和保障人員，數(shù)量之多、時間之長、范圍之廣、技術之新都達到了空前的高度。

人工智能、深度學習等技術的發(fā)展

談到人工智能、深度學習，大家想到的應該是近期大熱的AlphaGo圍棋人工智能程序。談到圍棋人工智能為什么如此令人震撼，首先要談上一代的象棋人機對抗，1997年IBM的“深藍”擊敗了國際象棋排名世界第一的棋手加里·卡斯帕羅夫；此后，中國象棋軟件也經歷了飛速發(fā)展，從 2006年起，職業(yè)棋手很難取勝一個在強大服務器上的象棋軟件。然而圍棋不同，一直以來，圍棋軟件的水平都非常低，一個水平稍好的業(yè)余棋手，就可以輕松取勝大多數(shù)圍棋軟件。職業(yè)棋手則可以在讓4子的情況下取勝軟件。

象棋與圍棋程序實力存在巨大差異，但采用了同一種分析方法。具體給每一步可能的路徑走法效用進行打分，然后選取最高分。路徑分析的層數(shù)（步數(shù)）越深，對處理器的計算能力要求越高，軟件棋力也就越強。

而圍棋相比象棋落子位置更多，步數(shù)更多，需要的分析層數(shù)更多，體現(xiàn)在計算能力需求上是指數(shù)級的增加；同時一個圍棋棋子的價值每一步都在變化，其變化又十分復雜，對其評價耗費更多算力。因此可以搜索幾十層深度的軟件在象棋中雖沒有窮舉所有可能，也是近乎完美的存在；而在圍棋中非常勉強。

AlphaGo遠超過現(xiàn)有的軟件水平，依靠的不是處理器計算能力，而是新的數(shù)據(jù)處理方法---基于神經網絡的深度學習。

如今，深度學習應用在了更廣闊的領域，開始服務于人們的生產生活。例如，視頻數(shù)據(jù)處理，浙江大華將深度學習應用在了視頻分析人臉和車輛上，擺脫了以往動檢、模型等識別算法的局限性。新一代相機，集成深度學習算法，實現(xiàn)了對每一輛車輛、行人的實時跟蹤，識別率大幅度提升，采集信息可包含坐標位置，速度，排隊，占有率等全場景多角度的信息。視頻檢測精度不及線圈、地磁等傳統(tǒng)方式已成為過去。

▲視頻分析與特征提取

有了更豐富全面的采集信息，更強大的計算能力，更先進的數(shù)據(jù)處理方法，城市交通下一代智能化技術的到來已是進行時。

典型應用：大華新一代慧系列深度學習電警相機

深度學習技術已經應用于浙江大華多項產品線，以電子警察行業(yè)為例，大華在國內電警行業(yè)占有約30%的市場份額，目前主流產品已經切換為慧系列深度學習相機，其核心技術和功能也不再僅僅是車牌和部分特征、行為識別，而更側重于更準確的進行更多人/車細節(jié)特征識別、各類人/車行為檢測、交通信息采集、事件檢測、機非人屬性結構化等方面，實現(xiàn)更多智能功能。

產品支持的30余功能業(yè)務，以無牌車抓拍為例，說明深度學習算法的價值。以往的電子警察相機是以機動車牌作為車輛識別特征，對于無牌車經過，電子警察不能發(fā)現(xiàn)車輛特征（車牌），是無法識別的。而對于慧系列深度學習相機，采集的車輛特征細節(jié)多樣化，不僅能識別無牌車；隨著相機不斷學習，檢測精度也能持續(xù)提升。

未來交通的發(fā)展方向

總體上來說，未來智慧交通發(fā)展會是數(shù)據(jù)驅動、業(yè)務聯(lián)動的方向。從業(yè)務應用角度分類，可以將發(fā)展方向分成兩個角度，一是單業(yè)務的創(chuàng)新，主要難點在技術上；二是數(shù)據(jù)融合與業(yè)務聯(lián)動，具體又分為不同交通方式之間（交通樞紐）的聯(lián)動、交通與智慧城市其他業(yè)務的聯(lián)動。除了要解決技術上的難點，還要打破各部門間的壁壘。

交通技術單業(yè)務的技術革新

因涉及業(yè)務眾多，現(xiàn)以交通控制為例，介紹數(shù)據(jù)驅動的發(fā)展前景。

現(xiàn)在比較成熟的SCATS信號控制系統(tǒng)優(yōu)勢在于采用了簡單的負反饋原理，使交叉口各個流向的飽和度趨于均衡；相比采用復雜數(shù)學模型生成控制方案的控制系統(tǒng)配置簡單，適應能力更強。這是基于SCATS系統(tǒng)開發(fā)時，只有線圈這種單一采集方式的客觀條件下最優(yōu)選擇。

線圈只能采集道路斷面的數(shù)據(jù)，無法獲得交通全場景的車輛通行狀態(tài)，基于不完全數(shù)據(jù)下的數(shù)學模型，想要適應各種交通場景是難度很大的。

隨著信息技術的發(fā)展，現(xiàn)在已經能夠采集越來越豐富的數(shù)據(jù)，加上海量數(shù)據(jù)實時分析技術，未來交通控制將可能有如下發(fā)展趨勢。

第一步，實現(xiàn)基于完整采集數(shù)據(jù)的實時區(qū)域控制技術。未來的信號控制將不再受制于采集數(shù)據(jù)僅限于路網切面的局限性，而是可以獲得完整的數(shù)據(jù)，實現(xiàn)對每一輛車的實時跟蹤和預測，基于所有的車輛數(shù)據(jù)和所有的路網環(huán)境數(shù)據(jù)，結合城市數(shù)據(jù)計算平臺和AI算法，將會誕生新的區(qū)域控制理論和控制算法，實現(xiàn)城市整體的區(qū)域實時控制。

第二步，實現(xiàn)信號燈、可變車道、匝道控制、誘導屏、車載導航的區(qū)域協(xié)同，針對交通數(shù)據(jù)采集的實時變化，最大程度利用路網的通行能力；將信號燈狀態(tài)實時發(fā)送到車輛，規(guī)劃指引駕駛員的行駛速度，減少因人為因素降低交通運行效率的概率。

第三步，實現(xiàn)覆蓋全國的交通控制大腦。除了物理距離較近的城市外，城市與城市相距較遠，并不需要實現(xiàn)聯(lián)動控制。覆蓋全國的交通控制大腦的價值在于可以收集大量的采集數(shù)據(jù)與控制數(shù)據(jù)，一方面使得訓練以及優(yōu)化算法的時間大幅縮短，例如一個算法需要一萬天的數(shù)據(jù)樣本才能訓練完成，對1個城市來說，是無法承受的時間長度，但100個城市只需要100天就可以完成；另一方面可以將不同城市的管理經驗用數(shù)據(jù)分享的方式相互借鑒，通過客觀的數(shù)據(jù)實現(xiàn)理性的決策。

數(shù)據(jù)融合與多業(yè)務的聯(lián)動

數(shù)據(jù)融合與多業(yè)務聯(lián)動是指把多個部門的數(shù)據(jù)進行整合，并將各部門業(yè)務協(xié)調，合理調配公共資源，推動城市可持續(xù)發(fā)展。

交通樞紐的業(yè)務聯(lián)動

城市交通樞紐包含兩種或多種交通方式，以上海虹橋交通樞紐為例，涉及高速鐵路、城際和城市軌道交通、公共汽車、出租車及航空港等交通方式，幾種方式緊密銜接。

從基礎設施上，交通樞紐可以做到物理上的銜接，比如換乘距離足夠短；也可以做到各種交通設計運輸能力上的匹配；但是缺少的是實時的控制調度和協(xié)同。

在交通樞紐下，交通大腦所需要做的就是通過集中所有交通方式采集的數(shù)據(jù)，進行融合分析，實現(xiàn)交通樞紐的智能化，具體可實現(xiàn)三個目的。

第一，實現(xiàn)各交通方式之間的協(xié)同控制，提升交通樞紐運行效率。

第二，通過人臉識別技術、大數(shù)據(jù)分析技術，實現(xiàn)對人的全程跟蹤，為城市安全提供保障；

第三，通過對歷史數(shù)據(jù)進行OD分析，為城市和交通規(guī)劃提供數(shù)據(jù)支撐和決策輔助。

交通與智慧城市其他業(yè)務的聯(lián)動

一些相對簡單的業(yè)務聯(lián)動目前已經實現(xiàn)了，如蕭山城市大腦中把信號控制的特勤系統(tǒng)給醫(yī)療救援使用，使救護車一路綠燈行駛；如南京安裝車載RFID用于汽車尾氣排放估測與空氣污染防治；交通和公安、氣象、教育、衛(wèi)生、環(huán)保等很多委辦局業(yè)務都存在聯(lián)動需求，未來將會有更多業(yè)務聯(lián)動出現(xiàn)，特別是在交通大腦的模式基本成型后。

只有數(shù)據(jù)真正地匯聚整合，業(yè)務充分地協(xié)同聯(lián)動，才能夠實現(xiàn)真正的智慧城市。