智慧公交為疫情防控時期的公共出行保駕護航

王 輝

（北京公共交通控股（集團）有限公司黨校，北京 100085）

引言

2019年底爆發的新型冠狀病毒肺炎（簡稱“COVID-19”）是我國1949年以來發生的感染范圍最廣、傳播速度最快、防控難度最大的一次重大突發性公共衛生事件。新冠疫情爆發以來，在黨中央、國務院的堅強領導下，全國人民同舟共濟、眾志成城保障交通運輸經濟恢復運行，疫情所引發的負向影響正在持續消退，交通、生產、生活秩序正在全面恢復[1]。但疫情防控尚未取得最終勝利，防疫絕不能松懈。本文通過回顧性研究方法，分析城市地面公共交通在保障復工復學、助力疫情防控過程中采取的信息技術措施，梳理其中脈絡趨向，汲取防疫成功經驗，從既有信息化防控舉措的繼承、改進、完善，到更科學有效措施的落實等方面，提出城市地面公交應對突發公共衛生事件的建議。

1 多策并舉，智慧公交助力復工復學

分析疫情對國內公共交通行業的影響，本文以武漢封路封城直至解封為分割時點，將公共交通筑牢疫情防控“防火墻”的過程劃分為三個階段，即疫情突發時期（2019年12月武漢金銀潭醫院收治首例新冠肺炎疑似病例—2020年1月23日武漢緊急施行封路封城措施）；遏制疫情流行時期（2020年1月23日多地陸續啟動重大突發公共衛生事件一級應急響應機制—4月7日），2月3日開始各地城市地面公共交通為暢通復工復產“生命線”而陸續恢復營運；防疫精準化、動態化、常態化時期（以2020年4月8日零時武漢離漢離鄂通道管控措施正式解除為啟點），在此期間各地遵照應急響應等級的要求，有序復工復學。縱觀疫情防控的三個時期，“智慧公交”成為交通運輸領域應對疫情的關鍵詞。智慧公交是基于智慧城市概念下的一種公交新理念，即研發并利用5G、車聯網、智能駕駛、區塊鏈、云計算、大數據等最前沿的智能化、信息化的科學技術，促進“人、車、路”等全要素互聯互通和深度融合，旨在為市民提供更安全、更準時、更便捷、更舒適、更高效的公共出行服務而形成的具有創新管理模式的現代公共交通系統。

1.1 智慧平臺—超強大腦

疫情期間，各地公交通過搭建智能云平臺，打造公交智慧大腦，實現了信息快速傳達，精確預判客流主要分布的時間、地點和趨向，實時跟蹤、動態監控，同時發布繞行疫情風險地區等提示服務信息，為市民出行提供了智能公交預警與指引。例如，北京公交自主研發的“智能公交1.0版”系列軟件，就是“前端設備傳輸和處理能力、大數據平臺接駁能力、大數據融合與應用開發能力”三項基礎能力科技成果以及數字化轉型的探索實踐。

1.2 智慧調度—管必精細

隨著各地公交陸續恢復營運，智能調度系統發揮了高效指揮、精細化管理的作用。例如，通過實時觀測通勤線路客流的變化趨向，監控復工復學后客流增量較快線路而研發的“車廂高密度載客預警系統”，當運行車輛客運量超過額定人次時，則及時增加運力，調整發車頻率，適當降低車廂內人員密集度，確保營運時車內人員間的安全距離。

1.3 智慧行車—行必安全

構建追溯新冠疑似病例及同乘密切接觸人員行程軌跡的倒查機制，有利于智能公交系統利用大數據技術實現數字化安全管控。例如，市民乘車需“亮碼掃碼”進行實名認證登記，通過“公交同乘信息系統”導入登記人身份信息，接駁大數據平臺，完成“零接觸”的人車篩查。倒查機制的安全管控，降低了交叉感染風險，遏制了疫情蔓延。

1.4 智慧防疫—科技賦能

通過精準化設備與智能化技術提升了科技防疫能力。例如，使用“人臉識別測溫儀”完成秒級檢測，發現異常自動預警并實時回傳數據到監控后臺存儲，以為疫情溯源追蹤；ANMO智能防疫工作站是秒級、精準、自動化的通勤防疫黑科技，實現了全過程無接觸，在連續通行的情境下，可完成口罩識別→體溫檢測→智能考勤→全方位消毒→數據上傳等流程，全程用時少于10秒。

1.5 智慧服務—數字預約

通過采取線上直接預約的方式面向社會公眾和學校征集并運用算法撮合出行需求，運用大數據技術獲取實時客流峰值，科學規劃疫情期間的行車作業，量身定制公交復工通勤線路與師生復學專線，實現“點菜式”發車。針對老年乘客智能電子設備使用率較低的情況，改造升級公交IC卡系統，更新了老年卡實名制刷卡查詢等功能。

2 智慧公交信息化仍需進一步完善提高

城市公共交通是復工復學的“領跑”者，多地采取電子認證模式以及“點對點、一站式”定制化公交等服務措施，保障了返崗通勤和疫情防控雙線安全。回顧分析公交信息化防疫舉措，仍有以下不足需進一步完善提高。

2.1 基于感知層的數據采集、分析有待進一步精準

當前公共交通感知體系建設中，對于乘客行程信息的采集仍停留在“乘車記錄”階段，疫情感染鏈條的回溯難度較大[2]。受限于海量數據采集、存儲和迭代的困難，快速分析疫情的預判能力還有欠缺，算力和算法有待進一步優化。

2.2 基于大交通理念的數據交換、共享機制尚需進一步完善

公共交通行業間模塊數據多源異構，不同來源數據獨立運行、格式不統一、數據標準化程度不高，元數據互聯互通性不強且共享融合度較低。全國性的交通疫情數據庫尚未完善，數據價值尚待進一步挖掘[3]，數據綜合服務能力尚需提高。

2.3 基于應急情境下迅速響應、協同調度能力仍待進一步強化

路況數據精準度和可視化協同調度能力有待提高，存在公交車到站不夠準時、乘客候車時間較長、行車間隔不均衡等現象，使得車站乘客密集，既增加了新冠病毒傳播風險，又影響了乘客出行需求。

3 共筑智慧公交，護航公共出行

3.1 基于多元融合感知技術，加速自動駕駛場景應用

（1）基于深度學習與復雜網絡的多源信息融合技術，實現高精度、全天候（全天時）、全方位的立體感知和特征提取，確保基礎數據的準確性、真實性和權威性。

（2）全面分析海量疫情數據，綜合動態研判疫情趨勢，強化疫情等突發事件下智能交通的預警、預測功能，建構事前預測、事中監控、事后回溯的數學模型，優化客流OD算法，提升云端算力。

（3）健全大數據可視化決策支持系統，嚴格疫情期間公交管控，完善防疫應急機制，構建響應靈敏、運轉高效、快捷暢通的信息管理體系。為加速智能網聯汽車和自動駕駛的場景應用提供支持。

3.2 創新數據共享融通機制，持續深入推廣大數據示范應用

（1）運用多元傳感器實時監測跨公共交通方式的應急管理元數據和有效信息，并加以規范標準化、分離組合、跨界融合、分級防護、追蹤溯源，進一步提升前端數據挖掘的質量。

（2）通過創新數據共享協作機制，優化數據開放生態，突破數據壁壘，促進政企數據互聯互通互認，實現交通全領域各信息系統之間的多元交互、數據匯聚和資源融通，深入推廣疫情期間大數據示范應用。

3.3 優化定制公交線路，有效降低疫情傳播的風險

（1）秉承“需求響應式”的MaaS（出行即服務）理念，全面解析并智能擬合市民出行需求，遵循疫情期間客流規律。

（2）依據疫情防控響應級別的調整，優化線網和調度策略，提高公共交通運能，智能協調運力資源，合理規劃定制公交和常規公交的協同停靠。

（3）科學編制行車時刻表，動態調控疫情期間乘坐率，根據乘客密集度調配線路車型。

（4）通過疫情大數據分析，為市民規劃安全出行網絡，實現乘客能準確掌握所乘車次實時位置、到達時間、動態載客數、起始地至目的地換乘信息和交通擁堵狀況、到達目的地所需時間等，從而避免人員密集，有效降低疫情傳播的 風險。

（5）為滿足乘客享受更通暢、更舒暢、更和暢的公共出行體驗，建議借鑒國外定制公交Leap的模式，對公交車廂內部采取個性化的“防疫”設計，比如配備充電插座、獨立電腦桌和保證“防疫距離”的雅座等辦公設施[4]，并提供機場客運、網約定制公交等多種運輸接駁方式。