智能網(wǎng)聯(lián)汽車逐步普及后，我們的交通、出行會(huì)怎樣？

          6月17日，中國智能交通協(xié)會(huì)在上海舉辦了以“創(chuàng)新·共享·合作”為主題的“2021智能交通科技發(fā)展論壇”，十三五科技部國家重點(diǎn)研發(fā)專項(xiàng)“綜合交通與智能交通”項(xiàng)目中具有突出成果的北京交通發(fā)展研究院、公安部交通管理科學(xué)研究所、清華大學(xué)、北京航空航天大學(xué)、同濟(jì)大學(xué)、交通部公路科學(xué)院、深圳市城市交通規(guī)劃設(shè)計(jì)研究中心、中國民航局第二研究所等8家課題承擔(dān)單位在論壇上進(jìn)行了成果分享。

          8個(gè)項(xiàng)目課題中，與智能網(wǎng)聯(lián)、車路協(xié)同相關(guān)的有4個(gè)，大多屬于前瞻性研究，主要著眼于未來智能網(wǎng)聯(lián)、自動(dòng)駕駛車輛逐步普及后，對(duì)交通管理、交通組織、交通出行等環(huán)節(jié)的影響。我國在發(fā)展無人駕駛汽車技術(shù)路徑采用的是協(xié)同智能，在這一思路的指導(dǎo)下，政府和產(chǎn)業(yè)界都在推動(dòng)智能網(wǎng)聯(lián)汽車與路側(cè)智能設(shè)施協(xié)同發(fā)展。

          在常人來看，智能汽車和智能路側(cè)設(shè)施建設(shè)，會(huì)有一個(gè)“先有蛋還是先有雞”的問題，但在學(xué)術(shù)研究層面，則是要為這兩者協(xié)同推進(jìn)提出理論和設(shè)計(jì)落地路徑，并沒有先后之分，實(shí)際上，國家推出的政策也有這方面的考量。

          2020年8月，住建部、中央網(wǎng)信辦、科技部、工信部、人保部、商務(wù)部、銀保監(jiān)會(huì)等7部委印發(fā)了《關(guān)于加快推進(jìn)新型城市基礎(chǔ)設(shè)施建設(shè)的指導(dǎo)意見》，要求推進(jìn)新型城市基礎(chǔ)設(shè)施建設(shè)，其中包括協(xié)同發(fā)展智慧城市和智能網(wǎng)聯(lián)汽車（現(xiàn)在被通稱為“車城網(wǎng)”），今年4月，北京、上海、廣州、武漢、長(zhǎng)沙、無錫等6個(gè)城市被住建部、工信部等兩部委確定為智慧城市基礎(chǔ)設(shè)施與智能網(wǎng)聯(lián)汽車協(xié)同發(fā)展第一批試點(diǎn)城市。

          因此，我們看到重點(diǎn)專項(xiàng)入選項(xiàng)目“城市多模式交通系統(tǒng)協(xié)同控制關(guān)鍵技術(shù)與系統(tǒng)集成”，就是要解決路端交管設(shè)備，如各類感知監(jiān)控設(shè)備、信號(hào)控制、誘導(dǎo)以及各類交管系統(tǒng)與智能網(wǎng)聯(lián)系統(tǒng)的融合交互、協(xié)同，實(shí)現(xiàn)數(shù)據(jù)的橫向連接和縱向交互。實(shí)際上，國際上也已經(jīng)提出了“融合感知”的概念，也就是車端和路端所采集到交通數(shù)據(jù)接入到統(tǒng)一的數(shù)據(jù)處理單元中，提高車輛對(duì)環(huán)境的感知能力，從而提升車輛行為決策的能力。當(dāng)然，該項(xiàng)目更多考慮的是智能網(wǎng)聯(lián)新技術(shù)環(huán)境下，建立大數(shù)據(jù)交互應(yīng)用體系，借力智能網(wǎng)聯(lián)來提升交通管控系統(tǒng)的效率和能力。

          項(xiàng)目“車路協(xié)同環(huán)境下車輛群體智能控制理論與測(cè)試驗(yàn)證”主要要解決未來5~10年，車輛、路側(cè)設(shè)備逐步聯(lián)網(wǎng)、平臺(tái)建成以后，所面臨的車輛群體控制挑戰(zhàn)，而進(jìn)行理論探索。未來，傳統(tǒng)的集中、分布式控制就不再適用，要根據(jù)不同的應(yīng)用場(chǎng)景推行泛在分布式系統(tǒng)，考慮效率、安全問題，就要應(yīng)用情景驅(qū)動(dòng)下的動(dòng)態(tài)集中式交通群體智能決策與協(xié)同控制機(jī)制，同時(shí)要分級(jí)實(shí)現(xiàn)系統(tǒng)優(yōu)化、路權(quán)分配和軌跡規(guī)劃。且要研究不同滲透率對(duì)交通特性的不同影響。比如滲透率10%的時(shí)候，網(wǎng)聯(lián)車要受常規(guī)車的影響，當(dāng)超過50%以后，網(wǎng)聯(lián)車可能就會(huì)影響傳統(tǒng)車輛的駕駛行為。

          項(xiàng)目“車路協(xié)同系統(tǒng)要素耦合機(jī)理與協(xié)同優(yōu)化方法研究”則是要充分地利用自動(dòng)駕駛、網(wǎng)聯(lián)汽車帶來的信息優(yōu)勢(shì)和控制優(yōu)勢(shì)進(jìn)行交通系統(tǒng)的優(yōu)化。項(xiàng)目在包括交叉口的協(xié)同通行、車道資源與信號(hào)配時(shí)協(xié)同，路段的行駛軌跡優(yōu)化與引導(dǎo)，路網(wǎng)的多車協(xié)同通行優(yōu)化、交通信號(hào)自適應(yīng)協(xié)同優(yōu)化，多路口混行車輛軌跡協(xié)同優(yōu)化等場(chǎng)景，都進(jìn)行了大量的仿真設(shè)計(jì)和計(jì)算。

          前三個(gè)項(xiàng)目，多是從車輛智能控制、交通管理、交通系統(tǒng)優(yōu)化等方面進(jìn)行研究，而項(xiàng)目“大規(guī)模網(wǎng)聯(lián)車輛協(xié)同服務(wù)技術(shù)與應(yīng)用”更多聚焦于出行，尤其是預(yù)約出行，本質(zhì)是對(duì)高峰時(shí)段的出行需求在時(shí)間和空間上重新分配，將一部分在路上排隊(duì)的出行變?yōu)樵诩业却?。按需配置交通資源，統(tǒng)籌多種交通方式，按照換乘時(shí)刻及當(dāng)時(shí)換乘地的運(yùn)力實(shí)現(xiàn)換乘精準(zhǔn)匹配，編制出行時(shí)刻表，協(xié)調(diào)交通系統(tǒng)供需關(guān)系。隨著智能網(wǎng)聯(lián)汽車的逐步普及，未來每個(gè)人、每輛車、每個(gè)過程在交通中都應(yīng)該是高強(qiáng)度信息化，所有出行、所有交通工具都全程信息化之后，預(yù)約出行將可能普及。

          我們來具體看下這四個(gè)項(xiàng)目的研究進(jìn)展：

          項(xiàng)目一、城市多模式交通系統(tǒng)協(xié)同控制關(guān)鍵技術(shù)與系統(tǒng)集成

          城市多模式交通系統(tǒng)協(xié)同控制關(guān)鍵技術(shù)與系統(tǒng)集成專項(xiàng)，就是圍繞多模系統(tǒng)網(wǎng)聯(lián)交互與數(shù)據(jù)賦能環(huán)境下，智慧交通管控如何提升的問題。

          項(xiàng)目負(fù)責(zé)人之一、公安部交通管理科學(xué)研究所副所長(zhǎng)劉東波表示，該課題的主要研究?jī)?nèi)容，是如何用新技術(shù)、新思維賦能交通智能管控，如何實(shí)現(xiàn)道路交通組織與控制精細(xì)協(xié)同，如何用AI提升管控智能化，如何用大數(shù)據(jù)支撐解決方案與協(xié)同服務(wù)。

          有了大數(shù)據(jù)平臺(tái)，如何協(xié)同各應(yīng)用系統(tǒng)？這是課題創(chuàng)新具體的實(shí)踐點(diǎn)。

          項(xiàng)目主要成果與應(yīng)用

          課題到目前已經(jīng)初步凝練幾個(gè)方面的成果：

          1、三套應(yīng)用體系。

          （1）構(gòu)建以交通管控為核的多模交通系統(tǒng)網(wǎng)聯(lián)大數(shù)據(jù)規(guī)范交互體系，實(shí)現(xiàn)多模交通系統(tǒng)與管控平臺(tái)間信息交互；

          （2）構(gòu)建“智慧大腦”+“手腳”智能體的協(xié)同管控應(yīng)用架構(gòu)體系，明晰公安交管大腦的實(shí)施路徑。

          （3）形成場(chǎng)景化的交通協(xié)同靶向優(yōu)化方法治理體系，實(shí)現(xiàn)對(duì)復(fù)雜交通問題的精準(zhǔn)刻畫與有效治理。

          2、一大協(xié)同平臺(tái)?；凇爸悄苣X+執(zhí)行體”的交通協(xié)同管控平臺(tái)，也就是“大腦”和“手腳”的結(jié)合。

          3、四類場(chǎng)景應(yīng)用。

          信號(hào)實(shí)時(shí)優(yōu)化控制系統(tǒng)、無專用道公交優(yōu)先系統(tǒng)、擁堵熱點(diǎn)主動(dòng)調(diào)控系統(tǒng)、可變車道動(dòng)態(tài)控制系統(tǒng)。

          4、兩項(xiàng)核心設(shè)備。

          AI智能視頻感知設(shè)備和邊緣計(jì)算設(shè)備（多元物聯(lián)信息交互設(shè)備），從而實(shí)現(xiàn)感知數(shù)據(jù)與信號(hào)控制特征參數(shù)實(shí)時(shí)關(guān)聯(lián)匹配。

七個(gè)方面的代表性成果

          一是，實(shí)現(xiàn)路口/路側(cè)前端設(shè)備的互聯(lián)互通，行業(yè)內(nèi)、外中心系統(tǒng)的共享交互。劉東波表示，以往交管系統(tǒng)的數(shù)據(jù)基本上是縱向發(fā)展，很多系統(tǒng)都是煙囪式，一股腦朝前走，從來沒有做橫向的事，現(xiàn)在要做橫向互通，難度很大，從而投入了很大的精力來解決前端感知和信號(hào)機(jī)通信協(xié)議標(biāo)準(zhǔn)、邊緣計(jì)算和路側(cè)設(shè)施相連的數(shù)據(jù)標(biāo)準(zhǔn)等的統(tǒng)一規(guī)范問題，希望未來能將橫向與縱向數(shù)據(jù)匯聚起來。

          二是實(shí)現(xiàn)網(wǎng)聯(lián)數(shù)據(jù)匯聚支撐。

          這些年各種新技術(shù)、新概念太多，落地卻很少，劉東波認(rèn)為，主要是因?yàn)槿睌?shù)據(jù)匯聚支撐框架、缺標(biāo)準(zhǔn)體系。比如如何做好交通數(shù)據(jù)在多場(chǎng)景應(yīng)用，如何讓警力發(fā)揮作用，信號(hào)控制不可能解決所有的問題。同時(shí)，如何借助網(wǎng)聯(lián)車進(jìn)行智能分析判斷，“大腦”不是萬能的，更多是在做診斷和評(píng)估，給信號(hào)配時(shí)中心再做一個(gè)支撐。

          三，場(chǎng)景化交通協(xié)同優(yōu)化方法。

          有了數(shù)據(jù)匯聚支撐，有大數(shù)據(jù)平臺(tái)，就要做好研判、診斷和評(píng)估。針對(duì)這三個(gè)環(huán)節(jié)，要想做好優(yōu)化，得先把三個(gè)環(huán)節(jié)所需要的指標(biāo)體系清晰地、精準(zhǔn)地列出來，然后研究算法，形成算法庫，集成為算法層，服務(wù)于診斷、評(píng)估，有了這些后，就可以形成很多針對(duì)具體場(chǎng)景的優(yōu)化治理方法，以案例指南為向?qū)?，得出可能最?yōu)方案模型。

          四，感控一體化路側(cè)邊緣控制成套設(shè)備。

          一是對(duì)視頻設(shè)備智能化進(jìn)行提升，除了車牌、速度、流量等進(jìn)行識(shí)別分析外，還要更智能，比如不同車輛、天氣條件下，排隊(duì)的車間距以及總體的排隊(duì)長(zhǎng)度都不一樣，而交通信號(hào)控制的感應(yīng)控制或者自適應(yīng)控制，需要有路口前車輛排隊(duì)時(shí)時(shí)的車頭時(shí)距，圖形化動(dòng)態(tài)展示，從而更好的反饋給信控系統(tǒng)。

          二是邊緣計(jì)算單元。通過邊緣計(jì)算單元，一是更好的感知整個(gè)路口的交通環(huán)境和交通變化（全息路口），二是通過該計(jì)算單元實(shí)現(xiàn)信號(hào)聯(lián)網(wǎng)管控，全國有20多萬信號(hào)控制機(jī)，不可能為了集中管控而拆掉大部分，有了邊緣計(jì)算單元，讓不同廠家不同型號(hào)的信號(hào)機(jī)都可以接入中心平臺(tái)，加上之前的數(shù)據(jù)分析，還可以更好提升信號(hào)控制機(jī)的智能化程度。

          交通需求與通行效率導(dǎo)向。

          此前，路口通行效率低與信號(hào)智能化程度低，相位切換精準(zhǔn)度、智能化程度低，需要研發(fā)信號(hào)實(shí)時(shí)優(yōu)化控制系統(tǒng)。怎么做？感知端采集的交通狀態(tài)和信號(hào)機(jī)參數(shù)結(jié)合，采用動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)建模，然后采用機(jī)器學(xué)習(xí)，學(xué)習(xí)信號(hào)特征參數(shù)，進(jìn)行迭代學(xué)習(xí)控制。

          面向高峰交通擁堵場(chǎng)景。

          首先是要做擁堵溯源，通過卡口等數(shù)據(jù)實(shí)現(xiàn)；其次是優(yōu)化控制策略，溯源后對(duì)上游路口進(jìn)行流量調(diào)控，或者利用高德百度以及情報(bào)板誘導(dǎo)引流，減少擁堵；再就是采用精細(xì)化管理，比如借道左轉(zhuǎn)、潮汐車道、可變車道等來調(diào)整交通流。

          七，大數(shù)據(jù)支撐/系統(tǒng)協(xié)同。

           交通大腦、交通大數(shù)據(jù)平臺(tái)能干什么？研判、診斷、預(yù)警、預(yù)案優(yōu)化、評(píng)估、指揮調(diào)度，這是平臺(tái)的功能。而傳統(tǒng)交通管控平臺(tái)開放程度低，數(shù)據(jù)交換能力有限。在課題示范城市，交警和高德相互開放數(shù)據(jù)，相互對(duì)接，交警把信號(hào)配時(shí)、交通管制信息給高德，高德計(jì)算后，把可能造成擁堵的車輛盡可能誘導(dǎo)換路，這就是導(dǎo)航疏堵。車路協(xié)同也是這樣的應(yīng)用架構(gòu)，項(xiàng)目圍繞應(yīng)用場(chǎng)景在推進(jìn)。

          下一步，將在五個(gè)示范城市選取代表性的場(chǎng)景進(jìn)行落地，做好各項(xiàng)功能系統(tǒng)應(yīng)用的測(cè)試驗(yàn)證，以及效果的測(cè)評(píng)工作。未來能夠讓大數(shù)據(jù)可獲取、可用，能夠讓AI有用武之地，讓感控更加智能化，讓協(xié)同更接地氣。

          項(xiàng)目二：車路協(xié)同環(huán)境下車輛群體智能控制理論與測(cè)試驗(yàn)證

           該項(xiàng)目面向未來車路協(xié)同環(huán)境下人車路異構(gòu)交通主體構(gòu)成的新型混合交通系統(tǒng)，針對(duì)其自組織、網(wǎng)絡(luò)化、非線性、強(qiáng)耦合、泛隨機(jī)和異粒度等特征，以車路協(xié)同環(huán)境為基礎(chǔ)平臺(tái)，以交通管理控制為應(yīng)用對(duì)象，以仿真分析和實(shí)車測(cè)試為驗(yàn)證手段，重點(diǎn)研究復(fù)雜混合交通群體智能決策機(jī)理與協(xié)同控制理論，攻克車輛群體智能協(xié)同控制關(guān)鍵技術(shù)。 

           項(xiàng)目負(fù)責(zé)人之一、清華大學(xué)張毅教授表示，該項(xiàng)目就是要解決未來10年后，所有的車輛、路側(cè)設(shè)備聯(lián)網(wǎng)，平臺(tái)建設(shè)以后，所面臨的車輛群體控制挑戰(zhàn)，進(jìn)行理論探索。

          項(xiàng)目研究第一部分，車路協(xié)同與群體智能。

          現(xiàn)在人、車、路等交通要素通過各種通信方式連起來，使得傳統(tǒng)的交通系統(tǒng)發(fā)生了根本性的變化，從而使得獲得每一輛車的動(dòng)靜態(tài)信息，了解每一個(gè)人的出行行為成為了可能。因此，傳統(tǒng)交通系統(tǒng)存在，但我們沒有發(fā)現(xiàn)、或者無法發(fā)現(xiàn)的特性出來了：

          （1）所有車輛都是自組織，但此前研究交通系統(tǒng)的時(shí)候忽略了這個(gè)，因?yàn)闆]有辦法研究每一輛汽車的自組織特性問題；

          （2）所有的車輛實(shí)現(xiàn)網(wǎng)聯(lián)，在傳統(tǒng)交通系統(tǒng)下沒辦法獲得，也只能忽略掉。

          （3）交通的隨機(jī)性。每個(gè)出行者需求每天不一樣，于是造成交通系統(tǒng)里的復(fù)雜特性凸顯，這些原來不是沒有，而是因?yàn)榇饲凹夹g(shù)手段不夠，信息拿不到，即便知道了，也無從下手分析。

          現(xiàn)在可以對(duì)每一輛車的運(yùn)行狀態(tài)、行為，甚至決策都能夠了解，那么對(duì)于交通的整體控制和調(diào)控，將會(huì)發(fā)生一些革命性的變化。

          此外，隨著智能網(wǎng)聯(lián)車輛甚至無人駕駛車輛逐步上路，道路交通將進(jìn)入到混雜狀態(tài)，這對(duì)交通控制也是一個(gè)巨大挑戰(zhàn)。

          第二部分，協(xié)同決策與智能控制。

          針對(duì)新的交通情況，傳統(tǒng)的集中、分布式控制就不再適用，就要根據(jù)不同的應(yīng)用場(chǎng)景推行泛在分布式系統(tǒng)，考慮效率、安全問題，就要應(yīng)用情景驅(qū)動(dòng)下的動(dòng)態(tài)集中式交通群體智能決策與協(xié)同控制機(jī)制，同時(shí)要分級(jí)實(shí)現(xiàn)系統(tǒng)優(yōu)化、路權(quán)分配和軌跡規(guī)劃。

          如何實(shí)現(xiàn)？我們提出了體系框架，基于三層智能決策與協(xié)同控制機(jī)制的泛在分布式和動(dòng)態(tài)集中式適用場(chǎng)景，和交通具體應(yīng)用結(jié)合。第一個(gè)層次，構(gòu)建大的體制；第二個(gè)層次，要把交通控制的安全、能效、排放的具體需求和決策結(jié)合起來；第三個(gè)層次，進(jìn)行系統(tǒng)的局部?jī)?yōu)化和交通控制中的路權(quán)分配，路權(quán)分配確定以后，實(shí)現(xiàn)車輛的軌跡優(yōu)化。

          用這三個(gè)層次的分級(jí)，把復(fù)雜系統(tǒng)有機(jī)地結(jié)合起來，再結(jié)合具體的應(yīng)用，解決特定場(chǎng)景的問題，比如說匝道、路口、路段，所有復(fù)雜的場(chǎng)景還可以結(jié)合起來，集成起來，綜合起來。這樣的情況下，找到具有普適性情況下的科學(xué)求解方法，使得理論研究的落地和交通系統(tǒng)結(jié)合起來。這里面最主要、最復(fù)雜、最難實(shí)現(xiàn)的是路權(quán)分配問題，路權(quán)分配的求解方法也是項(xiàng)目中非常重要的創(chuàng)新點(diǎn)。所以要考慮到普適模型怎么求解，怎么把行駛安全、通行效率和能耗排放三因素嵌入進(jìn)去。安全考慮，要把它放到路權(quán)分配里，也需要放到軌跡規(guī)劃里，于是構(gòu)建了集中式和分布式的普適模型。包括群體決策，要把群體決策智能約束放到模型里，讓抽象、復(fù)雜的問題具體化，用模型求解。這就涉及到超高維的計(jì)算問題，項(xiàng)目要突破狀態(tài)重構(gòu)問題，要解決時(shí)空關(guān)系中帶來超高維的決策計(jì)算問題，之后，再和具體的問題結(jié)合。比如路權(quán)分配怎么做？可以探索用人工智能、機(jī)器學(xué)習(xí)，探討最好的一種解決方案。

          第三部分，決策控制與應(yīng)用實(shí)現(xiàn)。

          新型混合交通場(chǎng)景下城市道路智能協(xié)同控制實(shí)現(xiàn)?，F(xiàn)在可以通過車路協(xié)同車載終端，融合信號(hào)配時(shí)與車輛速度引導(dǎo)，為公交、特殊車輛提供信號(hào)優(yōu)先服務(wù)，協(xié)同控制的最高境界是信號(hào)配時(shí)變化信息能實(shí)時(shí)交互給車輛，甚至可以不用信號(hào)控制實(shí)現(xiàn)路口通行效率的最大化。但網(wǎng)聯(lián)化不是一步到位的，智能化設(shè)備裝車率不是一下就到100%，所以還要研究不同滲透率對(duì)交通特性的不同影響。比如滲透率10%的時(shí)候，網(wǎng)聯(lián)車要受常規(guī)車的影響，當(dāng)超過50%以后，網(wǎng)聯(lián)車可能就會(huì)影響傳統(tǒng)車輛的駕駛行為。

          863重大科技專項(xiàng)-車路協(xié)同的項(xiàng)目里，列出15個(gè)典型的應(yīng)用場(chǎng)景，我們希望再生成20個(gè)場(chǎng)景，這20個(gè)場(chǎng)景對(duì)車路協(xié)同的未來發(fā)展再引領(lǐng)5-10年。

          比如車輛與交通信號(hào)控制系統(tǒng)交互，信號(hào)系統(tǒng)根據(jù)上游匯集來的車隊(duì)調(diào)整配時(shí)，讓路口通行效率最大化，甚至可以對(duì)綠波帶進(jìn)行升級(jí)，比如相位差是固定不變的，由于車路協(xié)同可以隨時(shí)獲得兩個(gè)路口之間所有車流量數(shù)據(jù)，從而讓相位差動(dòng)態(tài)調(diào)整，使得通行效率提高。

           更遙遠(yuǎn)的未來，高速、快速上的車輛，系統(tǒng)可以根據(jù)車輛類型、運(yùn)行狀態(tài)，自主形成一個(gè)個(gè)車隊(duì)。比如1000輛汽車，每個(gè)車隊(duì)10輛車，就有100個(gè)車隊(duì)在高速、快速路上行駛，同一個(gè)車隊(duì)保持相同的運(yùn)行狀態(tài)，當(dāng)然就會(huì)出現(xiàn)車隊(duì)之間也會(huì)有換道，也會(huì)有超車。

          項(xiàng)目三、車路協(xié)同系統(tǒng)要素耦合機(jī)理與協(xié)同優(yōu)化方法

          該項(xiàng)目重點(diǎn)解決混行車路協(xié)同環(huán)境下駕駛?cè)孙L(fēng)險(xiǎn)認(rèn)知與反應(yīng)特性、車輛交互運(yùn)動(dòng)耦合機(jī)理、網(wǎng)絡(luò)交通流演變規(guī)律、時(shí)空資源和系統(tǒng)狀態(tài)協(xié)同優(yōu)化等關(guān)鍵科學(xué)問題，突破駕駛意圖識(shí)別、車輛交互運(yùn)動(dòng)軌跡優(yōu)化、交通瓶頸識(shí)別與可靠性預(yù)測(cè)、車道資源-車輛軌跡-交通信號(hào)協(xié)同優(yōu)化、車路環(huán)境模擬與交通流一體化仿真等關(guān)鍵技術(shù)。

          項(xiàng)目負(fù)責(zé)人之一、北京航空航天大學(xué)教授魯光泉表示，要充分地利用自動(dòng)駕駛、網(wǎng)聯(lián)汽車帶來的信息優(yōu)勢(shì)和控制優(yōu)勢(shì)進(jìn)行交通系統(tǒng)的優(yōu)化。

          研究方向和內(nèi)容

          一是研究人車耦合關(guān)系。人和車之間到底是什么關(guān)系？這種關(guān)系在未來的智能網(wǎng)聯(lián)環(huán)境下有什么樣的變化趨勢(shì)？這些變化對(duì)未來的交通控制優(yōu)化有什么樣的影響？二是車和車之間的關(guān)系。三是車和路之間的耦合關(guān)系。四是在前三個(gè)研究的基礎(chǔ)上，探討在智能網(wǎng)聯(lián)環(huán)境下，對(duì)節(jié)點(diǎn)、交叉口、干道兩個(gè)交叉口之間，用什么樣的方法來優(yōu)化車的軌跡，優(yōu)化道路渠化，優(yōu)化信號(hào)控制。五是希望提出的理論方法得到印證。

          一、人車耦合關(guān)系。

          項(xiàng)目組嘗試建立一種通用的駕駛?cè)朔抡婺Ｐ?，不管是人開車還是機(jī)器開車，都有一個(gè)駕駛模型，在信息感知、處理、決策和操作上，有通用的特征。在這一模型下，來研究人開車在認(rèn)知操作、駕駛反應(yīng)等方面有什么樣的特征、什么樣的差異，在智能網(wǎng)聯(lián)環(huán)境下，不同的信息來了以后，不同人的操控特性會(huì)有什么樣的變化。

          項(xiàng)目組構(gòu)建了通用仿真模型，建立了駕駛員的四個(gè)屬性：生理屬性、感知屬性、決策屬性、操作屬性，由屬性層、表征層、認(rèn)知層等組成，并用138個(gè)參數(shù)表示駕駛過程，將來實(shí)現(xiàn)自動(dòng)駕駛，車也可以作為特殊的人，只不過感知屬性、決策屬性可控。

          隨著場(chǎng)景數(shù)量增長(zhǎng)、爆炸，仿真模型也在不斷地爆炸、膨脹，基于這個(gè)，如何統(tǒng)一地描述人們的感知、決策？可以用統(tǒng)一的描述來表示不同交通要素對(duì)車輛運(yùn)動(dòng)決策的影響。

          項(xiàng)目組分析了駕駛?cè)苏J(rèn)知與操作特性。開展了無/有車路協(xié)同信息的駕駛模擬器換道實(shí)驗(yàn)，結(jié)果表明：提供車路協(xié)同信息的環(huán)境下，平均換道意圖時(shí)窗(4.95s)顯著長(zhǎng)于傳統(tǒng)環(huán)境(2.75s)，換道時(shí)自車與障礙車距離更長(zhǎng)，后視鏡注視次數(shù)(2.68)顯著高于傳統(tǒng)環(huán)境(1.55)；后視鏡注視時(shí)間也相對(duì)較高。車輛方向盤轉(zhuǎn)角速率更加平穩(wěn)，橫向加速度更加集中且值相對(duì)較小。另外，還分析了駕駛?cè)丝山邮軗Q道間隙和換道持續(xù)時(shí)間，結(jié)果表明：駕駛?cè)藘A向于在與前車交互時(shí)保留較大空間，與后車交互時(shí)接受較小空間；前車越快，駕駛?cè)藫Q道持續(xù)時(shí)間越短，而后車越快會(huì)使持續(xù)時(shí)間更長(zhǎng)。

          構(gòu)建了駕駛行為感知與意圖識(shí)別模型。根據(jù)網(wǎng)聯(lián)環(huán)境下?lián)Q道意圖階段和車道保持階段的差異性特征，基于AT-BiLSTM（基于注意力機(jī)制的雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)）建立了換道意圖識(shí)別模型，模型在車輛換道前0.5s的識(shí)別精度能夠達(dá)到98.46%；提出了ARIMA-OGD-Bi-LSTM混合模型，實(shí)現(xiàn)了對(duì)轉(zhuǎn)向行為短期準(zhǔn)確預(yù)測(cè)：通行多車道路口中，在行為開始前1s的平均識(shí)別率達(dá)96.4%，前2s的平均識(shí)別率為84.8%。

          二、車車耦合關(guān)系。

          在路上，車與車一般有兩種耦合行為，一種是跟車走，第二個(gè)是換道、超車，在路口就復(fù)雜些，交叉口車與車之間的耦合關(guān)系更加復(fù)雜。項(xiàng)目組從不同角度分別構(gòu)建了不同的風(fēng)險(xiǎn)場(chǎng)模型。構(gòu)建了基于駕駛?cè)酥饔^風(fēng)險(xiǎn)量化的跟馳和換道模型，從NGSIM中選取典型案例，能夠有效擬合自然駕駛數(shù)據(jù)。構(gòu)建了道路環(huán)境風(fēng)險(xiǎn)場(chǎng)，在典型低風(fēng)險(xiǎn)換道測(cè)試場(chǎng)景下，縱向軌跡重構(gòu)誤差為0.8%，橫向軌跡重構(gòu)誤差為1.3%；在高風(fēng)險(xiǎn)加速換道測(cè)試場(chǎng)景下，縱向偏移誤差為2.8%，橫向偏移誤差為1.9%。并基于道路環(huán)境風(fēng)險(xiǎn)構(gòu)建了超車模型，基于風(fēng)險(xiǎn)場(chǎng)地圖搜索風(fēng)險(xiǎn)值最小的路徑，每隔t時(shí)刻生成車輛的參考軌跡。綜合現(xiàn)有測(cè)試場(chǎng)景，縱向偏移誤差為1.6%，橫向偏移誤差為1.8%。

          交叉口車與車耦合關(guān)系研究方面，項(xiàng)目組構(gòu)建了基于勢(shì)能場(chǎng)的交叉口通行模型，選取長(zhǎng)春市某交叉口進(jìn)行高空攝像調(diào)查，結(jié)果顯示，直行案例軌跡重構(gòu)平均誤差為4.6%；左轉(zhuǎn)案例軌跡重構(gòu)平均誤差為6.3%；右轉(zhuǎn)案例軌跡重構(gòu)平均誤差為6.7%。從而對(duì)交叉口混行車輛隊(duì)列跟馳行為進(jìn)行仿真，仿真了兩種類型AV車輛的交叉口通行行為，結(jié)果表明：AV隊(duì)列穩(wěn)定性和速度波動(dòng)性會(huì)嚴(yán)重影響交叉口通行效率；仿真并計(jì)算了MV&AV混行時(shí)排隊(duì)車輛的損失時(shí)間，結(jié)果表明：AV在隊(duì)列中位置越靠前，越有利于減少排隊(duì)損失時(shí)間；AV數(shù)量增多一定會(huì)減小排隊(duì)損失時(shí)間；AV數(shù)量有限時(shí)，AV分散分布更有利于降低排隊(duì)損失時(shí)間。

          三、車路耦合關(guān)系。

          如果路網(wǎng)里摻雜不同比例的智能網(wǎng)聯(lián)汽車，宏觀基本圖、道路基本圖有什么變化，如何計(jì)算通行能力？對(duì)交通流密度和速度關(guān)系有什么樣的影響？怎么計(jì)算出行時(shí)間可靠性，如何發(fā)現(xiàn)路網(wǎng)的瓶頸？如果將來要把基本通行能力提高10%，反推回去，智能網(wǎng)聯(lián)汽車的性能需要達(dá)到什么程度？

          項(xiàng)目組構(gòu)建了混行單車道交通基本圖模型，并基于單車道流速密關(guān)系，構(gòu)建了基本圖參數(shù)與路段限速和CAV滲透率的解析式；給定限速條件下，低CAV滲透率下(0%~33.3%)，滲透率增加，通行能力提升33%；高CAV滲透率下(66.7%~100%)，通行能力提升83%。通過SUMO仿真各CAV滲透率下的單車道混行路段；不同CAV滲透率下仿真數(shù)據(jù)點(diǎn)與理論曲線基本貼合；隨著CAV滲透率提升，混行單車道的通行能力上升，相同密度下車道的平均速度上升。

          構(gòu)建了混行多車道路段元胞傳輸?shù)慕煌ɑ緢D模型；瓶頸路段，CAV零滲透率下，道路通行能力為950~1350PCU/小時(shí)/車道，66.7%CAV滲透率下，道路通行能力為2200~2400PCU/小時(shí)/車道。仿真測(cè)試表明：低滲透率下自由流受換道影響，無法保持最大速度；高滲透率下?lián)Q道對(duì)路段交通流影響減弱。

          構(gòu)建了路網(wǎng)宏觀基本圖，借助CAV實(shí)施動(dòng)態(tài)控制管理策略獲得了更穩(wěn)定、形狀更好的宏觀基本圖。

          實(shí)現(xiàn)了路網(wǎng)出行時(shí)間可靠性預(yù)測(cè)。傳統(tǒng)的出行時(shí)間可靠性計(jì)算里采用智能圖像處理方法，但由于維度的增加，比如交通小區(qū)數(shù)量增加，就會(huì)帶來維度災(zāi)難的問題，矩陣越來越大，算不下去，但用圖卷積神經(jīng)網(wǎng)絡(luò)的方法可以解決這個(gè)問題。項(xiàng)目組從路網(wǎng)交通狀態(tài)與出行時(shí)間可靠性關(guān)聯(lián)關(guān)系出發(fā)，提出基于路網(wǎng)拓?fù)浣Y(jié)構(gòu)的“交通特征-交通狀態(tài)演化-網(wǎng)絡(luò)出行時(shí)間可靠性”兩層學(xué)習(xí)機(jī)制，并利用圖卷積神經(jīng)網(wǎng)絡(luò)GCN挖掘路網(wǎng)交通狀態(tài)與出行時(shí)間可靠性映射規(guī)律。結(jié)果表明，在多個(gè)不同的預(yù)測(cè)時(shí)間步長(zhǎng)下，模型平均預(yù)測(cè)精度為85.95%。

          四、系統(tǒng)協(xié)同優(yōu)化。

          在前面幾個(gè)耦合關(guān)系研究基礎(chǔ)上，項(xiàng)目組計(jì)劃提出一套算法，來充分利用智能網(wǎng)聯(lián)汽車、自動(dòng)駕駛汽車的優(yōu)勢(shì)，控制優(yōu)勢(shì)來使得交通系統(tǒng)更優(yōu)化。

          比如在單交叉路口的協(xié)同通行方面，通過描述典型交叉口環(huán)境下不同行駛方向車流間的沖突關(guān)系，提出了多車協(xié)同避撞條件及協(xié)同通行準(zhǔn)則。考慮CV車輛的不確定性，提出了CV/CAV混行的多車協(xié)同通行方法；仿真了同一交叉口流量水平下混行滲透率變化對(duì)通行效率的影響，結(jié)果表明：滲透率增加，CV車輛對(duì)群體車輛通行的影響下降，車輛平均延誤和延誤車輛比例也隨之降低。

          在路段行駛軌跡優(yōu)化與引導(dǎo)方面，確定了車輛在路段上的起始和終止條件，根據(jù)最優(yōu)控制理論建立了CAV車輛軌跡優(yōu)化模型，在不同的交通流量下，平均燃料消耗降低約15%；根據(jù)軌跡預(yù)測(cè)控制的思想來確定最優(yōu)引導(dǎo)指令，指導(dǎo)駕駛?cè)撕侠聿倏vCV車輛。仿真實(shí)驗(yàn)表明，系統(tǒng)相鄰兩次發(fā)出指令的時(shí)間間隔較小時(shí)，引導(dǎo)效果較好。

          在路網(wǎng)多車協(xié)同通行優(yōu)化方面，選擇典型路網(wǎng)進(jìn)行仿真實(shí)驗(yàn)，結(jié)果表明：群體決策出行明顯優(yōu)于最短路線出行，能降低路網(wǎng)車輛平均延誤，提升路網(wǎng)交通服務(wù)均衡性。

          在單交叉口混行車道資源與信號(hào)配時(shí)協(xié)同優(yōu)化方面，針對(duì)自動(dòng)駕駛專用道問題，構(gòu)建了一套混合整數(shù)線性規(guī)劃模型，給定交叉口幾何條件、網(wǎng)聯(lián)自動(dòng)車輛和人工駕駛車輛交通需求，優(yōu)化混合行駛環(huán)境下交叉口渠化方案和信號(hào)方案，從而最大化交叉口通行能力。計(jì)算了四向三車道，四向四車道和四向五車道三組算例，結(jié)果表明，通行能力提升了15%。

          在混行路網(wǎng)交通信號(hào)自適應(yīng)協(xié)同優(yōu)化方面，提出了分散反饋-全局協(xié)同的混行路網(wǎng)自適應(yīng)交通信號(hào)控制策略，仿真結(jié)果表明：網(wǎng)聯(lián)車占比20%時(shí)，路口平均車輛排隊(duì)減小40%，路口平均車輛延誤減小40%。

          在多路口混行車輛軌跡協(xié)同優(yōu)化方面，基于生態(tài)駕駛模型和最優(yōu)控制理論，建立多目標(biāo)CAV軌跡優(yōu)化模型，實(shí)現(xiàn)了低滲透率網(wǎng)聯(lián)軌跡優(yōu)化與混行交通流集群生態(tài)駕駛，基于VISSIM仿真混行車流，結(jié)果表明，平均行車能耗（/車/路口）節(jié)省了12%-24%。

          五、仿真與實(shí)地測(cè)試。

          為實(shí)現(xiàn)自動(dòng)駕駛與人工駕駛的混行測(cè)試，項(xiàng)目組研發(fā)了多車模擬駕駛與交通仿真相結(jié)合的混行交通實(shí)驗(yàn)系統(tǒng)。能模擬人工與自動(dòng)駕駛系統(tǒng)感知、決策、操作特性，并與多臺(tái)駕駛模擬器在同一場(chǎng)景中交互。

           目前項(xiàng)目組已在交通部試驗(yàn)場(chǎng)完成2個(gè)交叉口C-V2X的智能路側(cè)單元安裝（可寫入算法）、2個(gè)交叉口交通信號(hào)控系統(tǒng)的基礎(chǔ)布設(shè)、試驗(yàn)車1+2 輛、智能車載終端2套（可寫入算法）

          在仿真測(cè)試方面，構(gòu)建了面向交通管控的車路協(xié)同策略有效性測(cè)試原型系統(tǒng)，定義了測(cè)試場(chǎng)景目標(biāo)與功能，與仿真工具解耦，實(shí)現(xiàn)了車輛駕駛行為控制，滿足MV+CV混入模式下的不同仿真測(cè)試需求。

           項(xiàng)目四、大規(guī)模網(wǎng)聯(lián)車輛協(xié)同服務(wù)技術(shù)與應(yīng)用

           該項(xiàng)目的研究方向是針對(duì)網(wǎng)聯(lián)車輛協(xié)同運(yùn)行的迫切需求，重點(diǎn)突破大規(guī)模網(wǎng)聯(lián)車輛信息感知、融合互通、出行互助協(xié)作、時(shí)空協(xié)同服務(wù)等關(guān)鍵技術(shù)，建立大規(guī)模網(wǎng)聯(lián)車輛協(xié)同服務(wù)平臺(tái)，實(shí)現(xiàn)網(wǎng)聯(lián)車輛從位置監(jiān)管信息服務(wù)到安全生態(tài)、互助共享的協(xié)同服務(wù)。

           項(xiàng)目負(fù)責(zé)人、北京交通發(fā)展研究院院長(zhǎng)郭繼孚表示，該項(xiàng)目圍繞終端信息網(wǎng)聯(lián)、網(wǎng)絡(luò)信息統(tǒng)合、云端出行協(xié)同三條主線，突破大規(guī)模網(wǎng)聯(lián)車輛的信息融合互通與出行時(shí)空協(xié)同優(yōu)化關(guān)鍵科學(xué)問題，并從云邊端以及端云協(xié)同四個(gè)方向開展研究與實(shí)踐。

          項(xiàng)目主要成果與應(yīng)用

          端側(cè)，開展了終端設(shè)備研制與安全生態(tài)評(píng)價(jià)，包括研發(fā)基于環(huán)境感知、危險(xiǎn)預(yù)警與交互服務(wù)關(guān)鍵技術(shù)的一體化智能車載終端、駕駛風(fēng)險(xiǎn)評(píng)估及危險(xiǎn)預(yù)警系統(tǒng)、生態(tài)駕駛行為控制優(yōu)化系統(tǒng)等；

          路側(cè)，研發(fā)了智能路側(cè)信息融合原型系統(tǒng)，包括實(shí)現(xiàn)基于邊緣計(jì)算的路側(cè)激光雷達(dá)與攝像頭融合監(jiān)測(cè)模型，可支持路口交通信息感知、盲區(qū)監(jiān)測(cè)等場(chǎng)景應(yīng)用。

          云平臺(tái)方面，研發(fā)形成大規(guī)模網(wǎng)聯(lián)車輛協(xié)同服務(wù)平臺(tái),進(jìn)行大數(shù)據(jù)分析與知識(shí)挖掘，包括網(wǎng)聯(lián)車輛畫像、異常特征辨識(shí)、貨車超載識(shí)別、道路停車監(jiān)測(cè)、信息安全監(jiān)測(cè)、協(xié)同服務(wù)等；

          端云協(xié)同方面，以預(yù)約和互助服務(wù)技術(shù)為核心，實(shí)現(xiàn)網(wǎng)聯(lián)車輛運(yùn)行的時(shí)空協(xié)同。包括網(wǎng)聯(lián)車輛集群互助影響模擬、定向互助服務(wù)信息精準(zhǔn)投放、實(shí)時(shí)需求響應(yīng)與精準(zhǔn)調(diào)控、超級(jí)時(shí)刻表編制技術(shù)，試點(diǎn)網(wǎng)聯(lián)車輛預(yù)約與互助出行服務(wù)等。

           幾個(gè)重點(diǎn)應(yīng)用。

          一是預(yù)約。本質(zhì)是對(duì)高峰時(shí)段的出行需求在時(shí)間和空間上重新分配，將一部分在路上排隊(duì)的出行變?yōu)樵诩业却Ｕ{(diào)節(jié)后，用戶仍可按照以往時(shí)刻通過，而無須排隊(duì)等待。同時(shí)，按需配置交通資源，統(tǒng)籌多種交通方式，按照換乘時(shí)刻及當(dāng)時(shí)換乘地的運(yùn)力實(shí)現(xiàn)換乘精準(zhǔn)匹配，編制出行時(shí)刻表，協(xié)調(diào)交通系統(tǒng)供需關(guān)系。項(xiàng)目組在地鐵進(jìn)站排隊(duì)進(jìn)行了試點(diǎn)，通過手機(jī)端口供地鐵出行者預(yù)約排隊(duì)，15分鐘一個(gè)時(shí)間段，到該時(shí)間段到地鐵站可以經(jīng)專用通道進(jìn)入，允許前后十分鐘誤差，超過則無效。試點(diǎn)效果很好，地鐵沙河站日均預(yù)約進(jìn)站量4400人，人均節(jié)約排隊(duì)時(shí)間5分鐘，日節(jié)約排隊(duì)時(shí)間221小時(shí)。此外，項(xiàng)目組還在北京市回龍觀北橋路段試點(diǎn)預(yù)約通行，回龍觀西大街是雙向六車道的主干路，在單向三車道向一車道變化路段形成了交通瓶頸，常年擁堵。試點(diǎn)結(jié)果表明，用戶每一次錯(cuò)峰出行為自己平均減少17到39分鐘的擁堵時(shí)間，同時(shí)這一次錯(cuò)峰出行為整個(gè)系統(tǒng)減少76到97分鐘的擁堵時(shí)間。

           二是平臺(tái)。第一個(gè)是大規(guī)模網(wǎng)聯(lián)車輛智能化綜合監(jiān)測(cè)與大數(shù)據(jù)分析平臺(tái)。比如“天秤”系統(tǒng)，基于大規(guī)模網(wǎng)聯(lián)車輛及發(fā)動(dòng)機(jī)運(yùn)行數(shù)據(jù)，針對(duì)不同車型、速度、載重、坡度、道路類型等影響因素，建立了2.4萬組高分辨率的車輛和發(fā)動(dòng)機(jī)工況圖譜庫，研發(fā)了車輛載重自學(xué)習(xí)人工智能算法與平臺(tái)系統(tǒng)，車輛發(fā)動(dòng)機(jī)啟動(dòng)并上路運(yùn)行15分鐘后，系統(tǒng)就能判斷該車輛是否涉嫌超載，從而改變治超管控的模式。

          第二個(gè)是基于網(wǎng)聯(lián)車輛視頻數(shù)據(jù)的道路停車秩序監(jiān)測(cè)平臺(tái)?；趧?dòng)態(tài)數(shù)據(jù)和靜態(tài)數(shù)據(jù)，結(jié)合圖像和視頻識(shí)別、GPS數(shù)據(jù)比對(duì)、GIS等技術(shù)手段，實(shí)現(xiàn)對(duì)違法停車信息的采集、識(shí)別以及評(píng)價(jià)結(jié)果的工程計(jì)算。北京計(jì)劃建立一個(gè)停車指數(shù)，各個(gè)區(qū)的停車管理做得怎樣實(shí)現(xiàn)對(duì)各區(qū)、各街道的實(shí)時(shí)考核，可以具體到每一個(gè)路段，這些都是基于網(wǎng)聯(lián)車輛視頻大數(shù)據(jù)來實(shí)現(xiàn)。該平臺(tái)以北京市西城區(qū)月壇街道作為試點(diǎn)區(qū)域，包含74條評(píng)價(jià)道路，監(jiān)測(cè)平臺(tái)于2020年12月23日正式上線。

          展望

          一是，具有交互服務(wù)能力的智能終端將大規(guī)模普及。未來每個(gè)人、每輛車、每個(gè)過程、每個(gè)時(shí)段都應(yīng)該是高強(qiáng)度信息化，所有出行、所有交通工具都全程信息化之后，將各交通運(yùn)輸方式協(xié)同起來，可以按需提供運(yùn)輸方式，一個(gè)人打車，兩個(gè)人拼車，多人合乘，十幾人提供大巴，幾百上千人開一個(gè)專列，深夜還可以調(diào)度網(wǎng)約車、出租車、大巴來疏導(dǎo)。

           二是，預(yù)約應(yīng)用場(chǎng)景逐步擴(kuò)大。其實(shí)、可以創(chuàng)造一個(gè)不堵車的城市，以前不能是缺乏預(yù)約系統(tǒng)，缺乏保障的信用機(jī)制。為什么不能把一個(gè)車道拿出來做成預(yù)約通行車道？比如大部分的公交專用道利用率很低的，怎么辦？預(yù)約，一部分車輛預(yù)約之后就可以走公交專用道。我們有序地為每個(gè)出行者安排時(shí)序，可以造成一個(gè)不堵車的系統(tǒng)，這是網(wǎng)聯(lián)的功效。

          預(yù)約對(duì)提升道路通行效率有用嗎？這就像醫(yī)院掛號(hào)有用嗎？能解決醫(yī)療資源緊張嗎？當(dāng)然解決不了，但是顯然可以解決無效排隊(duì)的問題。預(yù)約出行也就可以緩解擁堵的問題