0
| 本文作者： 余快 | 編輯：張棟 | 2020-04-28 18:15 | 專題：雷鋒網公開課 | 安防 AI 云課堂 |
交通問題與經濟發展息息相關，若城市發展帶來的經濟收益無法抵消交通擁堵帶來的經濟損失，則城市難以繼續發展。解決問題前需先尋得問題根源。現實中造成交通擁堵有六大原因：
1. 城市規劃不合理
2. 路網結構不合理，支路網不發達。
3. 公共交通分擔率低。
4. 法制觀念淡薄，交通違法現象嚴重。
5. 交通設計不合理、路口交通組織混亂。
6. 信號燈配時不合理，缺乏優化。
針對上述六大原因，大華股份智慧交通算法總工梅雨做客雷鋒網，詳述了大華在城市交通擁堵治理層面的實踐、思考。
他提到，全面的精確的交通檢測是做好交通治理的前提條件。交通治理必須要深入到具體的場景中去，全面考慮場景的多個交通維度，才能夠逐個解決。
其中，AI視頻算法使得交通檢測邁向3.0時代，通過AI圖像分析，識別人、車、路的幾何特征、運動特征和社會特征，通過人、車圍觀軌跡與多源數據融合，進行多層次分析，識別交通違法、交通擁堵、交通干擾等問題。
大華提出AI+大數據城市交通擁堵治理方案從交通檢測開始，依次對各種交通問題進行診斷、治理、評價，形成一個完整的閉環。
通過檢測技術，以路口檢測為中心，延展到路段和區域，從擁堵程度、信號控制、交通沖突、道路渠化、違法、事故6個維度，50個以上的具體指標進行診斷。診斷后，由云端系統在后臺進行大數據分析，然后進行自動推薦治理策略，幫助管理者進行決策。隨后，對每項治理措施前后、整個路口的綜合交通效率進行對比評價。
以下為梅雨全部分享內容，雷鋒網AI掘金志作了不改變原意的整理及編輯。后續將有更多課程上線，添加微信號 suekee777 報名聽課。
隨著經濟和科技的發展，人們在享受城鎮化和現代化帶來的便捷和舒適的同時，也在忍受交通擁堵所帶來的煩惱。似乎城市越發展，交通越擁堵。
百度和高德每年都會發布城市交通報告，以百度報告為例，在2019年度全國城市交通擁堵排名中，北京、上海、廣州依然在榜，首堵城市已經從北京變成重慶。從擁堵變化趨勢上來看，前五位擁堵加劇的城市和前五位擁堵緩解的城市都有所變化。總的來說，擁堵逐漸從一線城市擴散到了中小型城市。
交通問題與經濟發展息息相關，城市經濟快速發展帶來了擁堵問題，交通擁堵卻也反過來成為抑制城市發展的一個重要因素。舉個例子，在一個叫“模擬城市”的游戲中，玩家扮演市長的角色，從一片空地開始規劃城市，發展工商業，吸引城市居民，修建道路水電等設施。玩家一開始會玩得很開心，因為城市發展的非常迅速。但是在持續建設中玩家會發現城市問題越來越多，其中最難解決的問題就是交通擁堵。到后期，由于交通問題，城市已經很難再擴張了。
現實情況同樣如此，如果一個城市的發展帶來的經濟收益無法抵消交通擁堵帶來的經濟損失，城市會達到一個平衡，很難繼續發展。根據交通部的統計數據，交通擁堵帶來的經濟損失占據每年GDP的5~8%，達數千億人民幣，要知道，中國目前經濟發展基本處于GDP每年百分之六點幾的水平。
因此，城市管理者對交通問題高度重視。但實際中往往面對許多問題難以解決：城市路網的擁堵區域有哪些？擁堵如何快速定位？擁堵如何快速消散？
在解決方法之前，我們有必要了解城市交通擁堵的原因。
1. 城市規劃不合理。
大多數城市在早期規劃中并未考慮到交通因素，城市規劃不合理，居住區與商業區、工業區太分離。如果一個城市把中心區全部規劃成了商業區、工業區，所有的居住區放在城市外圍，就會導致無法避免的、大量的通行。
2. 路網結構不合理，支路網不發達。
很多城市傾向不斷加寬馬路，擴容主干道，忽略支路網建設。支路網發達的城市，一條路堵車，車輛可以通過支路網找到很多替換路線。反之，以主干路為主的城市發生擁堵時，車輛沒有多少可選擇的替代方案，只能在主干路上等待。大多數人有一個誤區，認為路少是擁堵的主要原因，所以應該多修路。其實，除了道路本身是稀缺資源，交通從時空分布上就是不均勻的。每天早晚高峰的交通流量非常大，其余大部分時間是非擁堵狀態，流量小。如果按照高峰時期的流量需求去修路，會導致大量的道路資源浪費。從經濟學角度，一定是按照平均的交通流量修路，這就導致了管理者很難從修路的角度解決交通擁堵問題。
3. 公共交通不發達，公共交通分擔率低。
公共交通是提高道路資源利用率，緩解交通擁堵的一種方式。簡單計算一下，一輛公交車以承載90個人，一輛小汽車平均承載1.5個人，公交車占道面積是小汽車2倍，所有公交車對道路資源的利用率是小汽車的30倍左右。如果大部分人使用公共交通出行，完全可以避免擁堵。
4. 法制觀念淡薄，交通違法現象嚴重。
交通違法是導致交通擁堵的一個重要原因。比如行人、非機動車闖紅燈，非常容易引發車輛和行人的相互干擾，進而引起擁堵。一旦導致事故，路口路段常會被完全堵死。這種情況往往出乎人們意料，非常容易發生上班遲到、錯過重要會議等事件。
5. 交通設計不合理、路口交通組織混亂。
具體來講，是指一些路口的幾何設計、渠化設計、人車交通組織分流不合理。這種現象很常見，比如沒有自行車道，自行車只能和機動車混合行駛；路口太寬，沒有二次過街設施；路口轉彎半徑不夠等等。這是早期城市設計時沒有仔細考慮交通因素的結果，問題遺留下來管理部門也很難找到足夠的動力重新修路。
6. 信號燈配時不合理，缺乏優化。
這個老大難問題已經困擾交警部門多年，比如，很多路口一個方向車輛非常多，另一個方向基本沒車。交通信號配時的專業性很強的，很多交警沒有足夠的專業知識或精力去做這種配時優化工作。而且信號配時是一個長期的過程，一個路口在某段時間調優了，也許隨著交通流的變化，方案又不適用了。所以信號優化需要持續進行。
近年互聯網+交通、AI+大數據+交通、5G車路協同、自動駕駛等新技術名詞的出現，會對交通擁堵治理帶來什么樣的影響？
2010年隨著“易道用車”等一系列網約車產品的出現拉開了互聯網+交通時代的序幕。網約車改變了人們的出行方式，但是它給擁堵帶來正面還是負面影響其實還存在爭議。持反面觀點的人認為，網約車讓一部分原本選擇公共交通出行的人選擇打車，增加了道路交通的需求。正方則認為網約車的便利性也可能讓原本選擇私家車出行的人選擇網約車，道路需求變少。但不容置疑的是，網約車以及隨后出現的共享單車、定制公交等其他互聯網+交通下的新產物，極大地方便了人們的日常出行。
第二個階段是AI+大數據+交通時代。隨著人工智能和計算機算力的提升，AI和大數據這兩個名詞在交通領域也非常活躍。以阿里云為代表的各種城市大腦，通過對海量數據的深入挖掘，對城市交通的實時監測，使交通治理進入了數據時代，這也是目前各個智能交通企業積極推廣的技術方向。但總體上，各地的城市大腦還遠未成熟。
第三個階段是5G+車路協同時代。在此階段，車車通信，車路通信將會成為標準。由此帶來的新技術，包括未來的自動駕駛，都將給交通帶來更多的想象。未來的5-10年，在5G基站、北斗通訊等大量基礎設施建設下，車路協同、自動駕駛技術將飛速發展。我認為，這部分的市場會隨著大基建呈遞進發展，但短期內這些技術對交通緩堵不會有實質性的改變。故近5-10年能落地的城市擁堵治理技術依然要靠AI+大數據。
大華提出了AI+大數據的城市擁堵治理解決方案，是以視頻檢測為核心，全面深入挖掘分析交通問題，并提供全面化和精細化的擁堵治理方案。我們從交通檢測開始，依次對各種交通問題進行診斷、治理、評價，形成一個完整的閉環。從宏觀上為城市管理者提供數據支撐，從中微觀上給管理者提供低成本的緩堵策略推薦。
目前的交通檢測技術有哪些？新一代的技術是什么？
我們先看看交通檢測1.0時代，我稱為截面檢測時代。交通信息都通過一個截面檢測器獲取，包括車流量、車速、占有率等信息。這種檢測器以磁感應線圈為代表，一般埋在停車線附近，當車經過線圈時會產生電平，從而收集交通信息。
2.0時代是空間檢測時代。檢測器以雷達為代表，它是通過毫米波段的雷達頻率檢測車輛的空間信息，從而獲得車輛在空間的排隊長度，空間占有率和區間車速。浮動車檢測器是另一類空間檢測器，通過一些裝有GPS的出租車，或者開著百度、高德導航的機動車，實時把GPS信息發給指揮中心，幫助其判斷交通狀況。但浮動檢測存在一個弊端，即不是所有的車都有GPS，這導致車少的地方交通檢測會不準確。
交通檢測1.0和2.0時代，本質上是識別車輛在空間中的物理信息，缺少對交通深層次信息的分析。我們提出基于AI視頻算法的交通檢測，使交通檢測邁向了“交通問題檢測”的3.0時代。
我們通過AI圖像分析，識別人、車、路的幾何特征、運動特征和社會特征，包括車和人的微觀運動信息，標志標線信息，還包括車和人的身份信息。因此無論是宏觀上的交通態勢分析，還是微觀上的車輛軌跡分析，都可以進行更深層次的挖掘。搭配高清地圖，信號配時，事故數據等多源數據，可以識別出交通違法、交通擁堵、交通干擾等等問題。
這些技術可以識別哪些交通問題？
交通違法識別。攝像頭可以在白天和夜間檢測到眾多違法現象，比如駕駛員打電話、副駕駛不系安全帶等都能被高清攝像頭捕捉。
嚴重擁堵識別。主要識別路口溢出、二次排隊。路口溢出是指排隊延伸到上游路口出現堵塞的現象。它會導致側向道路的車輛無法在綠燈時間通過交叉口，常常會使側向道路也出現溢出，從而引發更大范圍的堵塞。我們的視頻檢測器可以實時監測路口溢出情況，并在第一時間預警，協助交警疏導。二次排隊是指路口通行能力不足，入車流大于輸出車流，導致車輛要等多次紅燈的現象。二次排隊很容易演化成路口溢出，造成大面積的擁堵。我們的視頻算法針對二次排隊做了特殊的優化，通過對軌跡深層次地挖掘實現了排隊長度的實時跟蹤，從而可以精確的識別二次排隊的出現。
交通信號不合理識別。包括路口失衡和路口空放等。路口失衡是指各個方向的車流不均衡，這是典型的信號配時不合理的體現，即一個方向的綠燈時間長車卻少，另一方向綠燈短而車卻多。我們結合信號燈數據，用視頻分析車流的飽和度，能準確地識別路口失衡現象，識別準確率超95%。當無法獲得信號燈信息時，還可以直接通過過車數據對信號燈進行推斷，這種在信息缺失情況下的準確度也能達到90%以上。
交通干擾識別。包括機動車與行人、非機動車之間的干擾，車輛之間的干擾等。機動車、非機動車和行人混合行駛是中國道路交通的一個典型特征，我們的AI視頻算法可以分別識別出人、車和非機動車的軌跡，通過對軌跡時空特征的深入分析挖掘，判斷出干擾類型和嚴重程度。舉個車與車之間干擾的例子，有些路口的左轉車和對向的直行車是同時放行的，在一些大流量的路口，同時放行時左轉和直行會出現嚴重沖突。我們的視頻算法可以對干擾進行識別，同時還會根據背景交通流判斷是否為嚴重干擾。
大華新一代的交通視頻檢測器
“哨兵”雷視一體機，是由雷達和視頻檢測器相結合的檢測器，檢測范圍大，檢測距離可達200米。雷達的缺點是不能檢測交通中的身份信息、社會信息等，雷視一體機可作為雷達檢測器的完美補充，達到200米范圍內的全感知。
“哨兵”雙目抓拍單元，它在傳統電警卡口基礎上增加一個攝像頭，以此增大拍攝范圍，解決路口大型車檢測困難的問題。
守望者全景相機，它的檢測范圍可達1~2公里，可對整個區域進行交通事件和狀態檢測。
大華提供的解決方案完整地體現了交通診斷、交通治理、效果評價一體化。
通過這些檢測技術，我們以路口檢測為中心，延展到路段和區域，從擁堵程度、信號控制、交通沖突、道路渠化、違法、事故6個維度，50個以上的具體指標進行全方位診斷。以路口為例，通過繪制路口的健康圖譜，做到診斷結果的可視化。然后管理者可以根據自己關心的重點，針對性的關注重點路口。健康圖譜最大的優勢是對交通問題的嚴重性進行分級，明確地告訴管理者，什么是最緊急、最需要處理的問題。
診斷后，由云端系統在后臺進行大數據分析，然后進行自動推薦治理策略，幫助管理者進行決策。值得注意的是，一種交通問題可能有多種策略，必須要綜合治理才能取得效果。比如某路口可能需要從信號控制、違法整治、交通區域化三個維度進行治理，甚至可能需要交通現場輔助解決問題。我們也有完整的評價體系。既對每項治理措施進行前后的對比評價，也對整個路口的綜合交通效率進行評價，從而形成完整的治理閉環。
不同場景下具體有哪些治理手段？
行人違法。統計發現行人肇事死亡人數中21%是因為闖紅燈。而且一人闖紅燈容易帶動一群人闖紅燈，即使未發生交通事故，也極易引起交通擁堵。不過有研究發現路口等待時間超過90秒，容易引發行人不耐煩情緒。因此應該辯證地看待此現象，先確定信號燈的設計是否合理。如若是紅燈時間過長，則優化信號燈或改善交通設施，比如增加天橋或二次過街設施。如若的確是行人法制意識淡薄，檢測器檢測到闖紅燈意圖后，通過揚聲器提示行人退回停止線；若不聽，在大屏幕上曝光其圖像信息。人臉數據會被保存在數據庫中，方便警察對屢次違法的人員進行追責。
車輛違法。每年因闖紅燈死亡的人數占交通事故總死亡人數的10%，約4000多人。目前針對小型車闖紅燈已經有完善的解決方案，但是大型車，尤其是大貨車闖紅燈現象非常普遍，且難以對其進行處罰。這是因為，處罰取證需要4張照片，第1張是車輛在停車線的照片，第2張是紅燈時車輛跨過停車線的照片，第3張是完全跨過停車線，第4張是有車牌信息的特寫，綜合4張照片才能對闖紅燈進行處罰。但由于電警的車牌識別范圍限制，通常很難拍到大貨車完整的取證照片，因此大貨車闖紅燈難以被處罰。我們針對這類大貨車問題提出一種解決方案，可兼顧大型車和小型車的違法取證。另外，我們會對駕駛員拍照識別，對經常違法人員進行特殊標記，方便警察跟蹤和調查。
交通干擾治理。以不禮讓行人這一種交通干擾類型的治理為例。我們以人車軌跡分析為基礎，自動識別干擾問題嚴重的路口。根據干擾的類型，推薦是否布置不禮讓行人檢測相機和處罰設備。
停車管理。停車管理面臨全天候執法難度大，無規范停車意識，臨時停車難管理等問題。我們以此提出了移動抓拍和綠色停車的解決方案。移動抓拍是將“探路者”相機安裝在車輛上方，隨著執法車輛的移動隨時對違停車輛抓拍取證，不受固定位置的限制。綠色停車是我們的一次大膽創新，具體是在路側某些區域劃定綠色的停車區塊，車輛只能在區塊內停車。停車會規定一個停車時間，比如兩分鐘，供車輛臨時上下車。如果超過時間，先短信提示，時間過長則處罰。綠色停車的概念是為了引導駕駛員停在規定區域內，減少亂停車的交通現象。
路口渠化優化。有些城市使用可變車道優化路口渠化，將原來固定的車道標識變為動態的可變指示牌，以此來解決某些路口左轉直行排隊不均衡、轉向流量比變化劇烈的問題。可變車道其實是比較昂貴的方式，除了需要對道路進行改造，也需要特別注意違法變道，闖紅燈等違法現象，因此不建議隨意實施。交通不均衡的問題一般可以通過信號燈進行調節，只有在極端不均衡時，才考慮改變道路渠化。另外一方面，可變車道一定要與信號燈進行聯動變化。有些地方的可變車道只看路口排隊長度，發現排隊不均衡就調整車道，與信號燈沒有任何關聯。這種情況并不能很好地提升路口的整體通行效率。只有當信號燈已經是最優的前提下，再調整可變車道，才能保證通行能力的提升。經過推算，某些情況下通行能力甚至能達到20%的提升。
路口失衡優化。前面提到信號燈配時不合理現象非常常見，會造成路口失衡和空放。而合理的信號配時，往往需要有經驗豐富的交通工程師對路口進行實地調查后才能設計出來。此種方式固然好，但成本非常高，而且當交通流隨著時間變化后，方案可能變得不再適用。配時需要反復優化，費時費力。
我們的自適應協調控制，可以實時調整信號方案，彌補固定配時方案的弊端。我們的一大特色是檢測器可以感知排隊長度、流量、車型、占有率等多元參數，可高精度檢測檢測200米范圍。在此基礎之上，AI智能算法會動態平衡各個流向的交通飽和度和排隊長度，使無論在低飽和度，還是在交通流非常大，高飽和的情況下，算法都能表現穩定和高效。
路口溢出治理。針對路口溢出我們提出了兩種解決方案。
第一種是防溢出的信號燈控制。簡單講就是“開源節流”，“開源”即擴大即將溢出的路口的下游通行能力，給下游更多綠燈，使下游的車走得更快。“節流”為控制上游，減少上游進入路口的車流。方案聽起來簡單，實際執行非常復雜，因為整個道路不可能只有一個瓶頸點，擁堵時可能會出現多個瓶頸點，要控制車流一定要找到最關鍵的車流，使控制不會影響其他瓶頸點。我們通過視頻識別出關鍵的車流路徑，并對關鍵節點進行節流和開源的控制，從而緩解路口溢出的現象。
第二種是“闖綠燈”管控。“闖綠燈”指的是當車輛發現前面車輛排隊很長，馬上就要溢出到路口時，即便當時是綠燈，也不應繼續駛到路口中央。中國道路交通安全法做了明確規定，但實際中很多駕駛員都沒有遵守這項規定。國外有一種做法是在路口畫黃色的網格線（yellow box），車輛不允許在yellow box里停車。國內也有相應的標志標線，但落實很少。我們的方案提出了“闖綠燈”的管控方法，可以對此行為及時提醒以及處罰，可以培養駕駛員不“闖綠燈”的意識。
道路干線信號優化。最后再講下我們的干線動態雙向綠波優化。雙向綠波的一個優化痛點是排隊長度難以確定，排隊會阻礙綠波帶中的車輛，如果不考慮排隊的影響，綠波會失效。常說的綠初協調、綠中協調、綠末協調，就是針對于排隊問題進行的經驗化處理。我們針對痛點設計了動態雙向干線綠波控制算法，算法可以根據檢測到的排隊長度，自適應調整相位差。同時我們采用兩種優化控制策略：固定綠性比優化和固定非協調相位優化。對于流量大的路口，采用固定綠信比方式，同步優化各個方向的綠燈時長，保證每個方向都不出現過飽和情況。對于主路和支路相交的路口，可能支路的流量會很小，要跑最小綠。這時最高效的方式是只優化主線的綠燈時長，固定支路的相位時間。另外我們的算法還支持相序的自動優化，車速引導，以及對綠波進行自動分區，保證各個子區都有最大的帶寬。
交通治理是一個非常復雜的系統工程，我認為全面的精確的交通檢測是做好交通治理的前提條件。交通治理必須要深入到具體的場景中去，全面考慮場景的多個交通維度，才能夠逐個解決。在新時代，AI+大數據技術賦予了交通治理更強大的武器和彈藥，但是交通治理仍然任重道遠，需要每一個交通出行者和城市交通的管理者共同努力，共同把我們的城市建設得更加的安全、更加的通暢。雷鋒網雷鋒網雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
