打造“物聯(lián)、數(shù)聯(lián)、智聯(lián)”城市交通數(shù)字化底座的思考1

張 揚

上海市城鄉(xiāng)建設(shè)和交通發(fā)展研究院

0 引 言

“十四五”時期，是數(shù)字化轉(zhuǎn)型夯實基礎(chǔ)、快速發(fā)展的關(guān)鍵階段[1-3]。聚焦數(shù)字感知，構(gòu)建基礎(chǔ)底座、技術(shù)應(yīng)用創(chuàng)新等關(guān)鍵數(shù)字要素，促進物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等創(chuàng)新技術(shù)與交通運輸深度融合，推動城市交通數(shù)字化轉(zhuǎn)型，是貫徹落實交通強國戰(zhàn)略決策部署的關(guān)鍵[4-7]。打造“物聯(lián)、數(shù)聯(lián)、智聯(lián)”的數(shù)字底座，是賦能城市數(shù)字交通轉(zhuǎn)型升級的基礎(chǔ)和重中之重。交通物聯(lián)是實現(xiàn)全息感知的神經(jīng)末梢，數(shù)據(jù)互聯(lián)是實現(xiàn)信息融合的中樞傳導(dǎo)，智能網(wǎng)聯(lián)是實現(xiàn)協(xié)同科學(xué)決策的智慧多腦。三者三位一體，融合交互、逐級迭代。本文從交通物聯(lián)感知、數(shù)據(jù)關(guān)聯(lián)融合、智能算法應(yīng)用三個維度，分析當(dāng)前城市智能交通發(fā)展現(xiàn)狀與問題，提出相關(guān)建議對策和解決思路?；趶V域物聯(lián)感知的數(shù)據(jù)匯聚，以知識圖譜構(gòu)建關(guān)聯(lián)場景，抽取和融合多源數(shù)據(jù)，驅(qū)動智能建模，形成知識庫和決策引擎，構(gòu)建支撐智能決策和服務(wù)協(xié)同的城市數(shù)字交通體系。

1 神經(jīng)末梢——交通物聯(lián)

物聯(lián)網(wǎng)（Internet of Things，簡稱IoT）技術(shù)，已被廣泛應(yīng)用于智慧城市各個領(lǐng)域。智慧城市的交通發(fā)展，可以大致分為交通信息化、智能交通、智慧交通[8]三個階段。目前，城市交通發(fā)展正處于第二、第三階段之間的過渡態(tài)——智能網(wǎng)聯(lián)交通。交通物聯(lián)感知，正是有效支撐智能網(wǎng)聯(lián)交通發(fā)展的核心驅(qū)動力。激光雷達、RFID等各類固定和移動物聯(lián)感知終端，與傳統(tǒng)感應(yīng)線圈、GPS、視頻等采集設(shè)備，作為城市數(shù)字化轉(zhuǎn)型的神經(jīng)末梢，共同支撐城市交通全息感知，并融入GIS、CIM等空間底座，形成物理空間到信息空間的雙向交互式映射。通過在信息空間的決策研判，實現(xiàn)對物理空間人、車、路的“可視化”管控，實現(xiàn)交通平行仿真和數(shù)字孿生。但是，在物聯(lián)網(wǎng)技術(shù)賦能城市交通數(shù)字化轉(zhuǎn)型過程中，尚存在一些問題亟待解決。

從城域交通物聯(lián)應(yīng)用和廣域交通物聯(lián)發(fā)展來看：（1）現(xiàn)有物聯(lián)感知使用單一系統(tǒng)架構(gòu)，彼此孤立工作，較難滿足路橋隧、交通樞紐、車輛端等多場景巨系統(tǒng)的物聯(lián)監(jiān)測需求；（2）現(xiàn)有物聯(lián)感知缺乏多場景下的設(shè)備標識體系，較難支撐對大規(guī)模物聯(lián)感知設(shè)備的管理；（3）現(xiàn)有物聯(lián)感知的布局布設(shè)，未能與城市信息模型CIM建設(shè)同步進行，較難對設(shè)備進行精準定位和精細管理；（4）基于5G、WIFI、藍牙、NFC、ZIGBEE等無線傳輸技術(shù)的物聯(lián)感知，缺乏面向廣域交通物聯(lián)應(yīng)用的標準，感知設(shè)備采集制式各異、數(shù)據(jù)格式和字段結(jié)構(gòu)不一、應(yīng)用場景多元化弊病突顯。

針對以上問題，給出相應(yīng)對策：（1）突破物聯(lián)泛在接入，以多模式多維度的分級匯聚，融合多源傳感設(shè)備協(xié)同，實現(xiàn)全息物聯(lián)感知。（2）構(gòu)建多方可信的設(shè)備指紋庫，以傳感器指紋精準識別，實現(xiàn)設(shè)備、網(wǎng)關(guān)等的多維信息認證。（3）將城域交通物聯(lián)建設(shè)，加載到城市信息模型CIM上，實現(xiàn)動態(tài)信息和靜態(tài)信息的有機融合，生成城市時空數(shù)字底座。（4）從國家層面制定相關(guān)政策，規(guī)范大交通領(lǐng)域和行業(yè)的物聯(lián)建設(shè)，做到統(tǒng)籌有序發(fā)展；在城市視野看待交通，將交通物聯(lián)與城市物聯(lián)發(fā)展有機結(jié)合，更好賦能城市數(shù)字化轉(zhuǎn)型；在交通領(lǐng)域制定完善的系列規(guī)范和標準，以保證交通物聯(lián)的高質(zhì)量發(fā)展。

2 中樞傳導(dǎo)——數(shù)據(jù)互聯(lián)

城市交通領(lǐng)域的數(shù)據(jù)規(guī)模，已從TB級達到了PB級，達到了大數(shù)據(jù)的體量。大數(shù)據(jù)（Big Data），是用現(xiàn)有技術(shù)難以在合理時間內(nèi)管理、處理和分析的數(shù)據(jù)集、數(shù)據(jù)管理和分析技術(shù)、數(shù)據(jù)驅(qū)動形成的新價值。城市交通的數(shù)字化轉(zhuǎn)型中，數(shù)據(jù)互聯(lián)有兩層涵義：一是數(shù)據(jù)的關(guān)聯(lián)，二是數(shù)據(jù)的融合。跨領(lǐng)域、跨行業(yè)、跨地域的數(shù)據(jù)關(guān)聯(lián)，是推動數(shù)據(jù)產(chǎn)生更大價值，賦能數(shù)字化轉(zhuǎn)型成功的核心驅(qū)動。數(shù)據(jù)層、特征層、決策層的數(shù)據(jù)融合，是解決數(shù)據(jù)一致性表達，面向場景應(yīng)用實現(xiàn)特征抽取的關(guān)鍵。隨著政企、行業(yè)、條塊等大數(shù)據(jù)資源中心的建設(shè)，數(shù)據(jù)匯聚互通已初具規(guī)模。各地城市級大數(shù)據(jù)中心、大數(shù)據(jù)局等管理機構(gòu)的建設(shè)，是推動數(shù)據(jù)互聯(lián)的強大動力。但是，城市交通數(shù)字化轉(zhuǎn)型所要求的數(shù)據(jù)互聯(lián)，尚需解決一系列關(guān)鍵技術(shù)。

從數(shù)據(jù)關(guān)聯(lián)和數(shù)據(jù)融合層面來看：（1）城市交通結(jié)構(gòu)多元、場景多樣，數(shù)據(jù)多源異構(gòu)、高度離散，關(guān)聯(lián)挖掘亟需構(gòu)建并解決其一致性表達；（2）城市交通各行業(yè)關(guān)聯(lián)緊密，數(shù)據(jù)應(yīng)用跨場景多，數(shù)據(jù)驅(qū)動應(yīng)用模式的精準辨識有待加強；（3）數(shù)據(jù)驅(qū)動知識單元表征和知識可拓優(yōu)化，必須突破多維交通特征的實體抽取、關(guān)系抽取、屬性抽取和事件抽取，支撐語義實體消歧、共指消解和多元語義關(guān)聯(lián)；（4）多源交通感知的信息融合，是交通參數(shù)估計和決策準確可信的保障，要跳出數(shù)據(jù)融合思維限制，跨入特征層融合和決策層融合，依托不同應(yīng)用場景需要，選擇或切換不同融合組成架構(gòu)。

針對以上問題，給出相應(yīng)對策：（1）通過定義對象化方法，將各場景表達各異、存在歧義的數(shù)據(jù)，轉(zhuǎn)換為可編程的統(tǒng)一描述。（2）以多維度數(shù)據(jù)關(guān)聯(lián)和高效的數(shù)據(jù)緩存，解決跨行業(yè)、跨場景適配，實現(xiàn)多屬性關(guān)聯(lián)的數(shù)據(jù)抽取。（3）生成城市交通大規(guī)模語義網(wǎng)絡(luò)，實現(xiàn)城市交通數(shù)據(jù)、特征、決策及其關(guān)聯(lián)關(guān)系的完備表征，構(gòu)建以大數(shù)據(jù)驅(qū)動的大規(guī)模知識圖譜。（4）在原始數(shù)據(jù)層進行數(shù)據(jù)融合，消除異常、冗余、噪聲等常見問題，去偽存真；根據(jù)應(yīng)用場景，以本體和本體庫，構(gòu)建概念與概念間的關(guān)系，生成明確的特征表達；對模式識別結(jié)果進行融合，獲得針對應(yīng)用場景的一致性決策，提升決策的準確性和科學(xué)性。

3 智慧多腦——智能網(wǎng)聯(lián)

人工智能（Artificial Intelligence，簡稱AI），作為模擬、延伸和擴展人類智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的新科技。通過感知、記憶和存儲對特定領(lǐng)域智能化賦能，屬于弱人工智能；通過認知與學(xué)習(xí)、決策與執(zhí)行對多領(lǐng)域綜合智能化賦能，屬于強人工智能；通過獨立意識、創(chuàng)新創(chuàng)造，超越人類的智能，屬于超人工智能。當(dāng)前城市智能交通領(lǐng)域常用的圖像識別、語音識別、語義分析、智能搜索等均屬于弱人工智能，而無人駕駛、車路協(xié)同等屬于強人工智能。智之聯(lián)是強人工智能的基礎(chǔ)，雖然車牌識別、擁堵判別、自動駕駛等智能算法已經(jīng)取得了不少成果，但實現(xiàn)智之聯(lián)賦能城市交通數(shù)字化轉(zhuǎn)型，依然有很多工作要做。

從人工智能算法和應(yīng)用角度來看：（1）不同模型對應(yīng)用場景的適用性不同，沒有通用的模型算法，必須根據(jù)城市交通的具體場景和應(yīng)用需求，標定合適的算法；（2）在多領(lǐng)域綜合智能化賦能發(fā)展趨勢下，算法并非越復(fù)雜、精度越高越好，亟需尋求計算復(fù)雜度和應(yīng)用實時性之間的平衡，支撐數(shù)據(jù)智能躍遷到知識智能。（3）態(tài)勢研判、預(yù)測預(yù)警、模式推薦作為城市交通智能應(yīng)用的重要抓手，孤島式、無序化和離散狀的計算，無法有效組織知識表達、呈現(xiàn)知識關(guān)聯(lián)，這制約了對智能的認知和應(yīng)用。在路端、車端、通信端復(fù)雜場景中，智能化的應(yīng)用落地問題，不是唯一智慧大腦所能解決的，迫切需要發(fā)展以“智慧多腦、多腦協(xié)作、全局智能”為特征的智之聯(lián)。

針對以上問題，給出相應(yīng)對策：（1）對模型算法的準確度和魯棒性進行適應(yīng)性評估評價，對算法和模型大類進行廣泛的適用性標定，以模型融合和算法聯(lián)合提升效率。（2）通過盡量降低由人工標注、深度學(xué)習(xí)等所帶來的時間和算力過度消耗成本，基于數(shù)據(jù)特征抽取和知識圖譜構(gòu)建，在特征向量或特征空間內(nèi)建模，將傳統(tǒng)數(shù)據(jù)智能轉(zhuǎn)化為知識智能，以知識計算替代數(shù)據(jù)計算，實現(xiàn)智能算法的全面升級。（3）發(fā)展以邊緣計算、多艾真體為代表的智慧多腦，基于互聯(lián)網(wǎng)絡(luò)激發(fā)并組織群體智能，實現(xiàn)智慧多腦的關(guān)聯(lián)協(xié)作；堅持智慧大腦去中心化發(fā)展，以局部智能反饋評價為依據(jù)，優(yōu)勝劣汰，優(yōu)中選優(yōu)，不斷提升多腦的協(xié)同能力和分析判斷力，推動全局智能發(fā)展。

4 結(jié) 語

總體來講，城市交通的數(shù)字化轉(zhuǎn)型，以物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等技術(shù)為驅(qū)動，打造基于“物聯(lián)、數(shù)聯(lián)、智聯(lián)”數(shù)字底座的城市交通發(fā)展新模式，是交通信息化、智能交通途經(jīng)智能網(wǎng)聯(lián)交通邁向智慧交通發(fā)展之路的必然。城市交通的數(shù)字化轉(zhuǎn)型之路，要放到城市治理、生活、經(jīng)濟數(shù)字化轉(zhuǎn)型的大背景下來思考。以交通物聯(lián)感知為神經(jīng)末梢，以數(shù)據(jù)關(guān)聯(lián)融合為網(wǎng)絡(luò)傳導(dǎo)，以智能網(wǎng)聯(lián)支撐智慧多腦，逐步實現(xiàn)城市交通的“可視化、可驗證、可診斷、可預(yù)測、可學(xué)習(xí)、可決策、可交互”能力，最終賦能城市交通以智慧。實現(xiàn)交通系統(tǒng)在更大時空范圍內(nèi)具備信息感知、數(shù)據(jù)互聯(lián)、分析研判、預(yù)測預(yù)警、智能控制等能力，側(cè)重發(fā)展其系統(tǒng)性、實時性、交互性，是支撐城市交通治理數(shù)字化轉(zhuǎn)型的核心關(guān)鍵；實現(xiàn)交通系統(tǒng)在更多模式模態(tài)下具備信息融合、動態(tài)推演、智能推送、反饋評估等能力，著重發(fā)展其多模式和關(guān)聯(lián)性，發(fā)展“出行即服務(wù)”，是以數(shù)字化轉(zhuǎn)型更好服務(wù)民生的重要保證。

城市交通的數(shù)字化轉(zhuǎn)型，更是思維和思路的轉(zhuǎn)型，需要從轉(zhuǎn)變理念和思維開始，尋找轉(zhuǎn)型的途徑并進行實踐。傳統(tǒng)城市交通業(yè)務(wù)場景，正在“百年未有之大變局”中發(fā)生著改變。思維的方式先要數(shù)字化轉(zhuǎn)型，以整個業(yè)務(wù)體系的數(shù)字孿生構(gòu)建作為核心，進行統(tǒng)籌規(guī)劃和頂層設(shè)計。實現(xiàn)轉(zhuǎn)型的關(guān)鍵途徑，是形成一整套適應(yīng)管理和操作的標準與規(guī)范體系，從而倒逼業(yè)務(wù)流程的轉(zhuǎn)型升級。而數(shù)字化轉(zhuǎn)型所要實現(xiàn)的最終形態(tài)，將是由人負責(zé)創(chuàng)新與設(shè)計，而由機器進行基于知識的迭代和重復(fù)訓(xùn)練，是在更高層面的人機交互與融合。