數(shù)據(jù)驅(qū)動的交通信號控制感知—評估—診斷—優(yōu)化閉環(huán)技術(shù)（一）：總體框架

文圖｜吳浩 張鋒鑫 朱宏 唐克雙

一、背景現(xiàn)狀

交通信號控制是道路交通管理的核心手段之一，也是公安交通管理部門的重要日常工作之一。然而，各地公安交通管理部門普遍存在交通信號控制技術(shù)人員不足和專業(yè)性不強(qiáng)的問題，導(dǎo)致很多路口的信號控制方案不盡合理，也難以及時根據(jù)交通需求的變化進(jìn)行優(yōu)化調(diào)整。自2016 年公安部交通管理局部署推進(jìn)城市道路交通信號燈配時智能化和交通標(biāo)志標(biāo)線標(biāo)準(zhǔn)化工作配時以來，各地公安交通管理部門加大了信號控制智能化方面的投入。天津、廈門、杭州、?？诘葦?shù)十個城市建設(shè)了交通信號配時中心，通過購買服務(wù)的方式引進(jìn)專業(yè)化的運(yùn)維服務(wù)團(tuán)隊。

盡管上述措施在一定程度上緩解了交警人力資源不足和專業(yè)性不強(qiáng)的問題，但進(jìn)一步提升我國交通信號控制智能化、精細(xì)化和協(xié)同化水平仍然面臨挑戰(zhàn)。一是檢測數(shù)據(jù)質(zhì)量不佳。根據(jù)不完全統(tǒng)計，2020 年全國約25%的交通信號路口配置了檢測器，且檢測器經(jīng)常出現(xiàn)損壞、通訊中斷、錯漏檢等問題，導(dǎo)致數(shù)據(jù)質(zhì)量及其可靠性欠佳。二是檢測信息顆粒度粗。目前交通信號控制大都依賴線圈、地磁、視頻等采集的路段斷面、時段集計流量、速度和占有率信息，無法獲取個體車輛的起訖點(diǎn)、路徑和軌跡信息，難以精細(xì)刻畫城市路網(wǎng)車輛出行需求時空分布和運(yùn)行規(guī)律。三是數(shù)據(jù)融合利用效率低。目前交通信號控制運(yùn)行狀態(tài)指標(biāo)計算和配時方案優(yōu)化主要以交通波模型、韋伯斯特延誤模型等為建?；A(chǔ)，以車道組的時段平均流量為核心輸入，難以高效融合利用車輛起訖點(diǎn)、路徑和軌跡等交通流檢測信息。四是評估與優(yōu)化業(yè)務(wù)割裂?，F(xiàn)有的交通信號控制評估主要根據(jù)交通檢測信息計算通行狀態(tài)和控制效益指標(biāo)，然而評估指標(biāo)計算和優(yōu)化方案生成之間往往缺少問題診斷環(huán)節(jié)，導(dǎo)致優(yōu)化方案難以針對實(shí)際存在的問題“對癥下藥”。五是配時運(yùn)維依賴人工決策?，F(xiàn)有的信號配時運(yùn)維主要依賴人工巡查和交警上報的方式發(fā)現(xiàn)問題，然后通過運(yùn)維人員對發(fā)現(xiàn)的問題進(jìn)行優(yōu)化，再經(jīng)過交警審核后下發(fā)方案，信號控制優(yōu)化系統(tǒng)或平臺的自主評估和自主決策能力欠缺。

針對上述挑戰(zhàn)，《關(guān)于進(jìn)一步加強(qiáng)城市道路交通信號控制應(yīng)用工作的指導(dǎo)意見》和《公安交通管理科技發(fā)展規(guī)劃（2021—2023 年）》相繼下發(fā)，對交通信號控制檢測設(shè)備配置、智能運(yùn)維、聯(lián)網(wǎng)聯(lián)控、信號控制與交通組織協(xié)同優(yōu)化等方面提出明確要求。場景目標(biāo)導(dǎo)向的交通信號控制效能評價指標(biāo)體系的提出，定義了多方式交通、非飽和交通、過飽和交通三大類共14 種典型場景，針對每一個典型交通場景構(gòu)建評價指標(biāo)集，提升信號控制評估和優(yōu)化的靶向性。行業(yè)標(biāo)準(zhǔn)《道路交通信號配時運(yùn)行管理規(guī)范》（已報批）的編制，規(guī)范了信號配時運(yùn)行管理的技術(shù)要求。然而，為了更有效應(yīng)對挑戰(zhàn)，仍需構(gòu)建系統(tǒng)性的行業(yè)技術(shù)和產(chǎn)品，支撐數(shù)據(jù)資源的高效復(fù)用，提升交通信號控制運(yùn)行效率。

二、交通信號控制感知—評估—診斷—優(yōu)化閉環(huán)技術(shù)

隨著智能網(wǎng)聯(lián)汽車、移動導(dǎo)航等新技術(shù)的不斷發(fā)展與深入應(yīng)用，網(wǎng)聯(lián)車輛（泛指搭載定位設(shè)備，可以實(shí)時上傳位置和速度信息的車輛）的樣本量和滲透率逐步提高，海量、高頻（秒級）網(wǎng)聯(lián)車輛軌跡數(shù)據(jù)的實(shí)時獲取成為現(xiàn)實(shí)。電警卡口設(shè)備（指闖紅燈自動記錄系統(tǒng)和道路車輛智能監(jiān)測記錄系統(tǒng)等能夠記錄車輛通行信息的設(shè)備）在我國道路交通管理業(yè)務(wù)中廣泛應(yīng)用，能夠記錄車輛通過檢測區(qū)域的信息，包括車輛號牌、通過時刻、車輛類型、所在車道等，并且通過車牌匹配還可以獲取車輛的路徑信息。電警卡口數(shù)據(jù)不僅具有運(yùn)行維護(hù)好、檢測精度高、覆蓋范圍廣的特點(diǎn)，而且是公安交通管理部門自主掌握的數(shù)據(jù)資源。上述兩類車輛出行時空連續(xù)感知數(shù)據(jù)具有良好的互補(bǔ)性，可以精細(xì)刻畫城市路網(wǎng)車輛出行需求時空分布和運(yùn)行規(guī)律，為構(gòu)建數(shù)據(jù)驅(qū)動的交通信號控制感知—評估—診斷—優(yōu)化閉環(huán)技術(shù)帶來新機(jī)遇。

（一）總體技術(shù)流程

交通信號控制感知—評估—診斷—優(yōu)化閉環(huán)技術(shù)主要包括狀態(tài)感知、運(yùn)行評估、問題診斷、方案優(yōu)化以及仿真引擎五個技術(shù)模塊，各個模塊之間實(shí)現(xiàn)運(yùn)行數(shù)據(jù)共享、邏輯緊密耦合和業(yè)務(wù)場景貫通，總體技術(shù)流程如圖1 所示。

圖1 交通信號控制感知—評估—診斷—優(yōu)化閉環(huán)技術(shù)流程

首先，對所采集的卡口電警和車輛軌跡等動態(tài)檢測數(shù)據(jù)以及路網(wǎng)拓?fù)浜蛶缀螀?shù)等靜態(tài)配置數(shù)據(jù)進(jìn)行治理，針對單點(diǎn)交叉口、干線及路網(wǎng)等常見交通場景，從不同的時空維度對交通運(yùn)行狀態(tài)進(jìn)行全面感知，計算各項感知指標(biāo)結(jié)果；其次，通過融合預(yù)優(yōu)化技術(shù)與仿真推演技術(shù)，計算感知指標(biāo)參考區(qū)間，并對感知指標(biāo)計算結(jié)果進(jìn)行定量分析；再次，從供給不合理、需求不合理、非常規(guī)問題三個維度構(gòu)建問題診斷體系，建立問題診斷與運(yùn)行評估之間的映射關(guān)系，對各項交通問題進(jìn)行診斷；從次，從信號控制、渠化設(shè)計、交通組織及需求管理出發(fā)構(gòu)建優(yōu)化方案庫，并建立問題診斷與優(yōu)化方案之間的對應(yīng)關(guān)系，精準(zhǔn)定位潛在的優(yōu)化目標(biāo)及參數(shù)；最后，通過植入仿真引擎，進(jìn)一步對優(yōu)化方案的效果進(jìn)行實(shí)時推演及反饋，通過感知手段定量分析潛在方案優(yōu)化效益，形成技術(shù)上的邏輯閉環(huán)以及自主評估和自主決策，擺脫對人工決策的依賴。

（二）狀態(tài)感知

首先，融合利用電警卡口、網(wǎng)聯(lián)車輛軌跡等多源檢測數(shù)據(jù)，基于行業(yè)標(biāo)準(zhǔn)《道路交通信號控制方式第2 部分：通行狀態(tài)與控制效益評估指標(biāo)及方法》（GA/T 527.2—2016），從通行狀態(tài)、控制效益兩方面出發(fā)，對單點(diǎn)、干線和路網(wǎng)不同時空維度上的80 余項運(yùn)行狀態(tài)指標(biāo)進(jìn)行計算。既覆蓋了現(xiàn)行標(biāo)準(zhǔn)中的主流指標(biāo)，也融合了基于車輛出行時空連續(xù)感知數(shù)據(jù)的特色指標(biāo)。通行狀態(tài)指標(biāo)指反映各類信號控制方式下交通運(yùn)行狀況的一般性指標(biāo)，以及在特定信號控制方式和時空約束下反映交通運(yùn)行狀況的特定指標(biāo)，例如關(guān)鍵路徑流量/行程速度/排隊長度、不均衡系數(shù)、在網(wǎng)車輛數(shù)等；控制效益指反映信號控制調(diào)整前后特征指標(biāo)變化幅度的指標(biāo)，以及反映信號控制效果的指標(biāo)，例如飽和度、路徑延誤/停車次數(shù)、有效帶寬、供需均衡指數(shù)等。此外，進(jìn)一步定義了單點(diǎn)、干線和路網(wǎng)的總體描述性指標(biāo)——運(yùn)行指數(shù)。

（三）運(yùn)行評估

在實(shí)際工作中，交通管理者往往難以直接通過狀態(tài)感知指標(biāo)的大小來確定信號配時方案的好壞，即在當(dāng)前時段的交通需求條件下狀態(tài)感知指標(biāo)到底是偏高還是偏低。類似醫(yī)院的體檢，各項體檢指標(biāo)均需要一個合理的參考區(qū)間才能輔助判斷身體狀態(tài)的好壞。因此，運(yùn)行評估的主要功能是確定狀態(tài)感知指標(biāo)的合理參考區(qū)間，并對狀態(tài)感知指標(biāo)進(jìn)行打分和分級。例如，某場景下飽和度指標(biāo)計算結(jié)果為0.9，但其參考區(qū)間計算結(jié)果為0.6 ～0.8，則可得到飽和度偏高的結(jié)論。為確定合理參考區(qū)間，引入預(yù)優(yōu)化的概念，即基于當(dāng)前交通需求，采用輕量化的信號控制優(yōu)化模型，計算得到較為合理的信號配時方案。同時，運(yùn)用仿真推演、交通波重構(gòu)等技術(shù)，計算得到各項指標(biāo)的合理參考區(qū)間。在此基礎(chǔ)上，結(jié)合參考區(qū)間和狀態(tài)感知指標(biāo)，對交叉口運(yùn)行的優(yōu)劣程度進(jìn)行打分（0 ～100 分）和分級（優(yōu)、良、中、差）。

（四）問題診斷

單個感知指標(biāo)的運(yùn)行評估結(jié)果難以表征整個路口、干線或路網(wǎng)的運(yùn)行問題，且難以建立與優(yōu)化方案之間的對應(yīng)關(guān)系。例如，長周期可以減少停車次數(shù)，但可能會增加車均延誤，這兩類指標(biāo)的評估結(jié)果往往是此消彼長。此類情況難以讓交通管理者做出相應(yīng)決策，而此類問題診斷和“對癥下藥”的環(huán)節(jié)仍依賴人工經(jīng)驗。因此，首先從供給不合理、需求不合理、非常規(guī)問題三方面出發(fā)，面向點(diǎn)、線、面場景梳理了40 余類常見的信號控制問題。其中，供給不合理是指因其信號控制、渠化設(shè)計或交通組織措施不合理所導(dǎo)致的交通問題，例如，周期、相位相序、行人過街時長設(shè)置不合理等。需求不合理是指因交通需求異常所導(dǎo)致的交通問題，例如，擁堵瓶頸等。非常規(guī)問題則包括了交通事件、公交優(yōu)先等特殊問題；其次，建立了評估指標(biāo)與問題診斷之間的“多對多”映射關(guān)系，針對每一個診斷問題，通過綜合分析多個相關(guān)感知指標(biāo)的評估結(jié)果，精準(zhǔn)地對相應(yīng)的交通問題進(jìn)行診斷并量化其嚴(yán)重程度（無此問題、問題輕微、問題顯著、問題嚴(yán)重）。

（五）方案優(yōu)化

問題診斷的結(jié)論可直接映射到潛在的交通信號控制優(yōu)化目標(biāo)及措施。例如，當(dāng)問題診斷結(jié)論為“相位相序不合理”時，其潛在的優(yōu)化參數(shù)則為“優(yōu)化相位結(jié)構(gòu)”。因此，針對點(diǎn)、線、面三類場景構(gòu)建優(yōu)化方案庫，涵蓋信號控制、渠化設(shè)計、交通組織以及需求管理四個方面，包含綠信比微調(diào)、相位相序優(yōu)化、相位差優(yōu)化、協(xié)調(diào)路徑優(yōu)化等在內(nèi)的20 余類優(yōu)化措施。方案庫中每類優(yōu)化措施均有獨(dú)立、可定制的算法模塊支撐，用戶可基于自身數(shù)據(jù)及算法儲備選取或替換對應(yīng)的算法，具有良好的可拓展性。同時，建立不同嚴(yán)重等級下的問題診斷結(jié)論與優(yōu)化措施之間的對應(yīng)關(guān)系。例如，若診斷結(jié)論為“相位相序不合理”且嚴(yán)重等級為“問題輕微”，則可通過“優(yōu)化綠信比”進(jìn)行解決；若診斷結(jié)論為“相位相序不合理”且嚴(yán)重等級為“問題嚴(yán)重”，則需“優(yōu)化相位結(jié)構(gòu)”。通過將優(yōu)化措施對應(yīng)到不同嚴(yán)重程度的問題診斷結(jié)論，精準(zhǔn)施策，對癥下藥，能夠有效降低方案優(yōu)化的成本。

（六）仿真引擎

在下放優(yōu)化方案之前，交通管理者往往需要預(yù)運(yùn)行方案以確定優(yōu)化方案的控制效益，以及驗證是否會帶來潛在的問題。因此，進(jìn)一步引入仿真推演技術(shù)，輸出不同優(yōu)化方案的狀態(tài)感知指標(biāo)，定量分析優(yōu)化方案的潛在控制效益，達(dá)到“閉環(huán)”的效果。仿真引擎采用開放的仿真架構(gòu)和數(shù)據(jù)庫設(shè)計，可同時接入開源仿真軟件SUMO 和微觀仿真軟件TESS NG，通過融合開源地圖工具OpenStreetMap 與多源感知信息，可高精度復(fù)現(xiàn)真實(shí)交通場景。仿真引擎不僅可服務(wù)于運(yùn)行評估中的預(yù)優(yōu)化，對優(yōu)化方案進(jìn)行事前、事中與事后評價，同時還具備較好的可拓展性，兼容數(shù)字孿生功能。

三、交通信號控制感知—評估—診斷—優(yōu)化閉環(huán)服務(wù)平臺

通過交通信號控制感知—評估—診斷—優(yōu)化閉環(huán)服務(wù)平臺集成上述技術(shù)和算法，平臺架構(gòu)如圖2 所示。

圖2 交通信號控制感知—評估—診斷—優(yōu)化閉環(huán)服務(wù)平臺架構(gòu)

平臺采用低耦合設(shè)計理念，從系統(tǒng)架構(gòu)和技術(shù)架構(gòu)設(shè)計上實(shí)現(xiàn)了分層解耦，以數(shù)據(jù)、算法、仿真三類核心要素驅(qū)動平臺的運(yùn)行，整體分為業(yè)務(wù)應(yīng)用、業(yè)務(wù)服務(wù)、數(shù)據(jù)治理、數(shù)據(jù)采集四層：業(yè)務(wù)應(yīng)用層提供交通狀態(tài)感知、評估、診斷和優(yōu)化一體化閉環(huán)功能，能夠幫助交通管理者實(shí)時了解交通狀況，精細(xì)分析交通數(shù)據(jù)，提供全面的決策支持，同時具備迭代優(yōu)化和智能化管理能力；業(yè)務(wù)服務(wù)層提供了平臺運(yùn)行的支撐，其中算法服務(wù)是平臺的核心，提供了多種感知、評估、診斷和優(yōu)化算法與模型，其中，仿真服務(wù)以三維孿生引擎技術(shù)為核心利用交通模型和仿真技術(shù)，模擬不同的交通場景和策略執(zhí)行情況，評估交通控制方案的效果并進(jìn)行預(yù)測；數(shù)據(jù)采集和數(shù)據(jù)治理則是仿真引擎模塊的數(shù)據(jù)基石，數(shù)據(jù)采集實(shí)現(xiàn)了交通狀態(tài)實(shí)時感知、多源數(shù)據(jù)整合與挖掘，數(shù)據(jù)治理確保了數(shù)據(jù)規(guī)范性、數(shù)據(jù)質(zhì)量和數(shù)據(jù)安全，并進(jìn)一步促進(jìn)數(shù)據(jù)共享和標(biāo)準(zhǔn)化。