截止到2019年6月份，全国机动车保有量达到了3.37亿辆，其中汽车达到了2.5亿辆。在城市里面，交通方式也发生了巨大的变化，网约车的出行，私家车因为职住分离，出行强度非常大。包括现在的共享单车，慢行交通等等，交通结构发生了非常大的变化，同时，还有一种直观感受，职住分离带来的通勤交通规律性也是非常强。如果不考虑这一大特征，科技应用到底走向何方呢？本人认为所有的科技应用应该满足实际交通的需求。

现在交通拥堵得越来越厉害，两年前2/3以上的城市堵车，现在是4/5，发展的速度比较快。但是老百姓作为出行者，反而有些时候不谈这个事情了，因为慢慢能够接受这样的车多、缓行的状态了，人们在追求出行的品质，在追求出行时间可靠性，在追求出行方式自主性，以及通行环境的优质，同时政府也在积极提升科学治理的能力，以及协同治理的能力。

说到科学治理，必须有依据，大数据带来了非常好的平台和环境。现在大家更多谈的是协同，确实到了这样的环境，单独一家不行了，可以说公安交管是主力军，但是需要更多的社会力量的参与才能把交通治理好。

另一方面，技术确实发展的也太快了，前几年还是交通概念，现在有些已经走进了现实。在过去的若干年里面，谈智能交通的时候更多谈智能化和信息化，最近两年大数据、AI等等谈的比较多，但是看到这些新技术已经走到了人的身边，走入了产业化。那问题来了，它们之间有什么样的关系？本人大致重新梳理一下它们之间的顺序关系，觉得这样一个顺序关系决定了未来智能交通技术发展路径的走向，这一点很重要。现在已经步入了智能网联化的时代，如果不能做到这样，那数据哪儿来？又何谈第二个阶段，就是大数据，有了大数据之后，就需要用AI的算法把智能化再重构。今天谈信息化已经不是传统的管理型的信息化服务，而是动态的、交互的信息化服务时代。

所以借用了智能网联汽车的词，没有起名叫新技术环境，本人觉得无论做什么都需要遵守这样一个路线，如果只谈大数据平台，请问数据哪儿来？首先要解决智能网联的问题，确实有了智能网联、大数据的支持、AI赋能时代的到来，让智能交通迈进了现实版的智慧交通。近些年来交通工程技术、智能交通技术在我国取得了长足的进步，但是也面临着很多短板，甚至可以说进入了瓶颈。

大概总结了一下围绕着技术方面的三点挑战：第一点就是缓进步，智能化程度低，通行效率低。怎么说也绕不过红绿灯，红绿灯配时的不合理性，多年来饱受诟病。这是一个现实的问题，一个小小的红绿灯都控制不了，谈什么智能化？大家可以看右侧这张图，是监测器跟信号器的关系，这是一个脱节的环境，也就是说做监测器只是做监测器，信号器只是做信号器，如果说SCATS很好，西门子很好，但是人家是把监测器按照他们的规矩布好，我们不是，何谈智能化、何谈优化？就算开放信号，能开放到什么数据呢？这是现实的问题。所以现在全国大部分还是固定方案的配置，就算有大数据平台也是一个固定方案的配置。

现在交通量这么大，纠结或者说一味说要通过信号控制解决交通问题，实际上大家都有这样的共识，尤其在高峰阶段，信号控制能够发挥的作用实际上比较小，高峰阶段怎么办？这又带来另外一个思考，原来很多的信号控制算法都是基于不饱和的情况下去做的，所以基于高峰阶段更多应讲交通需求动态调控问题。这是第一个挑战。

第二个挑战是缺精研，动态特征掌握不是很准确，因为现在车确实比较多，尤其是高峰阶段。不妨要问，大数据时代最强的特性就是精准，要把交通调控好，就要知道路网上到底在途车辆有多少，现在很多地方都有大数据平台，不用说它算力有多强，但是作为公安交管部门需要知道在途车辆有多少外地车，有多少本地车，有多少网约车，有多少货车，接下来要针对这样的车型做调控。

第三个挑战是少地气，因为技术发展真的太快了，推崇跨界协同，但是越界的事情也不少。互联网优化控制信号灯火热了好几年，现在也没有怎么样，前两年又开始接管信号灯，接了半天不知道在哪儿接，当然提倡是跨界协同，因为确实是很难做到落地。在三四年前提到了世界上最远的距离是红绿灯跟摄像头的距离，确实说出来传统智能交通壁垒的问题，都是烟囱的问题。最近两年，“大脑”又非常热，各个地方也都在做，大脑确实很好，能够做很好的诊断分析，但是大脑不能代表一切，大脑能不能做控制呢？这是个问题。

新技术和传统的智能交通烟囱这些系统之间，包括集成平台之间到底是什么关系呢？这带来了现实版的问题，能说推倒重来吗？不可能，因为路上布置的都是这些，它们之间如何进行耦合、如何进行结合，给人们带来了比较大的挑战。实际上传统的智能交通和大数据平台在这几年发生了很强烈的碰撞，但是要慢慢找到路径，相互之间要尊重。

同时，也给不同品牌信号机之间的联网联控的问题找到了可能的路径，这件事情所里面正在联合一些主流企业进行探索，通过标准，其实最重要是要符合现实情况，因为20多万将近30万的信号机已经摆在路面之上了，如何通过软件升级的方式解决这个问题，而不是说推倒重来，既要保护产业，也要尊重智能化的发展。

基于上面这些挑战和问题，想接下来从四个方面分享一下接地气的，或者说协同化的思考和认识、体会。看一下在交通管控的不同层面如何去做。

第一个方面要重视感控端开放的物联、互联、车联，这样才能获得可用的数据，才能可共享。

（1）开放物联互联车联

以往的智能交通都是集成，也就是说纵向集成思路，但是前端设备与路口距离距离是最近的，所以有没有打通前端感知手段和信号机的关系，中心平台和其他平台和互联网出行平台的关系、和公交系统的关系，如果横向打通的话就简单把它称为前端的物联，系统平台之间的互联。现在做智能驾驶，做车联网，同样前端也要把信息推出去，如果前端做到了更多的直连交互，可以获得更多的数据，这些数据不但多，而且符合做数据时效性的需求，所以在前端就要第一时间把它用起来，如果不用起来获得再多的数据也没有用。所以这一点需要做信号机的企业了解，信号机要把数据应用起来，如果不这样做的话，前端的感知手段再厉害，雷达、视频，那采集的数据就是浪费了，又何谈做智能化呢？有了这么多数据，可以更好地刻画交流状态的问题，可以实时反应，以前更多拿段面数据做预测，现在已经不是那样的时代了。

（2）数据交互规范共享

同样在系统方面，为什么互联网控制信号灯很难做呢？这就需要互联网出行服务平台做优化做方案，OK，非常好，因为你的数据更好，互联网平台就需要和公安交管控制平台进行交互。最近两年一直在推动这三个层面的物联互联问题，其实更主要是数据交互问题，也就是标准规范问题。在基于实际案例探索的情况下，陆续制定和发布一些相关的标准和规范，也请大家关注一下，最近还有很多标准，除了国标还有一些行业标准在征求意见，也欢迎大家给提供更多的意见，重点就是在推前端的横向信息交互，系统平台之间相互数据交互标准化的问题，这需要一个很好的引导。

（1）数据与AI驱动的感控算法重构

感控端有了数据之后就得办系统层面智能化问题，有了这么多数据，得把、前端、信号机、系统平台的算法重构，但是问题又来了，到底前面采了什么数据？前面采集的能力怎么样？现在无论是视频也好，还是雷达也好，确实可以做到分车道采集，不但是流量的问题，还有排队状态、红灯期间停车的问题，还有绿灯期间放行车辆数，车距的问题，绿灯放行了以后还有多少车排队，这些数据为什么不能好好利用呢？有了这些数据就可以眼见为实地做控制算法。

在解决交通问题的时候，确实现在要换个思维，因为一个算法不可能同时满足单点、干线、区域、网络的交通状况，应该把交通分成时段，在不同时段分析路口、片区是什么动静态的交通场景，所以接下来的目标应该是场景目标导向的算法，这样才能有的放矢，才能做到靶向治理。

（2）多目标场景应用的研发试点

最近三到五年，我们也做了一些实践探索，左边是做了一个实时优化的信号控制，也不能说它是自适应还是感应，纠结这些东西没有多大的意义，也很难讲清楚。但是至少解决了在平峰阶段信号灯配时不合理的问题，结果不能说通行效率提高了多少，但是至少绿灯结束的时候，最后这辆车通过停车线的时候就是绿灯结束。现在业内讨论的信号配时不合理问题，不就是绿灯的时候有空放，红灯的时候却不放。右侧这张图是针对高峰期间，左侧就是一个调控的问题，所谓面对着聚焦化的典型场景到底怎么办，左侧是一个相隔300米的桥，两个路口，如何去把拥堵的桥面排队车分散到其他路口，从思路上来讲也没有那么难。最后一张图是整个路网的优化，确实这样数据太多了，自己管控的数据就非常多，信号控制系统是控制不了的，也要把它传到大数据平台上去，大数据平台是很重要的，就是做失衡诊断的。

第三个层面，要重视平台的作用，平台最重要的作用就是协同联控的问题。

（1）动态失衡诊断

协同联控首先就要做诊断，其实要做的是动态的失衡诊断，不但要有自己公安交管前端感知的数据、控制的数据，把它传上来，同时还希望有互联网平台的数据，要不然的话很难既做到路网层面的诊断，又做到微观层面的诊断。在这里也想非常大胆地呼吁一下，跟互联网公司要合作的，要更加要重视前端感知手段的建设，要不然很难做好精准的控制，包括在微观层面上的诊断问题。

（2）均衡疏通调控

借用最近比较流行的，大脑和机体，想说说平台靶向治理的问题，各个平台都有它的作用，首先基于大数据做这样一个平台，它的基本作用至少包括这么几个方面，也不需要把它神话：第一个方面肯定是数据汇聚，不但是公安交管自己，还有互联网，这都没有问题，当然这个平台一定是在专网里面的。还要有数据规范汇聚的问题，得有数据。第二个有了数据就可以做路网层面、管控层面的评估和诊断，有了问题就是有了情报，我方向来都是情报主导的，刚才银江郭院长讲到再好大数据平台再智能也离不开最智慧的人。所以，有了这样一个情况诊断，有了这样一个情报主导，还是需要配时中心，需要专业的团队来判断来做策略做方案。

接下来也会继续在全国慢慢推这件事情，不管有没有大数据平台，但是信号配时中心优化这件事情还是非常非常重要的，如果把它归结为上面是大脑的话，大脑有什么作用呢？最终是要协调整个肌体办一些缓堵的事。看第一件事你有了情报，比如说拥堵的时候有了情报，当然可以做调控，另外一只腿就是信号控制，它智能做一些进城慢一点、出城快一点的调控问题，它来调度执行信号控制应该这样做，在高峰期间谈信号配时合不合理能做到吗？在这样的交通状况下很难做到，这是一只非常重要的腿。另外一只，那就是离不开民警，交警一出现当然是处理的效果非常好，那就是说让警情机动化程度更加高，这是两只非常重要的支撑。左手是什么呢？觉得还是诱导，因为是要做调控的，在这之前有很多物理大屏的诱导，但是现在已经移动互联网时代了，觉得更应该用好移动互联网的导航，这就是说不但要用好互联网的数据，同时要跟高德、百度谈一谈，要把管控的意志和想法，包括预约交通这样的想法推给你，请你把你的导航改了。这一点在最近一两年，所里面跟高德已经做了大量的沟通，双方都取得了非常好的认同。所以正在在积极推动，不但是要互联网数据，公安交管数据也要更多开放给互联网公司，让他去办他该办的事，发挥他更好的优势。

另外一只手就是面对新的车路协同的服务。本人觉得很重要，现在新技术的大平台，到底给传统的烟囱林立的智能交通系统什么关系，怎么用好这些。

第四点分享一下智慧管控赋能车联网，和他们之间相互反哺的关系。

（1）车路协同的规范验证示范

自从2017年，连续做了三年所里作为技术主导方之一，联合中国移动、华为等公司在无锡做了城市级车联网大规模的示范验证，不做不知道，2017年做了几个小路口在技术层面的测试，也就是它的通信还OK，在今年做完之后吸收更多了，确实要规模化去做，如果仅做几个路口，只能说技术层面打通，但是跟实际现在智能交通的东西怎么结合？这个得到了很多验证，该开放哪些东西，该怎么运作，这个点的收获是非常大的。

（2）车路协同的架构与实现路径

具体怎么做呢，大家可以看一下，整体的架构，最左侧上面，不讲了，一个比较大的体会是，大家可以看，这是一个跨行业、跨领域、协同的平台，不是一个平台，最左侧是公安交管，无论是前端的还是中心平台，都有横向的交互，中间的是做通信的，中国移动去做的，这个V2S的平台，前面也有它的ISU，最右侧就是出行平台，也包括车企平台，车上当然有智能网联的设备，形成这么一个结构。所以说只有做到规模化，才能感觉到不可能一个平台跨三个领域，这件事情是不太现实的。给人感觉到无锡做车联网的时候一个最重要的就是在政府整体推动下，跨领域、跨部门的协同，是一个非常大的收获。

回到公安交管这块，无锡公安交警做了一个非常大的尝试，把信号机的数据在前端直接推给ISU，如果做车联协同，做车联网，做辅助驾驶，这个数据不是毫秒级推送上去的那就没有意义，它们在前端必须实现实时、精准的交互才能做到。在此基础上做了三年之后，工信部对无锡车联网这件事情非常认可，正在起草标准体系，以及正在制定标准，大家可以做一些关注。

（3）车路协同的使用场景探索

那做车联网有什么用？不想自动驾驶，但是车路协同有两方面的作用是实打实的，第一方面是对信息服务，原来的导航是告诉你怎么走，但是有了车联网，因为可以告诉你更远的东西，更加实时的东西，也就是说给这个车做了一个领航的交警，或者说这个车有了这么一个千里眼、顺风耳，看得更远了。这样才能支撑所谓的，一直在推的主动交通控制，实现了平台跟个体之间的实时交互问题，这才具有主动性的问题，这一点是意义非常大的。

第二个方面的作用就是辅助安全控制，ADS，感觉到车联网正在踏实地往前走，为什么？因为它跟产业太接近了，跟现实生活太接近了，不管这辆车是不是能够具有完全自动驾驶还是几级的自动驾驶，都需要路测的信息做辅助控制，有没有效果呢？可以举一个，今年物博会，三辆奥迪车做了这样一个场景，当把红绿灯管控数据推给它的时候，这三辆车同时停车，更重要是同时起步，在没有过路口的时候三辆车同时加速到60公里，它们之间的间距就是5到6米，这叫不叫效率？叫不叫节省原油？当给它红灯信号的时候，它闯红灯了，愕然自动刹车停止，这就是现实中需要的辅助安全控制。不是简单的把红绿灯的状态推给它，那没有多大的意义，车企会把它转化成车速控制、情形控制非常重要的参数，反过来智能交通也得益了，因为有大量车联网的数据回来，辅助的数据非常重要，如果都能够把现在具有智能网联车辆的数据收起来，当然对智慧交通的发展是一个极大的促进。所以它会反哺智能交通，不但要开放，还要更好地把它推动，务实、接地气、符合产业需求的把它做好。

本报告来源于2019年第十四届中国智能交通年会，未经本人确认。

本文作者：公安部交通管理科学研究所副所长 刘东波研究员