滴滴鄭劍峰：基於互聯網＋的智慧信號如何控制？

*滴滴城市交通演算法及研究負責人鄭劍峰

雷鋒網新智駕按： 2019 第四屆全球人工智慧與機器人峰會（CCF-GAIR 2019）於深圳正式召開。峰會由中國計算機學會（CCF）主辦，雷鋒網、香港中文大學（深圳）承辦，深圳市人工智慧與機器人研究院協辦，得到了深圳市政府的大力指導，是國內人工智慧和機器人學術界、工業界及投資界三大領域的頂級交流博覽盛會，旨在打造國內人工智慧領域極具實力的跨界交流合作平台。

去年，滴滴推出了智慧交通產品「滴滴交通大腦」，主要運用AI的決策能力解決交通工具與承載系統之間的協調問題，希望滴滴不僅是連接用戶和司機的出行平台，還希望人、車、路、燈和背後的交通決策體系未來都會線上化。

本屆 CCF-GAIR?智能交通專場，滴滴城市交通演算法及研究負責人鄭劍峰帶來演講，闡述了基於互聯網 的智慧信號控制的具體思考和實踐。

鄭劍峰提到，平台運作效率和用戶粘性的提高離不開新技術的支撐。人工智慧、大數據、智慧交通等新技術的開發和運用，將滴滴這項產品進一步地滲透進生活場景的方方面面。

在智慧交通的整個領域中，重點關注的還包括交通管理部分，以及未來智慧交通願景主要規劃分為三部分：

第一部分是智能交通基礎設施建設，包括紅綠燈智能化、動態道路分配、智能路網設計等；

第二部分是單車智能，未來人們將會選擇安全係數更高的自動駕駛車輛；

第三部分是智能出行優化，在緩解擁堵道路的同時提升整個城市的出行效率；

鄭劍峰認為，滴滴進入智慧交通領域的切入點是數據，交通信號控制發展的瓶頸之一也在於難以獲取成本低、可靠度高、覆蓋面廣的交通檢測數據。

首先，缺乏對城市路網廣域檢測數據獲取能力。大多數城市的道路網路交通態勢感知前端設備不完善，存在覆蓋率問題、設備可靠性問題、數據連續性問題，難以滿足交警業務的精細化管理需求。

其次，缺乏對新型互聯網數據的分析處理能力。隨著高頻率、高精度的浮動車數據、位置數據越來越多，信號控制相關的演算法、產品都需要突破才能將這些數據優勢真正的發揮出來。

最後，缺乏大數據處理和大規模計算能力。

圍繞這些挑戰，滴滴也做了一些工作。每日處理數據超過4800TB，日均定位超過150億次。此外，滴滴研發的智慧紅綠燈方案已經擴展至濟南、蘇州、武漢等城市，平均降低了10%-20%的擁堵，提供智能化的工具平台和解決方案。

以下是鄭劍峰的演講全文，雷鋒網新智駕進行了不改變原意的編輯：

人們對滴滴出行的直觀印象是一家網約車公司。其實則不然，我們從2016年就開始在智慧交通的各個方面進行布局，以出行業務為主，包括共享單車、公交業務、車輛運營、人工智慧都領域。尤其是智慧交通領域，一直是滴滴的戰略業務之一。

滴滴優勢之一是擁有豐富的數據資產，現在滴滴每天處理數據超4800TB，日均定位超過150億次，每日處理超過400億次的路徑規劃請求。

目前在供需預測準確度達到85%左右，我們希望通過這些海量數據不僅解決人們出行問題，還要解決包括建設智慧城市方面的交通出行痛點。

2017年開始，滴滴發現智慧交通發展中面臨的一些挑戰，主要存在三個明顯問題：

缺乏對城市路網廣域檢測數據獲取能力：大多數城市的道路網路交通態勢感知前端設備不完善、存在覆蓋率問題、設備可靠性問題、數據連續性問題，難以滿足交警業務的精細化管理需求；

缺乏對互聯網數據的分析處理能力：對互聯網軌跡數據的的處理、涉及到地圖導航技術、路況態勢分析等專業領域技術對數據挖掘，對於部分軟體集成商而言，難以積累和儲備相關專業技術

缺乏演算法和大數據分析計算能力：無論是信號優化、路況態勢研判、軌跡分析、圖像識別等都涉及到需要先進演算法支持、以及對實時數據的大規模計算能力。

如何理解智慧交通？

目前，中國處於數據化和交通網路的變革時代，整體上可以說是信息化和自動化的轉變。

那麼，問題是是否能用我們的數據化產業能力對交通變化進行賦能？

滴滴進入智慧交通領域的切入點是數據，交通信號控制發展的瓶頸之一也在於難以獲取成本低、可靠度高、覆蓋面廣的交通檢測數據。

滴滴智慧交通的定位為是以大數據、雲計算為基礎，發揮演算法能力和交通工程能力，為客戶以及合作夥伴的應用場景提供更加智能化的工具平台與解決方案。

對於幹線來講，可以清楚的知道每一條軌跡在各個路口的停車/通過狀態，軌跡全面覆蓋綠前/綠中/綠後，綠波效果直觀可見。

對於區域來講，可以清楚的知道每一條軌跡的起始點和目的地（OD），可以統計任意兩點間的行程時間，軌跡遍及全城，平均每天每條路被軌跡覆蓋數百次。

滴滴智慧交通方案

交通場景涉及很廣，大致可以分為高頻和低頻兩種場景，目前我們切入的是高頻場景，就是交通控制。

目前常見的城市管理業務場景，基本在無人駕駛方面，做的是機器代替人類掌控方向盤。

但是在信號燈方面，我們發現目前路口的交通方案沒有實現智能化。

目前交警在實際信控業務中存在兩個痛點，一個是通過視頻查看方式來人工定位問題，另一個是通過人工調整來優化配時，效率低，優化路口有限。於是我們思考，能不能用軌跡數據來幫助交警提高路口管控效率

中國交通信號控制系統及設備應用調查報告中提到，國內控制系統檢測設備完好率較低，一線城市不足50%，二三線城市低於30%。

滴滴的目標是做車聯網及自動駕駛的控制，基本上是單點控制-協調控制-感應協調控制-實時自適應控制-車聯網及自動駕駛的過程。

第一是單點控制，主要是基礎的通信技術和基礎設施；

第二是協調控制，路口是一個高頻且有高安全風險的場景，我們從單個路口功能調到協調控制，再到多個路口能夠比較好的聯動，來做綠波優化，從而實現車輛在順暢道路上行駛；

第三是感應協調控制，通過檢測器來進行數據採集，能夠讓信號控制更好匹配當前的交通需求；

第四是實時自適應控制，這是在國外首先提出的概念，但落地規模不多，本質上解決的是單個路口供給需求匹配問題，如何在城市做更智能的供需匹配

互聯網 信號控制系統

在信號控制領域，互聯網 就是解決三個問題，一個是信息化問題，一個是自動化問題，一個是溝通問題。

滴滴希望通過軌跡大數據能夠更好實現整體交通管控的信息化，根據以往的人工實踐經驗，通過雲計算更好抽象出來比較好的專家智庫模型，以此解決自動化問題。

所以，從2017年以來開始在智慧信控上布局，提出基於互聯網 信號控制優化系統。

但是，滴滴並不是直接的控制系統，而是優化系統，主要對整個城市交通管理進行診斷和分析，預測明天或者下周的交通狀況，同時根據這些情況再做動態信號控制建議和調整。

換言之，我們希望通過我們的軌跡數據，在不改變原來的業務邏輯基礎上，實現廣域路網的路口問題精確檢測和動態優化，而交警仍能夠對重點路口實現原來的精細化控制。這樣做的優點有兩個：可以更加高效、自動化的控制，交警可以將有限的精力集中到重點路口，同時還能夠規範化信號控制流程。

如上圖所示，我們僅需要通過在現有的系統上增加兩個部分，一個是在現有UTC平台上加上軌跡數據和雲計算模塊，賦能UTC平台，對路口控制進行智能化升級，第二部分在UTC平台上增加配時自動審核模塊，保證方案的安全性和有效性。

傳統方式需要對每個路口進行施工改造，改造周期長，成本高。

對比原來的控制方式，那通過這種方式，僅需要通過軟體升級的方式，可以簡單、輕量化實現優化效果。

具體的落地案例上，從去年已經公布的兩個實驗，今年年初，我們在柳州已經優化158個路口，它們的信號燈狀態是根據滴滴後台的大數據實時運算並進行分鐘級調整。另一個案例是北京首都國際機場，外面的信號控制是滴滴和其合作夥伴以及城市交警聯合落地的應用。

總之，智能交通管控是一個非常複雜的系統工程，雖然單個路口看起來只是一個單元，但在落地的時候，我們會發現原來整個業務鏈條非常長，需要綜合考慮和權衡整個管理和智能化，才能達到穩定、安全、高效、智能的要求。因此，如何來權衡這四個關鍵詞，達到一個真正用戶滿意的產品是非常具有挑戰的。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！