以“小”博大，交通信号“小数据”应用浅谈

新技术的使用必须以服务交通工程为前提

当前交通信号控制市场存在一种倾向，产品供应商、IT企业、互联网公司似乎都想主导这个行业的话语权，把各种非交通工程的技术生拉硬套在交通工程上，并打上标签叫做“创新”，而专业的交通工程公司则明显技术力量薄弱，话语权缺失，随波逐流，能够保持初心，以用户价值为导向并坚持正统的寥寥无几。于是，信息技术的创新瞬间就会成为交通工程的“创新”，行业热点词汇的移植速度不断重复着没有最快，只有更快的戏码，比如“大模型”。

传统的交通“小”模型还没有搞清楚，大模型能解决一切？现实情况是大数据搞了那么多年，一个路口的基本分车道流量数据都没有搞清楚，饱和通行能力是多少？信号评价等级在什么层级？高大上的算法应用以后，路网延误下降了多少？有多少城市能够准确的提供这些最基本的道路交通工程数据？

空谈大数据、大模型的结果就是不断从客户有限的预算里切出蛋糕，但问题依然没有彻底解决，然后再造下一个热点，再切蛋糕，依此循环。当然，对一些企业来说，只要能切出蛋糕，目标就已经达成，解决问题只是副产品，不重要。

技术手段可以更新，算法模型可以改进，但基本的交通工程事实不会改变。所有新技术的使用，必须以服务交通工程为前提，以实际解决问题为目标。

那么应该如何获取这些交通工程数据？是不是应该大力投入去批量建设雷达、雷视？经过近些年的用户走访，我们发现一个基本事实，国内这么多年的交通管理信息化建设，具有全世界最好的道路监控资源，最主要的用处只是用来事后回放、违法取证，如果能将其结构化并且提取相应的数据，将是一个（获取交通数据）非常有效且成本较低的解决方案。

如下面的场景，基本上现在城市道路上关键路口的四方向都实现了电警覆盖。

基于这样的资源，只要有算力支撑，自然能够形成如下的场景。

基于这些结构化的数据，获取分车道、分车型流量，饱和通行能力，交通事件等，技术上都已成熟，算力消耗也不大。并且基于电警采集的视频图像质量都能识别车辆号牌，那么路网延误就很容易直接测量。

已知条件变化，重构交通信号控制的数学方程？

也许会有人说，基于电警的视频图像分析不能得到排队长度数据，那么暂且不谈当前的排队长度数据测量技术实际准确度是多少，先看一下在没有雷达视频的时候，这个问题是怎么解决的。

如下图，为SCOOT系统的排队长度预测模型图，CFP（CycleFlow Profile）。

如图所见

SCOOT的交通检测器部署在车道上游，将波动的流量引入交通模型，便可通过“流量—时间”图中车辆到达方程和疏散方程预估出车辆排队长度。上图下部的蓝色阴影区域则为一个周期中车队的总延误时间，根据车辆到达方程和车辆疏散方程的纵坐标差可以预测出任意时间点的排队长度。很简单也是很直接的手段就预测出了排队长度，完全没有依靠雷达或者雷视。同理，也适用于停车次数计算。

SCOOT系统是依靠线圈检测数据来实现，现在已经有很多视频数据，也可以计算吗？很直接的思路，基于上游路口的电警视频，就可以完全掌握有多少车辆、是谁、在什么时间进入了下游，而下游路口，也完全清楚有多少车辆、是谁、在什么时间离开了路口。也就是说，在任意时刻，我们是可以完全能计算出路段的车辆存量，基于这个假设，推导排队数据的模型本质上和SCOOT系统的思路是差不多的。

当然，应该还会有人会说饱和度可能（DegreeofSaturation，DS，为SCATS系统概念的饱和度）测量不准，这个问题确实无解，当前无论是视频还是雷达，在饱和度测量方面，基于原理以及安装位置的限制，永远不能和线圈相比，但这引发出一个更深层次的问题，为什么我们要测量这个数据？

交通信号控制本质上是一个数学方程求解问题，但怎样选定已知条件，如何设定求解对象，取决于当时的技术条件。

交通信号控制理论成型于上世纪七八十年代，在当时的技术条件下，只有线圈这样的传感器相对稳定可靠，因此线圈能提供的数据就成为了交通信号控制模型里面关键已知条件，这类数据包括流量、饱和度、时间占有率、车头时距等等，依靠这些有限空间的采样数据，只能将道路上的连续多个车辆视为流体，通过局部时空中的流体密度、速度和流率等统计性交通参数来简化描述车辆的运动。因此，传统交通信号控制系统以定周期控制模式为主，方程求解对象设定为周期、绿信比、相位差。

但现在的情况是线圈传感器切割成本高、易损坏、破路施工繁琐的弊病已经导致国内新建项目已经几乎不再采用，普遍采用的是视频、雷达等车检器。但问题在于，类似饱和度这样的数据，视频、雷达基于自身的工作原理、安装位置限制，其准确性永远不能和线圈相比，而视频雷达获取的车辆轨迹、身份信息数据，在当前信号控制系统下几乎没有办法直接应用，大多数不得不降级为模拟线圈，以实现所谓的自适应或者感应控制，典型的削足适履行为。

那么我们为什么不能基于新概念传感器的特性设计一套新的数学方程？在当前的感知技术体系下，有没有勇气让周期绿信比相位差这套理论体系未来只是作为降级运行系统而存在？

简单设想一下在高峰期，一个执勤交警在路口通过手动操作来指挥交通。这个状态下，他会不会要考虑根据流量来计算周期绿信比相位差？必然不会！他的决策过程应该是这样的，首先是看到路口整体状态，然后分析哪里有交通需求，路网的承载能力是否可以满足，再做出决策是保持当前相位阶段还是应当切换到下一阶段，最后是按下按钮实际执行，标准的OODA循环过程。

假如我们基于视频雷达的传感器数据构建一个所有在网车辆运行数据感知环境，是不是就相当于一个交警在路口能够获取的实时交通数据？这意味着交通需求是已知的。而路网的响应能力，基于以往的数据统计也是可以做到已知。类比上面的决策流程，那么信号控制的解就成了需求已知、响应能力已知条件下的资源分配问题，如果方程设定求解对象为达成整体延误最小为目标的控制策略，则计算机是不是能代替人实现更加精确的控制决策？

这样的环境是什么？全息路网。

全息路网与传感器的可靠性

全息感知确实能提供一个全感知的路网运行状态，那为什么还没有出现基于全感知的信控理论体系呢？为什么设想中的应用场景到现在都没有实现呢？

一个关键问题，传感器的可靠性。

线圈传感器最大的优点就是简单、环境适应性强、易理解的工作原理、故障易判断等，这才是其经久不衰的核心。

而视频和雷达在这方面都存在硬伤。

比如视频设备，大雾大雨大雪等天气条件下，镜头易生水气，失效；绿化数目遮挡镜头，失效；杆件因风、施工等不断晃动，失效；夜间照明不好，失效。核心问题是，这么多的检测失效的情况下，有多少种失效能被主动检测出？

再比如雷达，静止目标无法探测，近距离盲区大，恶劣天气下感知可靠性下降，方向变化、异常振动很可能导致彻底失效。

可靠性工程与冗余

交通控制需要的是可以守住底线的传感器，而不是看起来很美，实际也许很美，但也有可能突然就拉胯的传感器。那么是不是就可判定视频、雷达在交通信号实时控制应用上的死刑？当然不是。

工程技术上有一套完整的理论体系，叫做可靠性工程。当一个系统工作方式是串行逻辑，那么该系统的可靠性是所有环节可靠性的乘积，如果采用并行逻辑，则系统失效的可能性是各环节失效可能的乘积。

对于交通信号控制来说，如果必须采用视频、雷达这类低可靠性传感器，则采用冗余设计、并行逻辑是解决问题的关键方法。

当一个路口的某一个关键交通参量的检测只能依靠单路视频，可靠性直接取决于视频传感器的可靠性时，这套系统的可靠性等级就非常低，因此只适合用来做信号运行评价系统，看看有没有改善空间，但绝对不能用于直接控制。同理，单路的雷达检测器也是如此。

但如果某个数据的获取有两种以上的途径，就可以有一种简单的处理方式。假如两者匹配，此时仍然失效的可能是两者失效可能的乘积，理论上如果两种技术相关度为0，每种技术的可靠性为95%，则整体可靠性为1-（1-0.95）*（1-0.95）=99.75%，应该说是相当可靠了。如果不匹配，也不用去纠结哪个好哪个坏，信号机直接降级到定周期运行，至少保证了路口不会瘫痪，同时系统能够报警，让人工马上介入检修。

按照以上逻辑，如果直接基于视频雷达构建路口交通感知体系，则必须实现一定程度的冗余逻辑。例如流量的数据，应可同时获取基于雷达、基于视频的流量数据，而不是纠结于怎样融合提供唯一性输出，雷达提供雷达的数据，视频提供视频的数据才是最直接最有效的，所谓复杂的融合算法基于其黑盒特性，反而只能视为单一传感器，也许可靠性比单个传感器略好，但却失去了数据相互校验的基本特性，纯属多此一举。

同样的，传感器应当选择安装在最适合其工作特性的位置。例如视频，如果目标是获取分车道流量数据，那么装在电子警察的杆件上看车尾一定比装在信号灯上看车头有效；而雷达，则是装在信号灯上看车头更合理，既恰好利用路口空间距离，又回避了自身感知盲区。若硬是把两个传感器做在一起，视频除了看热闹外，似乎很难发挥校验作用，当然比起单雷达还是会好点，但成本高了不少。

那么为了达成冗余是不是一定要装雷达？纯视频能否实现冗余？

纯视频检测的冗余仍然是可以实现的，其本质一定是依靠不同安装位置不同视频源针对同一目标的感知。如利用电子警察实现本方向的交通流检测，但大多数情况下电子警察也能够检测对向的若干车道，这样双向的电警相机就能够形成冗余，也就是说，只是简单利用电子警察的视频检测功能，就可以达成和加装雷达差不多的可靠性标准。

再进一步，除了传感器本身的冗余，有没有其他的冗余手段？当然有。比如交通模型。一个路网环境下，各方向的流量数据存在一定的关联性，如果一个路端输入的流量明显和输出的流量不符，那么说明路网必然存在问题，此时相关路口的信号机都可能要降级。

小数据的价值与理论框架变化

但无论怎样构建冗余，都要有一个清晰的整体架构设计来指导，目前的市场环境，似乎很难有一个实体来梳理相关技术细节并自上而下形成一套有效的技术架构。

所以现实就是厂家为了卖产品不断虚标一些无意义的技术指标，集成商不断在杆件上堆砌设备却说不清楚具体发挥什么作用，而用户需要某一类关键数据的时候才发现是错的。空有全世界最好的硬件设备环境，却把最好的食材做成了夹生饭。

所以最后回到本文的最初，对于交通信号控制系统来说，可信的、实时的“小数据”比绝大多数大数据、互联网数据都有价值得多，但这需要交通工程人员结合现阶段的感知技术特点，并且敢于突破现有的理论框架来探索尝试。

这样的人员哪里来？IT企业吗？难，行业特性决定了其关注的是短期利益而不太可能深入；传统交通工程企业吗？也难，人才缺失使其很难承担如此重任。

方向在哪里？生产力决定生产关系，当新的生产力因素产生，生产关系将会被重构。但是，新的商业模式或者流程再造最终会导致交通工程主导下的交通工程与信息化技术深度融合，这才是交通信号控制领域深刻变革发生的时机，并且，就在当下。

蒋松涛；苏州科达智慧信控事业部总经理，其与北方工业大学于泉老师、王力老师等联合编著的书籍《现代交通信号控制系统》目前已经正式出版。对本文有兴趣且想要了解更多的朋友，可以查看此书。