（四）传统交通仿真模型的病要怎么治？从滴滴交通大脑说起之四

要想解突破传统交通模型面临的困境，我们首先要说一说下一代交通仿真模型的作用和功能

（一） 下一代交通仿真软件应当发挥的作用

按照城市建设和管理的步骤，我们从规划、建设、管理、改善提升等方面说起。

1. 交通仿真模型需要在城市规划决策支持方面发挥更大作用，应成为城市交通规划方案实施之前，必不可少的方案验证手段。

那么我们看看科技部研究课题对此是怎么描述的，重点部分已加粗

“6．多模式交通系统供需平衡与动态协同

6.1城市多模式交通供需平衡机理与仿真系统（基础研究类）

研究内容：研究城市多模式交通需求形成机理和演变规律，基于大数据的多模式交通网络动态需求辨识与出行时空分析模型；建立复杂城市环境下可计算交通网络模型及动态承载能力分析理论体系；研究复杂交通环境下多模式交通流运行特性和分析方法，城市形态、交通调控措施与多模式交通需求的交互作用机制，公交主导型土地利用与多模式交通耦合机制及仿真模型；研发具有自主知识产权的城市多模式交通网络仿真分析软件与系统平台。

考核指标：建成涵盖30个以上百万人口城市的交通模型参数库，交通模型参数不少于100个，参数样本不少于100万个；完成城市多模式交通网络动态仿真环境建构和软件开发，具备城市土地利用、交通需求、交通调控等多要素融合仿真分析功能，交通供需平衡分析模型精度≥85%，动态承载力分析模型精度≥80%，分析网络节点数≥10000个，计算时间≤1分钟；形成相关自主知识产权。”

在传统条件下，受制于建模成本、计算性能和中长期模拟精度等问题，传统交通仿真对拟实施的城市规划方案模拟支撑不足。导致待建城市区域失去了从规划初期解决交通治堵的机会。

2. 对于城市建成区的改造，交通仿真模型必须能够服务于区域交通影响评价和后评估

这种评估结论的可靠性（仿真精度）起码应当能够做到天气预报一样的可信和可靠。当然，对于其他应用领域，需要更高的模拟和控制精度。

3. 服务于城市建成区的交通管控服务效率的提升与改善

仿真模型应当有能力支撑城市交通大脑的建设(词语是挺亲民的，互联网人就是接地气，你要叫信号机联网配时优化，吃瓜群众会纷纷表示听不明白），为既定城市规划约束下的交通效率提升发挥作用。

4. 服务于两代交通语言的融合和下一代交通语言的研发

这个课题复杂又前沿，交通理论、交通模型和交通工程师应当在这一过程中发挥重要作用，从目前看这并未实现，主导第二代交通语言研发的基本是通信、汽车、IT等领域专业力量，好在还有机会，那就是两代交通语言的融合（科技部课题叫“耦合”）。

5. 服务于自动驾驶的研发

鉴于高精度地图（第二代交通语言的一部分）和自动驾驶技术的进步速度明显快于交通模型精度提升的速度，这一作用可能成为空想，但未来难以预测，起码，在第一代和第二代交通语言并行运行阶段，仿真仍有其巨大价值。

（二） 核心功能1. 必须有接入车联网和自动驾驶大数据的能力

车联网自动驾驶时代，交通仿真软件必须具备大规模路网数据导入能力。

业界喊了多年的实时在线交通仿真，在车联网自动驾驶时代，将是基本要求，因为车辆到基础设施，车辆到车辆，将有网络通信语言（第二代交通语言的一部分），不懂这门语言，交通模型没有可能建立。

交通建模专家还需要考量，在城市所有车辆流速密参数都可借助车联网自动驾驶数据化后，如何开发新一代交通模型，可以在充分利用车联网大数据提升交通仿真模型的精度和预测精度。

2. 必须有实时处理车联网大数据的能力

交通仿真模型核心算法要在线化，并行化，和实时化，才能适应新一代行业需求。数据必须在线，必须联网，必须在可接受的时间内计算完毕。

一是每个节点的数据输入体量巨大。车联网时代，每个交叉口能够采集的数据规模巨大。同样的路网节点规模需要更多的计算资源，（交叉口数量）桌面端计算性能就相对不够了。

二是计算时间要求。如果模拟的速度方面不能够让人满意，每次仿真和调整都要运行很长时间，这对交通建模工程师是个灾难，也满足不了行业应用的实时性要求（还记得刚才那个没有红绿灯的交叉口吗，等算完了，车已经撞上了）。

三是部署的要求。大体量的数据输入和传输和处理，没有云端计算能力支撑是不可想象的。传统交通仿真模型专家需要与IT专家一起，利用云计算带来的技术红利，开发并行仿真模拟算法，提升模型仿真的规模和速度，才能突破仿真模型的核心瓶颈，迎接车联网大数据、云计算、自动驾驶和人工智能时代。

3. 交通模型参数标定必定能够充分利用大数据并自动调优（1） 大家都知道传统交通模型的参数标定既困难还辛苦，其难点在于

1、参数标定的数据获取成本较高（还记得路口寒风中瑟瑟发抖的数车小姑娘夏雨荷吗？）

2、那么多参数，怎么调整能更快收敛（对不起，就是模拟的比较真的意思）于是乎只能在各种交通模型中的用户界面中，疯狂点鼠标调整参数…。

这时候，一定会虔诚地希望：如果能编程定义参数优化函数，把模型标定转化为最优化问题，并采用最优化方法求解就好了。传统交通软件提供了编程接口（例如V家的Com接口，你肯定知道那不是我们的菜，专业玩家玩的），但不知道能不能支持数据挖掘和并行计算(对此我表示悲观)。

3、历尽千辛万苦，标定出来的结果，拿到另外一个地方或者哎，拿到实际场景中一用？艾奇怪，怎么不管用？于是把前两步重新做一遍或者多遍，因此最终你会发现，这是一场运气、职业良心还有钱之间的战争。

是不是很崩溃？一个节点（交叉口）还好，要是节点规模巨大，参数标定工作几乎是个梗，一般项目都很难做好，这不是水平问题，是成本问题，甚至有可能，是模型精度问题，即永远没有这样的参数组合可以达到预定的理想效果。

参数标定这个事情，有空单独再立专题与各位大拿探讨吧。感兴趣可留言，我再决定近期写不写。

（2） 在车联网大数据时代，问题迎刃而解

首先你不用请小姑娘去数车，数据来源于各种传感器，精准（只受限于传感器的精度和稳定性）、全时段（24小时持续）、样本即是整体（无抽样误差）。当然，小姑娘会失去一份数车的收入（学交通的谁没数过车，补贴了几个面包钱就不大完美,无法体会是寒风中的那个酷爽~~~）。

其次，利用第一步的大数据和第二步核心仿真模型，建立最优化模型，算法自动寻求最优解。（注意，利用大数据寻求最优模式，这是AI们很擅长的哦）。

第三，标定过程全自动化，快速，适应性强，一次研发，多处复制，简直不要太美好。甚至，连交通仿真模型都不需要交通工程师建立，直接建立标签数据集，利用神经网络训练得出仿真模型（传统交通公司肯定没干过这个，也干不了，这真不是能力态度的问题，而是数据资源和钱的问题），当然这个话题的深度超出了本文的探讨范围，各位大拿有兴趣文后留言，再写文研讨。