所謂“城市交通超腦”，指的是一個基于“在線交通仿真技術”，以大數(shù)據(jù)、人工智能和在線交通仿真為核心要素，集管理和服務于一體的綜合交通管理平臺，它可以做出頂層管理決策，對城市交通進行全方位統(tǒng)籌治理。

城市里的朋友相約見面，但凡有人遲到，最有可能的原因就是這一個：堵車。似乎人人都可以說出自己城市的很多個“堵點”，堵車成為一個人人都能產生共鳴的話題。對于這個問題，專業(yè)人士提出了許多解決方案，比如聯(lián)網(wǎng)收費ETC系統(tǒng)，城市道路電子警察、車載導航、信號控制系統(tǒng)，城市公交系統(tǒng)車輛到/發(fā)時間播報，停車場RFID識別，以及無人駕駛等等。然而這些技術雖然各有優(yōu)點和作用，但往往各自為政，仍然需要相當程度的人力監(jiān)管，也無法從根本上緩解交通堵塞。

而要真正改善城市交通現(xiàn)狀，建設新型智慧城市，就必須實現(xiàn)交通管理的智慧化轉變，讓交通系統(tǒng)實現(xiàn)獨立思考、自主決策和智慧運營。這便是清華大學“未來交通”研究中心研究團隊聯(lián)合科進英華集團打造“城市交通超腦”平臺的目的。所謂“城市交通超腦”，指的是一個基于“在線交通仿真技術”，以大數(shù)據(jù)、人工智能和在線交通仿真為核心要素，集管理與服務于一體的綜合交通管理平臺，由大數(shù)據(jù)運營體系、評估評價體系、專家決策體系和管理控制體系4個體系組成。該平臺可實現(xiàn)交通態(tài)勢實時監(jiān)控、交通業(yè)務在線綜合管理、交通信息服務便民、交通信號燈優(yōu)化控制、區(qū)域交通組織與交通誘導科學開展，以及交通突發(fā)事件預測預報和影響范圍預估。

駕駛行為分析

在探究城市交通問題的原因時，個體差異與整體交通量的影響不可忽視。例如，在處理交通擁堵問題時，需考慮交通參與者之間的相互協(xié)作對交通流運行效率的影響，而在交通安全方面則需對交通參與者的行為進行識別與區(qū)分。因為人的參與，交通系統(tǒng)成為一個具有很強非線性、動態(tài)性和隨機性等特征的復雜系統(tǒng)。

同樣，智慧化的“城市交通超腦”平臺建設過程中，最重要的變量是交通參與者（駕駛員/行人/自行車等）的行為與交互模式，因此研究團隊首先進行了駕駛行為研究。

為采集駕駛員的駕駛行為數(shù)據(jù)，研究團隊共啟用兩個實車數(shù)據(jù)采集平臺：一是自主建立的交通環(huán)境綜合檢測車，二是英國南安普頓大學交通所建立的儀表化檢測車(InstrumentedVehicles，IV)。采集的數(shù)據(jù)來自不同性別、年齡層次、駕齡等的百余名駕駛員，測試時間達近千小時，共數(shù)百萬條實測數(shù)據(jù)，涵蓋各類城市交通狀況。針對駕駛行為數(shù)據(jù)無法直接用于識別的難題，獨創(chuàng)性地建立“駕駛風格/駕駛狀態(tài)/駕駛行為”的駕駛行為解析模型，并提出組合動態(tài)核的模糊C均值聚類算法來挖掘和量化駕駛風格。

在對行人與自行車行為進行仿真研究的過程中，研究團隊通過視頻監(jiān)測平臺，利用攝像機記錄行人、機動車和非機動車的靜態(tài)與動態(tài)信息，并提出實時視頻時空解析算法，用于提取行人/自行車行為軌跡。此外，還針對行人與車輛的交互作用，收集了大量行人過街的行為數(shù)據(jù)，提出無信號交叉口自行車沖突避讓行為仿真模型，并對有/無信號燈控制、有/無斑馬線等情形進行驗證分析。

在線交通仿真

有了海量的交通大數(shù)據(jù)，還需要能夠真實反映交通參與者行為的微觀交通仿真模型。然而，傳統(tǒng)的離線仿真技術難以直接應用于城市交通管理決策當中，為此，研究團隊打造了可通過“數(shù)據(jù)-模型-仿真決策”三要素進行在線交通管理與控制的城市在線動態(tài)交通仿真平臺FLOWSIM。

城市動態(tài)交通仿真平臺FLOWSIM包括感知層、融合層、應用層和展現(xiàn)層。由于交通數(shù)據(jù)的獲取方式多種多樣，如視頻監(jiān)控獲得的視頻、圖片類的半結構/非結構化的數(shù)據(jù)、地磁圈獲得的流式數(shù)據(jù)、出租車的GPS數(shù)據(jù)等，因此數(shù)據(jù)結構、維度、密度、特征各不相同，使得與實時交通數(shù)據(jù)進行對接成為技術難點。研究團隊利用基于大數(shù)據(jù)的時空存儲技術，通過深度神經網(wǎng)絡技術將這些數(shù)據(jù)進行跨域融合，獲得在線交通仿真平臺可識別與使用的標準化數(shù)據(jù)。

融合層和應用層基于拓撲分解方法，將城市自適應地劃分為小區(qū)域，在計算機集群的不同節(jié)點中單獨計算后通過節(jié)點通信將結果合并。展現(xiàn)層以二維和三維的形式真實再現(xiàn)交通場景，建立符合中國國情的動態(tài)交通仿真平臺。

多重創(chuàng)新提升決策效率

城市交通超腦能夠根據(jù)城市交通大數(shù)據(jù)對交通狀況進行實時評估，提供實時在線的專家決策方案，并做出頂層管理決策，對城市交通進行全方位統(tǒng)籌治理。在城市交通中，各類決策都需要快速反應，而傳統(tǒng)交通仿真在解決交通問題時，需要遍歷不同解決方案的測試，因此具有嚴重的滯后性。此時，計算機神經網(wǎng)絡的深度學習技術則可以發(fā)揮作用。利用深度學習技術，“城市交通超腦”可以根據(jù)以往的處理經驗，從系統(tǒng)中迅速找到交通分配方案，使運算時間節(jié)省90%以上。

在暴雨等惡劣氣候環(huán)境中，交通路網(wǎng)會出現(xiàn)部分路段失效或路口失效等情況。針對該情況，基于完整路網(wǎng)模擬的交通仿真將無法適用，取而代之的是節(jié)點失效和動態(tài)路網(wǎng)重構方法。研究團隊利用該方法對交通進行仿真模擬，使得仿真平臺準確重構實時動態(tài)路網(wǎng)，真實模擬交通網(wǎng)絡。以此制定的在線交通分配方案，在受氣象災害影響的情況下，可以讓城市汽車行程時間縮短50%。

為了提高交通超腦能力，研究團隊進行了其他多項技術創(chuàng)新。例如，提出了基于交通大數(shù)據(jù)的城市路網(wǎng)功能層次劃分評價技術，將浮動車、出租車等動態(tài)數(shù)據(jù)源與GIS靜態(tài)數(shù)據(jù)進行快速地圖匹配與數(shù)據(jù)融合，對路網(wǎng)實際運行狀況和各等級道路功能層次劃分進行評估與評價。與傳統(tǒng)只基于靜態(tài)數(shù)據(jù)分析路網(wǎng)功能層次不同，路網(wǎng)狀態(tài)與功能狀態(tài)在線評估方法支持對城市路網(wǎng)交通狀態(tài)進行在線評估，是進行渠化與信號燈優(yōu)化、區(qū)域定向交通誘導與交通安全管理的前提與基礎。

信號燈與路口也是研究團隊關注的重點。研究團隊提出了基于深度增強網(wǎng)絡的路網(wǎng)信號實時控制方法。在城市動態(tài)交通仿真平臺的支持下，以單位時間內最大化利用交叉口路面空間為目標，動態(tài)優(yōu)化路面渠化系統(tǒng)與交叉口信號燈配時，使道路通行能力最大化，進而實現(xiàn)城市交通系統(tǒng)的“時空優(yōu)化”與路網(wǎng)調度的智能化升級。

在車流動態(tài)調配與定向誘導方法方面，研究團隊提出區(qū)域車流動態(tài)調配計算方法，在動態(tài)交通仿真平臺的基礎上形成區(qū)域交通車流動態(tài)調配方案。該方案以路段通行能力最大與流量均衡為主要目標，基于動態(tài)OD、特定目的地與不同類型的車輛等條件進行交通誘導，最終實現(xiàn)路網(wǎng)的交通流均衡分布，進而縮短城市交通平均旅行時間。

除此之外，研究團隊還提出了涉及交通安全和異常事件感知的創(chuàng)新方案。例如基于視頻監(jiān)控的占用緊急停車帶的警示方法與系統(tǒng)，可“先知先覺”的交通異常事件預先感知、交通組織與疏導技術等。目前，通過一系列創(chuàng)新技術，研究團隊已獲得與交通超腦相關的發(fā)明專利7項。

━━━━

研究團隊的研究最大限度地挖掘和利用現(xiàn)有道路設施潛力，不但將大幅減少交通瓶頸和擁堵路段，而且將全面消除設施利用率低、浪費資源的節(jié)點和路段，引導車流均衡分布，提高區(qū)域路網(wǎng)運行效率和服務水平。迄今為止，研究團隊以技術開發(fā)、技術服務、技術咨詢等多種服務型式，將“城市交通超腦”研究的相關技術推廣到北京、天津、杭州、南寧等城市并實現(xiàn)應用，每年可為出行者平均縮短4%～15%的出行時間。

當前，城市交通超腦已經成為有人/無人駕駛混行交通系統(tǒng)及全無人駕駛系統(tǒng)的未來交通管理控制核心。接下來，研究團隊將把無人駕駛汽車的駕駛行為加入到仿真中，將“城市交通超腦”的功能進一步延伸，使其作為城市未來交通管理控制的核心，最大限度地開發(fā)城市交通潛能，助力智慧城市建設。