一个基于“在线交通仿真技术”，以大数据、人工智能和在线交通仿真为核心要素

所谓“城市交通超脑”，指的是一个基于“在线交通仿真技术”，以大数据、人工智能和在线交通仿真为核心要素，集管理和服务于一体的综合交通管理平台，它可以做出顶层管理决策，对城市交通进行全方位统筹治理。

城市里的朋友相约见面，但凡有人迟到，最有可能的原因就是这一个：堵车。似乎人人都可以说出自己城市的很多个“堵点”，堵车成为一个人人都能产生共鸣的话题。对于这个问题，专业人士提出了许多解决方案，比如联网收费ETC系统，城市道路电子警察、车载导航、信号控制系统，城市公交系统车辆到/发时间播报，停车场RFID识别，以及无人驾驶等等。然而这些技术虽然各有优点和作用，但往往各自为政，仍然需要相当程度的人力监管，也无法从根本上缓解交通堵塞。

而要真正改善城市交通现状，建设新型智慧城市，就必须实现交通管理的智慧化转变，让交通系统实现独立思考、自主决策和智慧运营。这便是清华大学“未来交通”研究中心研究团队联合科进英华集团打造“城市交通超脑”平台的目的。所谓“城市交通超脑”，指的是一个基于“在线交通仿真技术”，以大数据、人工智能和在线交通仿真为核心要素，集管理与服务于一体的综合交通管理平台，由大数据运营体系、评估评价体系、专家决策体系和管理控制体系4个体系组成。该平台可实现交通态势实时监控、交通业务在线综合管理、交通信息服务便民、交通信号灯优化控制、区域交通组织与交通诱导科学开展，以及交通突发事件预测预报和影响范围预估。

驾驶行为分析

在探究城市交通问题的原因时，个体差异与整体交通量的影响不可忽视。例如，在处理交通拥堵问题时，需考虑交通参与者之间的相互协作对交通流运行效率的影响，而在交通安全方面则需对交通参与者的行为进行识别与区分。因为人的参与，交通系统成为一个具有很强非线性、动态性和随机性等特征的复杂系统。

同样，智慧化的“城市交通超脑”平台建设过程中，最重要的变量是交通参与者（驾驶员/行人/自行车等）的行为与交互模式，因此研究团队首先进行了驾驶行为研究。

为采集驾驶员的驾驶行为数据，研究团队共启用两个实车数据采集平台：一是自主建立的交通环境综合检测车，二是英国南安普顿大学交通所建立的仪表化检测车(Instrumented Vehicles，IV)。采集的数据来自不同性别、年龄层次、驾龄等的百余名驾驶员，测试时间达近千小时，共数百万条实测数据，涵盖各类城市交通状况。针对驾驶行为数据无法直接用于识别的难题，独创性地建立“驾驶风格/驾驶状态/驾驶行为”的驾驶行为解析模型，并提出组合动态核的模糊C均值聚类算法来挖掘和量化驾驶风格。

在对行人与自行车行为进行仿真研究的过程中，研究团队通过视频监测平台，利用摄像机记录行人、机动车和非机动车的静态与动态信息，并提出实时视频时空解析算法，用于提取行人/自行车行为轨迹。此外，还针对行人与车辆的交互作用，收集了大量行人过街的行为数据，提出无信号交叉口自行车冲突避让行为仿真模型，并对有/无信号灯控制、有/无斑马线等情形进行验证分析。

在线交通仿真

有了海量的交通大数据，还需要能够真实反映交通参与者行为的微观交通仿真模型。然而，传统的离线仿真技术难以直接应用于城市交通管理决策当中，为此，研究团队打造了可通过“数据-模型-仿真决策”三要素进行在线交通管理与控制的城市在线动态交通仿真平台FLOWSIM。

城市动态交通仿真平台FLOWSIM包括感知层、融合层、应用层和展现层。由于交通数据的获取方式多种多样，如视频监控获得的视频、图片类的半结构/非结构化的数据、地磁圈获得的流式数据、出租车的GPS数据等，因此数据结构、维度、密度、特征各不相同，使得与实时交通数据进行对接成为技术难点。研究团队利用基于大数据的时空存储技术，通过深度神经网络技术将这些数据进行跨域融合，获得在线交通仿真平台可识别与使用的标准化数据。

融合层和应用层基于拓扑分解方法，将城市自适应地划分为小区域，在计算机集群的不同节点中单独计算后通过节点通信将结果合并。展现层以二维和三维的形式真实再现交通场景，建立符合中国国情的动态交通仿真平台。

多重创新提升决策效率

城市交通超脑能够根据城市交通大数据对交通状况进行实时评估，提供实时在线的专家决策方案，并做出顶层管理决策，对城市交通进行全方位统筹治理。在城市交通中，各类决策都需要快速反应，而传统交通仿真在解决交通问题时，需要遍历不同解决方案的测试，因此具有严重的滞后性。此时，计算机神经网络的深度学习技术则可以发挥作用。利用深度学习技术，“城市交通超脑”可以根据以往的处理经验，从系统中迅速找到交通分配方案，使运算时间节省90%以上。

在暴雨等恶劣气候环境中，交通路网会出现部分路段失效或路口失效等情况。针对该情况，基于完整路网模拟的交通仿真将无法适用，取而代之的是节点失效和动态路网重构方法。研究团队利用该方法对交通进行仿真模拟，使得仿真平台准确重构实时动态路网，真实模拟交通网络。以此制定的在线交通分配方案，在受气象灾害影响的情况下，可以让城市汽车行程时间缩短50%。

为了提高交通超脑能力，研究团队进行了其他多项技术创新。例如，提出了基于交通大数据的城市路网功能层次划分评价技术，将浮动车、出租车等动态数据源与GIS静态数据进行快速地图匹配与数据融合，对路网实际运行状况和各等级道路功能层次划分进行评估与评价。与传统只基于静态数据分析路网功能层次不同，路网状态与功能状态在线评估方法支持对城市路网交通状态进行在线评估，是进行渠化与信号灯优化、区域定向交通诱导与交通安全管理的前提与基础。

信号灯与路口也是研究团队关注的重点。研究团队提出了基于深度增强网络的路网信号实时控制方法。在城市动态交通仿真平台的支持下，以单位时间内最大化利用交叉口路面空间为目标，动态优化路面渠化系统与交叉口信号灯配时，使道路通行能力最大化，进而实现城市交通系统的“时空优化”与路网调度的智能化升级。

在车流动态调配与定向诱导方法方面，研究团队提出区域车流动态调配计算方法，在动态交通仿真平台的基础上形成区域交通车流动态调配方案。该方案以路段通行能力最大与流量均衡为主要目标，基于动态OD、特定目的地与不同类型的车辆等条件进行交通诱导，最终实现路网的交通流均衡分布，进而缩短城市交通平均旅行时间。

除此之外，研究团队还提出了涉及交通安全和异常事件感知的创新方案。例如基于视频监控的占用紧急停车带的警示方法与系统，可“先知先觉”的交通异常事件预先感知、交通组织与疏导技术等。目前，通过一系列创新技术，研究团队已获得与交通超脑相关的发明专利7项。

━━━━

研究团队的研究最大限度地挖掘和利用现有道路设施潜力，不但将大幅减少交通瓶颈和拥堵路段，而且将全面消除设施利用率低、浪费资源的节点和路段，引导车流均衡分布，提高区域路网运行效率和服务水平。迄今为止，研究团队以技术开发、技术服务、技术咨询等多种服务型式，将“城市交通超脑”研究的相关技术推广到北京、天津、杭州、南宁等城市并实现应用，每年可为出行者平均缩短4%～15%的出行时间。

当前，城市交通超脑已经成为有人/无人驾驶混行交通系统及全无人驾驶系统的未来交通管理控制核心。接下来，研究团队将把无人驾驶汽车的驾驶行为加入到仿真中，将“城市交通超脑”的功能进一步延伸，使其作为城市未来交通管理控制的核心，最大限度地开发城市交通潜能，助力智慧城市建设。