以下為演講實錄。

各位領導、各位專家、各位嘉賓，大家下午好！我是方緯科技的李可先，下面由我給大家分享一下交通精準數據是如何助力智能交通管理的。

人類的認知基本上是這樣一種遞進，首先是獲取數據，接著基于數據提取信息，然后在這些信息中找到規律，也就是我們所說的知識，最后基于這些知識產生出智慧。在交通行業也是類似的，我們舉一個例子，拿卡口過車來說，車輛過車記錄就是數據，進而形成車輛的出行軌跡等等信息，基于這些信息可以掌握一些知識，可以研究這個車輛的出行規律，它的居住地、工作地在哪里，什么時候行駛到哪段路上，基于這些規律這些知識，就可以得到一些智慧的東西，比如，可以實現基于個體車輛的精準誘導，某某車主，基于你的通常行駛路徑，發現你今天上午晚10分鐘出行，最后到公司的時間和平日是差不多的；某某車主，發現你有很多違法未處理，系統知道你日常停車位置，如果再不及時處理，就將依法到停車地進行處置了。這些聽起來好像很未來，但是實際上都已經在方緯科技的項目地實現了。

除了剛才的一個例子，再給大家看看還有哪些和交通管理相關的數據、信息或者知識。例如，一座城市出行量較大的是哪些車，哪些車才是交通的管控重點？在我們的一個項目地發現，20%的車輛行駛了大約90%的里程，這些車大部分是公交車、出租車，還有大量的疑似非法營運車輛，這不就是我們交通管控的重點么？這就是基于數據得到的知識：只需要管理好這20%的車，把交通需求量很大的這些車管理好，就管理好了90%的交通出行。

再一個例子，一座城市常行駛的外地車有多少，外地車的行駛特征是什么樣的，很多城市都開始限外，為什么要限外，哪種方式限更合理？這些也可以基于相關的數據、知識來分析。

以廣州為例，2017年的數據如圖所示，有6.2%的車是屬于“本地化使用”的外地車，但是它們，占了所有外地車70%左右的出行里程，研究這6.2%的外地車的管理策略，再考慮偶發過境的外地車，基本上就可以很好地管好全市的外地車的出行。這個也是通過數據產生知識，才得到智慧的。

一座城市有多少違法車輛在上路行駛，它們的出行規律是怎樣的，高發路段有哪些？這也是可以源于數據得到的知識，在方緯科技的一個項目地，每周大概有4000多輛車違法上路，占比約3%，基于這些車的常行駛路徑，就可以發現某幾條路很可能會高發違法，或者說因為高發違法，很可能會導致事故發生。這樣針對違法車輛高發行駛路段進行監控，及時做隱患排查，就可以很好地降低違法行為和事故的發生。

只有真正理解道路路網的特性，分析診斷通行不暢的地點，才能提前進行調整，整體過程都源自于數據而得到的知識。

但是很多城市并沒有意識到交通數據能夠產生這樣的知識，可能有很多的原因，比如數據不完備、質量差、利用率低，實際上過去可能更多是通過業務導向認知這些數據和知識的。以卡車過車圖片來說，很早之前闖紅燈抓拍的技術就已經支持了，但近幾年才意識到除了捕獲闖紅燈事件外，還可以把所有車輛過車信息記錄起來，并且基于這點衍生出很多的業務應用。這實際上就是所謂的業務導向導致的，需要做這項業務，才想到需要認知這個信息。

反過來，如果變成知識導向會是什么樣的情況？我們有一個項目案例，也是以闖紅燈抓拍，在項目實施之前，當地已經做了很多數據梳理，甚至說做了所謂的智慧大腦的業務，但我們發現它沒有對數據質量的標準有一個清晰的認知，從而導致了不少烏龍。例如系統發現有一輛車在上午9點鐘過了一個路口，同時又發現過同樣車牌的車在4公里外過了另外一個路口，通過AI分析認為這是一個套牌車，而人工核查發現實際是同一輛車，原來這兩個路口的時鐘不同步，實際兩個過車記錄不是同一時間點發生的。為什么會出現這樣的情況？過去闖紅燈只做違法圖片的分析，沒有人深究到底是9點違法還是9點05分違法，因此時間是否同步并不是關鍵點，這就是業務導向的數據認知，他不會關注和業務需求無關的細節。但是如果是認知導向，就需要精準知道每一個交通狀況是如何發生的，需要獲取交通的精準數據，這時候就會發現時間基準是一個很重要前提條件。

可見，只有真正獲知交通的精準數據，獲知車輛以及路網的相關特征，才真正能認識交通，才能為后續的智能管理做好支撐，有點像用一個CT機去解構交通，獲取精準數據。

那么，如何才能認知精準的交通數據呢？我們認為，首先需要有一個完備的數據，有一個全時全域全量的數據的采集，要能覆蓋所有的車輛出行。它檢測的特征基本上有以下幾點：第一是要識別個體車輛的出行，而且它是全覆蓋的，不管是對車輛的覆蓋還是對路網的覆蓋時間維度的覆蓋；第二是檢測的具體的位置信息一定要和道路的通達性強相關。

除了完備的數據采集外，還需要有一個可計算路網的模型，通過這個模型知道路承載力是怎么樣的，知道各路段路口之間的邏輯關系是怎樣的，這樣才能知道這個路網有怎么樣的車流，也就是怎么樣的容量進去之后，路網會產生怎么樣的結果，精準認知這個路網的通行能力、承載力和容量。同時需要有一個基于身份檢測的交通模型，認知每一倆車的出行特征、出行需求，然后求解當前狀態并推測下一時段狀態。通過這兩個模型，我們就可以真正掌握精準的交通信息。

這里的精準是指我們可以掌握任意時刻、任意路段、任意車輛的狀態信息，這是我們在宣城的案例，知道某一個具體時段在這一條路段的平均行駛速率，也知道在這個時段這條路上跑了多少輛車，分別是哪些車，各個車道的通行能力是怎么樣的情況。比如右邊的這個圖，這里有一個高亮的小車，我們知道它在什么時刻通過了哪個路口，在這個路口是怎么行駛的，在下一個路口又是怎么樣行駛的，通過這些信息得出這輛車的出行規律，這輛車從哪里出發到哪個位置，每天是怎么出行的，什么時間點經過哪些路段，這就是它的出行特征。

通過剛才說的交通數據的精準掌控，就可以支撐后續的一系列的業務。這個幾個精準是針對車輛、路口、路段、停車場等交通要素的，從時間空間幾個維度，對容量、需求、狀態進行求解。

這里給大家舉幾個精準數據助力業務應用的例子，第一個是擁堵成因分析。在談及交通大腦或者AI賦能的時候都會提及擁堵成因分析，但是我們和很多交警領導溝通交流，大多數實現方案只能達到兩個效果：第一是判斷出這是一個常態擁堵，常態擁堵有可能和這個道路特性相關，和常發的車流特性相關，優化常態擁堵的空間不大；第二是可以發現異常擁堵或者稱之為偶發擁堵，檢測出了一個交通事件，然后自動告警將這個事件告訴管理人員，由人去現場核實這個事件，再去解決它。我們看看，檢測、認識一個事件，然后把這個事件告訴我們，這是屬于智慧嗎？是屬于知識嗎？可能它只是告訴了你一個信息。

如果有精準交通數據，可能整個事情的處理方式就不太一樣了。我們有一個很有意思的案例，我用這個系統界面來說明一下。這個界面可以告知這段時間有多少輛車在這個路段通過，在這個信號控制的策略下，這個車流能以多大的速度通過。當前檢測到進入路段的車不多，離路段的承載能力差很遠，信號控制方案也沒有什么問題，有足夠綠燈時間可通行，基于需求和容量信息，推斷路段狀態應該是很順暢的，但是實際檢測到的狀態發現行駛速率起不來，這是一個異常情況。大多數的AI智能分析到這就完成了，這里有異常了，你去現場看一看。

而我們的案例中有了全量的精準數據，再進一步分析發現，這個問題高頻出現的路段凡是出現這樣的狀態，就會有兩輛車在路段中檢測到，進一步分析發現這兩輛車是為旁邊的餐館送貨的車，路本來不寬，車輛違章停車在這里卸貨，道路就堵住了。這個案例告訴我們交通擁堵成因分析，需要很好地了解交通流本身的需求，知道路網的容量承載能力，然后去判斷這個狀態對不對是否符合預期，才能通過一系列的精準交通數據分析得到知識或者是智慧的解決方案。

除了擁堵成因分析外，基于全量精準交通數據對信號控制做評價和優化，也會得到更好的效果。在一個三線城市有一個交警業主和我溝通，他們聘請了一個優化服務團隊進行信號優化，到年末優化團隊給他的工作報告中他發現，優化團隊每個季度重點優化了15-20個路口，他發現一年下來三、四季度優化的路口和一、二季度的非常相近，感覺就像是轉了個圈。每次優化的確都把那些重點路口擁堵狀態緩解了優化了，為什么一年內又回轉回來？感覺就象把擁堵的點不斷地移到下一路口，最后就轉一圈。他問我這種情況怎么處理？老實說我沒有真正給他解決，但是我給他做了這樣一個評價：首先給出全年在道路上行駛的車輛數量，給出這樣一個數據，從年頭到年尾，在網行駛車輛總數增長了12%，路沒變寬跑的車多了，優化團隊基本上還能保證道路運行狀況是差不多的，說明這個團隊還是有在干活的；然后分析各個月份的交通運行數據，發現優化團隊并沒有把他們的全力發揮好，我們發現在早晚高峰，6月、7月執行的幾套信號控制方案，整個市區的道路，尤其是30多個重點路口的道路通行能力是最好的。我就建議讓優化團隊嘗試以6月、7月全市的所有信號路口的優化方案作為基礎，然后再看看有沒有可能在這一塊進一步調優。優化團隊聽取了我們的意見，然后就在6月、7月的方案上進一步調優，據后續檢測到數據，新方案在各個路口的通行能力上又做了一個很好的提升。可見，只有掌握全量的精準數據，才能更好地對信號路口進行評價，并進一步給它優化建議。

通過精準數據可以分析車輛出行規律，并對車輛行駛路徑進行預判做出精準查控。例如我們宣城案例，對一個交通違法的車輛進行精準查控和抓捕，系統分析出這倆車經常出現的地方和對應時段，要抓捕就太容易了。同時也對違法渣土車進行了專項整治工作，不到三個月的時間，我們就通過事前預警，或者是在路上的執法，讓違法上路、未審批或者時空越界的違規行為快速下降。

交通管理部門會經常出報告，給上級領導或者給公眾。有了精準數據，這個報告就從一個在天上純描述的內容變成在地上有實際數據支撐的內容。報告里面的數據是可以實現數據穿透，比如這里講有30%的車，這30%的車到底是哪些車，可以精確到具體的每一輛車，這些車跑了哪些路，也有具體路段路口數據。通過這樣的基于精準數據的報告，才能有效支撐相關的交通管理政策，真正體現“用精準數據說話，彰顯交管政策智慧”。

我們認為只有這樣掌握交通精準數據之后，才能真正地實現AI賦能，或者說真正實現智慧交通的管理。如果數據不精細不準確，那所謂的智能就只能是鏡中花水中月。這就需要從認知精準交通數據開始，然后再去構建整個智慧交通管理。

這里是方緯科技的一些實戰應用項目，包括廣州南沙、宣城、宿遷、淮南等地，有機會大家都可以去看一看。 

最后，one more thing，我們已經進入車路協同的時代，這就更需要交通精準數據，需要掌握交通精準數據的可計算路網。車和路無時無刻都在交換他們的數據，也在產生新的數據，如果數據不精準，再往后推進就會遇到很大的障礙。我們方緯科技也做了一點點小貢獻，在我們的幾個項目地提供了城市級的車路協同驗證環境，還有OpenITS開放研究平臺，歡迎業內的各界同行一起在我們的驗證環境里面探討如何更好的利用交通精準數據，在智能交通領域在車路協同領域做一些新的嘗試和發展。

以精準數據助力一體化智慧交通管理，我的匯報就到這里，謝謝大家。