深圳市城市交通规划设计研究中心股份有限公司宋家骅
一、课题总体介绍
中国8亿城市化人口每天出行约15亿人次，主要大城市每天的出行人次超千万次，虽然各城市都广泛采用基础设施建设和政策调控等措施，但交通拥堵情况依然严重，全国超过30座大中城市每日拥堵时长超过1小时。因此，准确、动态了解城市交通出行规律，转变交通治理模式，推动交通治理智能化是实现治理现代化的关键。
交通治理的核心内容包括三个方面：一是制定公共政策、调节供需匹配，二是协同多种交通方式、提高设施使用效率，三是优化管控策略、动态调节交通运行状态等。因此，如何搭建一个多源数据融合、智能计算能力强大、对城市交通实时运行状态和长期演化态势能够进行准确研判的专业平台，是城市交通治理的关键。
图1交通治理核心内容
本课题以“感-知-判-算-治”为主线，围绕提升交通全面感知能力、高可靠实时研判和态势推演能力、大规模高效计算能力，构建交通智能治理大数据计算平台。通过对各类城市交通运行状况、交通设施、不同交通方式进行全面、精准、深层次还原，挖掘各类数据之间的关联关系，支撑分析、研判、推演、决策支持，从基本设计到突破关键技术，构建面向实际应用场景的系统架构，最终形成可推广复制的示范样板。
二、课题技术成果
基于课题研究整个课题成果形成大数据计算平台，以“感-算-知-判-治”为主线，包括一套面向城市交通治理自上而下的标准技术体系。
1.百万路视频结构化分析引擎
面向交通与土地利用，公交吸引力、慢行环境品质、道路运行效率4个治理层次，形成10个核心应用场景设计，梳理77项交通感知需求，打通人、车、线、站、路的全过程交通出行数据链接。
突破了多模式动态交通场景视频结构化语义解析关键技术，不仅能够识别车型和车速等直观数据，同时对交通运行状态进行成因分析。比如，通过视频识别研判两个15分钟路段流密速变化情况，当不同的流密速产生较大变化时，能够智能分析是否与交通事件、交通拥堵等产生关联关系。
基于“轨道+慢行”的出行链分析，通过公交轨道的刷卡、手机等数据识别出行分布，并判断不同区域、不同站点的行人变化，依托大范围跨视域交通元素时空关联分析，完整还原长距离、不同类别的出行链特征。
2、城市交通知识图谱构建
知识图谱已经在诸多领域广泛应用，近几年开始向交通领域拓展。本课题主要面向深圳公共交通构建了较全面的知识图谱，涵盖2.87亿实体和12亿条关系，围绕公交车、公交场站等实体，关联分析各实体之间的关系，包括上车站点、下车站点、乘坐车辆、同一个站点经过的车辆和公交线路、同行者等，通过关联关系分析建立完整的出行关系。比如，去年3月份疫情缓解时，深圳市政府要求开通防疫巴士帮助企业复产复工，通过知识图谱关联不同人群的出行关系，排除同乘人员存在防疫隐患出行等问题。
同时，针对城市交通系统长期演化规律分析难题，围绕轨道开通、城市扩张等措施分析一系列的出行特征变化，比如3到5年后出行距离显著增加，并导致出行链两端的慢行时间发生较大改变，基于知识图谱实现出行链中不同出行环节和特征的关联挖掘。
针对业务场景实效性要求高、海量知识复杂规律的关联检索效率低的问题，实现对多维度复杂关联关系的快速检索，并支持多种交通应用场景下关联关系的快速检索和深度挖掘。
3.城市交通系统实时状态与长期演化研判
基于交通知识图谱构建与关联挖掘，支撑路网短期运行状态预测预警与系统长期态势演化规律分析。
面向短期治理，针对交通治理场景成因机理难以精准识别的问题，基于道路交通运行状况监测分析，识别拥堵区域并进行拥堵状态成因判别，包括拥堵类型、拥堵瓶颈点等，并智能分析不同成因对拥堵状况的影响程度，为交通拥堵的判断、疏解、决策等治理提供精准支撑。目前深圳福田中心区已实现未来15分钟内交通流的秒级推演和预测，较实际情况匹配精度较高，有效支撑了短时预测、实时交通管控等治理。
面向中长期治理，针对城市交通系统长期演化规律分析难题，研究城市建成环境、交通设施布局、职住空间分布等因素与居民活动模式的关联关系，通过建立系统实现不同出行群体、不同出行目的等特征规律演化的长期跟踪和分析。
4.“云-边-端”协同计算
判需要强大的计算能力，凝聚IT企业、互联网企业等技术力量，依托高并发并行的计算单元和计算技术，支撑亿级交通实体知识发现。
图2前端视频计算技术
5.面向行业赋能的智能计算交通专业PaaS平台
开展智能交通计算的数据体系与应用架构设计，编制了面向智能治理应用的交通大数据标准手册，覆盖20种数据源，8大专题的数据指标，提供从数据-工具-标准的自主研发系统性数据治理服务，并完成平台的功能架构、技术架构等应用架构设计，搭建智能计算云平台。
上线了集成数据、算法、算力、应用的城市交通大数据智能计算TransPaaS平台，日均接入数据7.5亿条，提供数据资产管理、权限管理、数据接口服务、数据标准、可视化、应用开发等功能。
三、落地应用示范
福田中心区—打造智慧出行体验
福田中心区是深圳CBD，2000年开始建设，目前已全部建成，是深圳四十年城市规划建设的典型缩影，也是中国改革开放后快速城市化的样板。2017年深圳开始推进福田中心区整体提升，特别是通过智慧化手段提升片区的出行体验，推动福田中心区成为与东京、纽约等国际化城市媲美最具活力的中央核心区。
福田中心区聚焦提升智慧出行体验，围绕安全保障不断增强、出行效率显著提升、方式结构更加绿色、活动体验明显改善四大目标，为市民提供超前体验全过程沉浸式的未来出行场景。其中，智慧化投资3个亿，实施后小汽车占全方式分担率下降超过5%。
图3福田中心区—打造智慧出行体验
1.打造慢行友好的安全街道
在交叉口、停车场出入口等人车冲突密集、安全隐患突出的路口节点，利用地面红绿灯、盲人钟、感应式行人绿灯延长等措施，为老年人、残障人士、推小婴儿车的妈妈等弱势群体提供贴心安全的过街环境，推动4平方公里范围内的片区迈向零事故愿景。
图4智慧灯杆可通过AI识别弱势群体步态，优化过街时间
在小学、幼儿园等特殊区域附近，按照“进入区域-区域内-目的地”逐级降速原则，实行分阶段、分时段、分区域的动态限速管理，打造稳静化街区，保障出行安全性，并取得了显著成效。
2.精准调控提升出行效率
打造统一的信控平台，破除不同信号机的协议制约，实现对主流品牌信号控制设备的统一集成管控和全网信号优化，通过防溢流控制等信控优化策略，对路网运行进行精细化调控。在道路瘦身9万平米的情况下保持路网运行效率，干线平均延误降低10%。
在几条主要的公交线路搭载车载OBU设备，根据车辆当前位置、速度、乘客数量等实时信息，通过车路协同技术，在中心区21个信控路口实施公交车辆信号优先控制，保障公交车优先通过，实现交叉口延误降低11%。
图5车路协同OBU与应用
3.全面提升绿色交通出行比例
深圳每年公交补贴为100亿，公交车辆空载现象较多，由于缺乏精准的数据支撑和对潜在客流需求的挖掘，公交线路调整效果不明显。基于多元数据的挖掘分析，按需动态调整公交车型、发车频率，高峰时段开行点到点长距离定制公交，通过灵活的公交调度为地铁喂给客流，有效支撑了20多条轨道站点接驳公交线路的开通。同时，延伸补充常规公交服务，引入高品质的微循环公交服务，吸引短距离小汽车出行向公交转移。
图6根据客流特征动态调整运力资源配置策略
优化公共交通出行服务体验，在大客流地铁站点出入口布设慢行指引屏，提供周边公交出行、自行车接驳、商业、文娱等信息查询服务，提供精准可靠的信息交互。
4.全过程出行信息服务
在枢纽、地铁口、公交站、地下停车场等场景，提供全方式、全链条可靠的出行信息服务，包括室内外一体式AR全景导航体验、车位级室内导航，并对51座公交站台进行“微枢纽”式升级，提供精准可靠、丰富多样的信息交互服务，推动小汽车出行向公共交通出行转变。
图7智慧公交站台
5.构建智能治理计算云平台
搭建面向福田中心区的智能治理计算云平台，在建筑出入口、交叉口、公交站等关键区域布设1000多路前端视频设施，提取完整出行链，并基于个体出行-活动链模型，推演城区生长演化和活动特征变化的规律，为优化交通政策及设施空间布局提供依据。同时，采用在线仿真技术，对路网运行、交通事件进行中微观的短期预测，支持颗粒度更精细、响应速度更敏捷的交通调控。
图8全时、全域、全量采集体系
面向精细治理，形成集智慧枢纽、智慧公交、智慧停车等于一体的综合治理解决方案，重点实现交通运行状态动态评估、拥堵事件敏捷预测、人流应急疏散等场景应用，以数据驱动交通精细化治理。
技术体系创新：数据驱动治理
福田中心区智慧提升项目将海量多源异构大数据与影像观测、访谈相结合，建立全息感知的数据体系，精准还原人的完整活动链、活动类型、活动时空分布以及活动过程中的感受、情绪和诉求，特别是改造前后的持续动态观测与对比分析，精准评估各项改善措施的实施效果。
效果评估
本次改造已于2020年8月顺利竣工验收，改造后绿色出行比例提升3%，事故率降低10%以上，相比改造前各项观测数据均有明显提升，达到了交通治理的预期效果。
图9改造前后数据对比
结语
依托《城市交通智能治理大数据计算平台及应用示范》课题，形成一整套计算平台、标准规范、技术体系、应用示范以及知识产权成果，并在超大规模超高密度城市中心城区—深圳福田中心区开展应用示范，探索形成了数据驱动的交通治理模式，以有限的实施投入为不断变化的交通治理服务，为其它城市的交通治理提供“先行示范”。