《端午全国公路网出行预测报告》发布,智慧交通如何“预知”未来?

[ 导读 ] 随着智慧交通的发展,精准“预知”未来道路状况将成为现实,而困扰各大城市已久的堵车问题,也将得到有效缓解。

图片来自“123rf.com.cn”

每到小长假,驾车出行是不少人的选择,于是堵车成了一大交通难题。但今年端午,情况也许会有所不同。

日前,交通运输部路网中心发布了《2018年端午全国公路网出行预测报告》。报告指出,端午小长假第一天6月16日上午9时-12时是出行高峰时段;尤其是10时-11时拥堵程度最高。受集中返程的影响,小长假最后一天6月18日下午15时-21时为返程高峰时段,峰值出现在16时-17时。报告预计,高速公路网省域拥堵高发地区主要集中在广东、北京、江苏、浙江、河北等交通出行需求旺盛或旅游自驾较为集中的地区;另外,四川、云南、广西、湖南、贵州等热门旅游省份也容易发生拥堵情况。对于城市拥堵分布情况,报告预计,北京市、广州市、深圳市、上海市等一线城市及省会城市周边高速公路易发生拥堵;重庆市、成都市、昆明市、杭州市等热门旅游城市也容易发生拥堵情况。 

除了交通运输部发布全国公路网出行预测外,北京、深圳等多地交警部门也发布了端午假期出行预测。

交警部门发布道路拥堵预测信息,目的在于引导市民出行,避免出现车辆“扎堆”行驶至某一条主干道上,从而实现“治堵”的目的。而能够预测道路拥堵情况,还要得益于智慧交通的发展。那么,究竟智慧交通是如何实现“预知”未来,助力“治堵”的呢?

智慧交通:关键在于交通要素的互联互通

在解答上述问题前,首先应该明确什么是“智慧交通”。

“智慧交通”是各个省市地区交警支队交通指挥中心的配套建设项目,用于将交警指挥中心建设成为交管科技信息化的展示中心、资源汇聚整合中心、研判决策中心、管控服务中心,进一步成为交通管理应用平台“六合一平台”和交警集成指挥平台的数据“大脑”。智慧交通项目建设完成后,依托公安网、互联网、视频网“三张网络”,构建地理信息、数据汇聚、信息交换、系统维护“四个支撑”,实现实战指挥、源头监管、研判决策、民生服务、执法监督“五大实战应用”。

智慧交通的建设内容包括交通管理与规划、出行者信息服务、车辆运营管理、电子收费、智能车辆、汽车移动物联网、自动公路、综合运输和紧急事件与安全。 

(图片源自前瞻产业研究院)

从智慧交通的定义及建设领域可以看出,智慧交通的关键在于各个交通要素的互联互通。以交通预测所在的“出行者信息服务”领域为例,要打造车流诱导系统、智能车载导航系统和多渠道信息服务系统,关键在于要让静态的道路、桥梁、附属设施,和动态的车流状况、天气状况相连接,只有将各地的信息汇聚到统一的平台,具备人工智能技术的“大脑”才能在信息充分的前提下,做出相对正确的判断,随后平台才能够将“大脑”的判断再返还到手机、导航仪等终端,让驾驶员掌握到“大脑”预测的信息,从而做出新的选择和判断。

但要如何让各个交通要素的互联互通呢?可以从硬件和软件两个方面来谈。

硬件:感知与收集动态的交通信息

硬件的作用在于感知与收集交通信息。道路、桥梁等静态的交通要素信息只需经过一次采集即可掌握,但车辆是动态行走的,因此需要相应的硬件设备来对车辆的移动轨迹进行感知。

监控设备是能感知车辆信息最直接的硬件工具。其一,监控设备能够“看”见某条道路上车辆的多与少,直观地反应道路的拥堵状况。其二,监控设备能看清车型,从而为后端决策提供更全面的信息,比如下班高峰时段货柜车占用道路多,则能出台相应规定限制高峰时段货柜车出行。其三,监控设备能看清车牌,一些地区拥堵的原因是由于外地车涌入,以深圳交警今年发布的端午交通预测为例,深圳交警经过对市区车牌识别点的过车辆进行统计分析发现,今年“五一”以来外地车比例持续上升,同时因端午假期周边城市来深游玩增加,预计假期市内外地车将占全市车辆的三成半。

电子车牌将成为最好用的感知工具。电子车牌的基本技术措施是:利用RFID高精度识别、高准确采集、高灵敏度的技术特点,在机动车辆上装有一枚电子车牌标签,将该RFID电子车牌作为车辆信息的载体,并由在通过装有经授权的射频识别读写器的路段时,对各辆机动车电子车牌上的数据进行采集或写入,达到各类综合交通管理的目的。这项全新技术可突破原有交通信息采集技术的瓶颈,实现车辆交通信息的分类采集、精确采集,抓住交通控制系统信息源准确的关键。所有车都安装上电子车牌后,交警部门能够直观掌握所有车辆的所有信息,有了准确可靠的信息源,智慧交通就只剩了后台信息处理和应用的问题了。虽然电子车牌必然成为趋势,但目前电子车牌的相关政策仍在酝酿中,因此就目前而言,监控设备仍是应用最广泛的感知设备。

软件:大数据+人工智能完成数据分析

收集到交通信息后,海量的交通数据如何管理、如何快速应用?这是各地政府、交通企业、交通系统集成商共同面临的难题。让人去分析显然不现实,因此要借助先进的技术手段分析数据,辅助人的决策。

智能交通大数据管理平台应用是核心。智能交通大数据平台主要包括:城市交通信息数据系统、城市交通综合监测和预警系统、城市交通碳排放实时监测系统、公交都市管理系统、公众出行信息服务系统。通过建立大数据平台,通过对多维度、海量的历史数据进行分析后,就可以利用各种传感器传回实时交通信息,从而实现科学的、自动的管理交通、应对突发交通事件。

此外,通过深挖数据,除了能够实现交通状况预测外,还能发现许多交通问题。比如可以发现哪些交通违规行为最频繁,交通违规行为大多数是在什么情况下发生的,哪些区域最容易发生交通事故……通过分析这些深层次的数据,相关部门能发现道路设计中存在的缺陷,优化路网;或是有针对性地加强对驾驶员的某一个交通安全意识。

人工智能技术是让城市交通真正能够拥有“大脑”并实现自我调节的必需品。首先,人工智能能够将海量非结构化的视频数据结构化,提炼出车牌、车型、车主等信息,从而规范驾驶员行为、进行车辆管理等。其次,人工智能能够以海量交通数据为基础,分析交通运行规律性和相似性,建立智能学习模型,通过机器学习去预测流量、拥堵等多项交通信息。通过实时监控分析道路车辆,依据动态交通数据,“大脑”还能实现自动切换和调配信号灯时间,将治理拥堵的工作落到实处。此外,人工智能还能根据城市民众出行偏好、生活习惯、消费习惯等,分析出城市人流、车流的迁移规律,从而给予更精准的交通预测。

障碍:数据整合程度仍待加强

虽然预测道路信息已经不是难事,但精准性仍有待提升。影响交通的因素纷繁复杂,除了道路、车辆、人口外,还有天气、轨道交通状况等,如果解决交通问题,只着眼于交警部门,显然是不够的,还要将公安交警、交通运管、铁路、民航、邮政快递等部门信息纳入其中。而目前智慧交通建设仍处于数据整合、协同应用的融合阶段,还面临系统割据、信息孤岛严重、数据碎片化和大数据应用程度低等挑战。

其次,由于区域经济发展不平衡、地方保护主义,当前各地区在组织和实施智慧交通项目时,缺乏统一行业标准,这造成许多指挥交通系统相对独立,衔接和配合度不高。而出行是一个没有边界的活动,车辆能够跨越不同区域行驶,如果无法将数据及智慧系统统一调配和处理,智慧交通的作用将变得极其有限,预测也只能在有限的环境下进行,无法达到更高的精度。

因此,要让智慧交通能真正实现“预知”未来,在政策方面,要加强指挥交通的顶层设计,加快行业标准的统一化与规范化,减少重复建设,打破信息孤岛,促成交通信息及资源共享;在硬件方面,增加关键卡扣和道路感知设备的布控,感知设备不仅包括监控设备,还有测速设备等;在软件方面,加强对数据的整合、挖掘和分析,大力发展人工智能技术,加强“交通大脑”的能力。只有提升了预测的能力,对道路状况未雨绸缪,智慧交通才能真正称得上“智慧”,“治堵”才能有真正的成效。

推荐阅读:重磅!2018全球智能+新商业峰会第一天,25位大咖观点都在这