公司新闻

您现在的位置: 首页 > 新闻 > 正文
交通工程师的使命 | 让交通从无序变为有序,终极是交给AI
来源: 发布时间:2017-08-04 文字大小:【小】 【中】 【大】

媒体报道

    2017年5月31日,在同济大学举办的未来交通控制理论与系统论坛上,银江研究院副院长郭海锋发表了《大数据+运营经验+智能方法的交通控制系统优化》主题演讲。

    以下为郭海锋演讲全文

    从事交通信号控制领域也有十几年的经历,从最早的理论到参与产品研发,到目前直接面向客户进行应用,在整个过程,我的深刻感受是大部分的理论很难直接落地,假设太多且整个理论体系不完整。

    例如红绿灯配时,主要有周期、绿信比与相位差等几个参数,但是大家可能从来没有关注过建立红绿灯配置参数的的基础点在于假设交叉口的车队排队长度是向天空排队,那这意味着我们的配时理论基础从来没有考虑过道路的容量问题,从来没有考虑过道路上排队长度的问题,这就是理论的缺陷。

    从产品的角度,我们在研发的时候主观猜测太多,也就是假设研发的这些东西都是用户所想要的,但真正的和用户深度交流方面考虑的其实比较少。

    在应用方面,冗余太多,而且使用不方便。例如手机里面会有很多应用功能,但是用户真正能打开的却很少。

    那么,我们做了这么多的努力开发产品,又做了这么多功能应用,而实际的用户体验又很差,问题都在哪里?

    我觉得用道家老子对系统的哲学体系最能够刻画这个问题。刻画一个系统可以从“道、法、术、器、势”不同的层面,在这里面我又加了一个“愿”,也就是我们的愿景和目标。

    那所谓的“”,是一些规律以及理论、方法。从规律、理论、方法方面,我们可以看一下整个控制系统的能控理论是缺失的。很多都是直接去控制、调控,然后看控制效果,但从来没有人关注这个系统或交叉口是否能控。例如当高峰期间,一个交叉口四个方面都饱和,我们怎么调、我们能调吗?其实很多时候不调可能会更好,当一个系统不稳定的时候,一个扰动反而会带来更多的问题。

    从“”的角度,我们整个标准、规范、流程,甚至日常工作的流程都是非常杂乱的,只有理顺这些标准规范才能够来谈整个系统的优化问题。

    再来看“”的问题,我们都做了很多的方法,但是这些方法都是基于完备的数据假设,然后都是在这样的一个假设前提下做的,而这离实际真的很远。

    从“”的角度,也就是企业所开发的产品,在开发的时候应该走近客户,

    从“”的角度,如果我们的理论体系不完整,标准规范、规则这些又比较杂乱,方法远离实际、产品远离客户。那可以想象,这样的系统投入到实际运行后就会变得混乱和无序。

    如果是这样混乱无序的交通系统,我们希望交通控制或道路系统达到原定的目标也是不切实际的,无论是管理者、开发者或用户实际的目标又是模糊不定的。

    那交通的问题究竟在哪里?

    从技术的角度来看,根源是数据问题,目前科技的手段几乎都要靠数据,但是数据现在是什么情况?

    例如检测器的数据,很多情况下由于检测器的故障,导致两个车道中只有一个车道有数据,有时候还会出现断崖的情况。如果依赖数据,那这些数据可靠吗?我们敢依赖吗?

    如果将这些有问题的数据都展现出来会有很多,而这些并不是通过一些算法就可以识别出来。因此各种数据汇聚在一起,是不是就是大数据?交通里线圈、地磁的数据是最多的,覆盖非常全,但是质量非常差。

    现实中,更多的是我们自己定制控制策略、定制控制方案,以及进行一些效果反馈、进行配置参数的调整,多数还是依靠人。

    面对这些问题,我们有怎样的解决思路呢?

    我们认为就是将各种数据汇聚在一起,然后进行真正的数据分析,但是在数据分析的基础上要结合人的运营控制经验,然后把它可以用智能的方法进行处理。在这样的循环下,我们才有可能对整个城市交通控制优化进行一系列的操作,最终,进行城市级的交通运行评价。

    在这样的思路下,我们给出了整个技术体系框架,把信号控制系统作为感知采集端。信号控制系统里积累了大量的人工的经验,尤其是我们的中心控制系统有日志,日志里面记录了N多人的操作行为,我们发现信号控制系统中日志记录的这些行为实际上在进行处理的过程中有很多有价值的东西。因此我们把它作为了感知采集端整合进来。然后再往上层,我们建立了专家知识库作为依托进行智能优化算法,最终进行整个交通控制系统的优化。

    大数据可以用于哪些方面?这里面,我想谈的一个问题就是对于交通控制,实际上大家都是在谈控制方法以及怎么控,很少有人从控制策略角度来分析。王殿海老师在《城市交通控制》中提到控制策略、控制方案、战略交叉口、战术交叉口的问题,我们把王老师所提的一些思想融进了系统中。

    例如首先对一个城市路网上的交叉口进行一个分级,因为当资源紧张时,它是一定要分级的。例如如果事先没有分级,当某个问题出现,在哪儿截流就是个难题。但是当我们对城市交通运行模式规律进行彻底梳理,把它已经预先的进行分级好,再有问题时,我们已经可以很确定在哪儿进行截流、划分,所以这是我们做的一些工作。

    通过我们的一些工作分析,卡口数据确实可以用的,它的相关性也非常强,它的规律性和线圈对比也相对比较好,也就是这样的数据是可以真正的融合起来应用。

    在大数据应用中,运营经验怎么用?我们对杭州SCATS系统记录的一些数据,SCATS系统可以通过命令植入的方式,植入固定的分时段法,也可以临时对交叉口进行人工干预调整。

    坦率来讲,数据分析出来的结果,可能还不如每天站在路口的民警更懂那个路口的一些交通规律。所以我们这些经验集成进来,另外每个路口的档案也集成进来,这些都是人工的经验。

    智能的方法中,我们用有限的卡口数据可以挖掘出一些典型的特征。在某一天,我们匹配到95辆车,他不走直线反而走了条曲线。这里面背后的原因非常的值得深思和分析,为什么明明有直线不走,反而走曲线?这里因为数据量非常大,我们采用了智能的方法进行计算。

    基于对大数据应用的一些思考,我们目前在做一个研发产品,称为交通超能控制大脑,让现有的交通信号控制系统更好地被使用,这是我们在努力的方向。我们的方向就是要能够进行能控分析,再进行规范控制流程的操作,同时我们实施了分级的控制策略,然后从用户的角度进行监督评价,我们希望整个系统是张弛有序的。

    最后我要提的一点是,大家提出的交通工程师职业会不会消失?实际上我觉得作为交通人,我们的使命就是让整个交通的需求从无序变成有序,终级是要交给AI,我们努力的目标是交通人要退出历史舞台。在这之前,我们要做的工作是真正的把无序变成了有序,如果一切都已经有序了,AI真的会比我们做得更好。谢谢大家。

 

 

    赛文交通网链接:

    http://mp.weixin.qq.com/s/fIa16YXjBQSSFuMIPs8MwA

返回