解析｜現(xiàn)代化智能交通系統(tǒng)發(fā)展現(xiàn)狀

           當今城市中的交通系統(tǒng)在數(shù)十年的發(fā)展過程中，首先將重點放在私人交通上，其次是公共交通，最后才是適當?shù)乜紤]自行車和行人。

　　優(yōu)先性的轉變通常會導致道路路網(wǎng)和交通控制系統(tǒng)無法同時滿足所有的道路使用者：私人交通所希望的綠波會收到公交優(yōu)先的影響，有軌電車和公交車受制于交通擁堵而無法在專用的綠燈時間內通過，自行車擁有自己的非機動車車道但仍需要在交叉口前停車，行人需要等待漫長的紅燈時間并且過街所需的步行距離太長。

　　但與此同時，城市污染和總體出行需求又在集聚上升，為每一種交通系統(tǒng)增加了更多的壓力，也暴露出了它們的缺陷。

　　當然，在無法同時滿足所有交通方式的前提下，人們所期望的未來的智能交通系統(tǒng)需要達到以下三大要點：

　　性能：智能交通系統(tǒng)的主要作用是幫助所有的道路使用者，包括各種交通出行方式，以最小的延誤達到他們的目的地。因此，系統(tǒng)需要了解當前并預計未來的交通狀況，滿足多模式出行方式，并更有效地進行交通管理。

　　便于實施：由于設備維護也是一大關鍵問題，這就使得系統(tǒng)需要根據(jù)交通結構的變換隨之調整，另一方面，還需要使系統(tǒng)運營者能夠快速的對系統(tǒng)進行調整，仿真并測試相關的控制參數(shù)。尤其是要盡可能的避免重復工作。

　　開放性：為了有效的利用和計劃預算，系統(tǒng)必須兼容已有的信號控制機/檢測器設備，并支持盡可能多的開放標準。用戶并不希望為了實現(xiàn)優(yōu)化控制而去修改每一個信號控制機和信號燈頭。

　　現(xiàn)代交通系統(tǒng)應擁有一個基礎交通模型作為支撐

　　離線建模：用于確保所有常用的管理方法，情景方案和條件都得到正確的分析測試，并且交通信號系統(tǒng)總體運行良好。

　　基于模型的實時決策系統(tǒng)：用于幫助系統(tǒng)運營者使用合理的工具得出一系列可行的解決方案。實時交通決策還包括預測工具，對可能發(fā)生的交通問題進行預警。

　　自適應交通信號系統(tǒng)的校驗和日常運行：該模型可以幫助交通系統(tǒng)更加連貫的執(zhí)行已經(jīng)指定的計劃。將同一個模型運用到離線和在線運營中可以更節(jié)省時間和費用。

　    因此，以下技術需求可以用于支撐上述的三大要點

　　1. 自適應交通信號系統(tǒng)

　　系統(tǒng)需要自動適應交通結構的變化，將維護和調整的工作量最小化。自適應信號控制系統(tǒng)需要快速并且在線地調整不同交通出行模式之間的優(yōu)先性。已發(fā)生延誤的PuT車輛需要獲得更多的優(yōu)先權，因此可以增進信號協(xié)調和/或單個車輛或行人的綠燈時間，以減少排放和延誤。

　　根據(jù)運營商的需要，可以有條件或無條件的實施公交優(yōu)先，但是需要同時考慮到其他道路使用者的情況，使得公交優(yōu)先對其他車輛的影響性最小。

　    需要提供基于軟件的決策系統(tǒng)。該系統(tǒng)可以提供減少擁堵和延誤的計算方法，基于交通信號控制，VMS標識，導航規(guī)劃和網(wǎng)絡推送信息。

　　行人的延誤需要考慮等待的行人總數(shù)，因此要考慮所有道路使用者的最優(yōu)化。系統(tǒng)需要至少每五分鐘計算道路路網(wǎng)的綠波，再將信號協(xié)調運用到系統(tǒng)中。系統(tǒng)可以計算并顯示當前路網(wǎng)的運行狀態(tài)，此外還可以預測未來小時內交通情況，這樣一來出行者可以選擇合適的出行時間和出行方式。市民可以根據(jù)APP或網(wǎng)頁上提供的出行方案決定自己的出行。

　　信號控制的主要手段還是通過信號燈，但是可以使用信息板，網(wǎng)絡，app，廣播或其他通訊方式發(fā)布交通信息。

　　系統(tǒng)可以支持使用一個離線的微觀交通仿真程序進行區(qū)域范圍內的交通控制，并且在仿真和實際系統(tǒng)中使用相同的交通供給。

　   2. 基于模型的實時決策支持

　　決策支持工具應提供定制化的關鍵評估指標，使得系統(tǒng)管理者可以快速的評估城市的交通運行質量?？梢蕴峁┙煌顩r的計算結果用于自適應交通控制系統(tǒng)，以提高檢測器數(shù)據(jù)丟失或損壞導致的影響。

　　為了提高穩(wěn)定性，有必要使得所有的交通控制、交通建模和交通工程相關的軟件使用同一個路網(wǎng)模型，這樣任何路網(wǎng)中的修改只需要操作一次。如果不同的軟件程序使用不同的供給模型的話，后期維護的成本和系統(tǒng)的穩(wěn)定性都將受到影響。因此關鍵是所有定義的供給模型都只需被定義一次即可同時用于多個軟件平臺中。

　　用于決策支持的基于模型的預測工具需要至少每5分鐘更新一次，才能幫助系統(tǒng)管理者更好的得出問題的決策。預測結果需要至少覆蓋未來30分鐘內的交通演變，才能有助于分析交通問題的傳播情況。

　　預測本身需要考慮到已知的道路施工情況和交通事故。這意味著實時的宏觀模型需要在空間和時間上連續(xù)性的傳播由于事故或其他事件導致的交通瓶頸。

　　如果需要做某些交叉口或細部的模型，可以將宏觀模型導入到微觀仿真中做指定區(qū)域的仿真，這種情況通常適用于分析特殊事件對指定區(qū)域的影響(例如交通事故導致的堵塞)。

　　基于模型的預測需要來源于一個主路網(wǎng)，該路網(wǎng)必須包含采集的歷史數(shù)據(jù)，對于一個幾百萬人口的城市來說，可以每5分鐘預測至少300個交叉口和3000公里道路路網(wǎng)。

　　為了保證此類規(guī)模的路網(wǎng)可以進行快速的預測計算，實時模型必須為宏觀模型。當公交與私人小汽車共享路徑時，那么預測需要包含公交車輛的預計到達時間。

　　交通預測必須考慮到現(xiàn)有的檢測器數(shù)據(jù)。這意味著預測方法可以將現(xiàn)有模型擴展到預測層面，并且當前檢測的交通流量必須準確輸入到模型中。因此，不能簡單地將前一分鐘采集到數(shù)據(jù)與歷史趨勢數(shù)據(jù)進行對比，然后加載類似情況下的OD矩陣(從最接近的離線模型)，最后使用當前交通的通行狀態(tài)運行路網(wǎng)仿真。這樣創(chuàng)建的模型往往不能真實反映實際情況。系統(tǒng)應該盡可能使用公開的標準和協(xié)議，這使得系統(tǒng)具有更好的擴展性和兼容性。

　　3. 檢測器/數(shù)據(jù)獲取模塊

　　交通信號系統(tǒng)需要能夠從不同類型的檢測器中獲取/處理數(shù)據(jù)，以此避免供應商鎖定數(shù)據(jù)，并且為未來新增檢測器提供開放性。

　　推薦使用智能攝像頭，因為相比于線圈，攝像頭的維護成本相對低并且能夠提供更精細的輸入數(shù)據(jù)(例如根據(jù)車輛類型進行車流統(tǒng)計)，此外攝像頭還有更多附加功能(例如安保，安全分析，天氣預警，強制執(zhí)行能)。

　　系統(tǒng)應當能夠追蹤GPS點(從城市app中)的軌跡數(shù)據(jù)從而得到車速信息，修復OD矩陣用于校驗/校準/更新系統(tǒng)背后的交通模型。

　　如果同一條道路路段上存在兩種或更多種類的檢測器，系統(tǒng)應當可以融合數(shù)據(jù)，并且針對可靠性更高的檢測器給予更大的權重。