智慧城市网

　　【中国安防展览网 企业关注】随着交通卡口的大规模联网，汇集了海量车辆通行记录信息，利用人工智能技术，可实时分析城市交通流量，调整红绿灯间隔，缩短车辆等待时间等举措，提升城市道路的通行效率。智慧交通覆盖了智慧停车、智能公交、共享汽车、交通大数据等领域，其中，智慧停车势头凶猛，被视为缓解停车难、治理城市拥堵的*旗手。
 

　　一、 互联网+交通管理现状
 

　　近年来，交通行业风起云涌，群雄逐鹿，以百度、阿里、滴滴(“BAD”)为代表的互联网企业纷纷进军交通行业，掀起“互联网+交通管理”的风潮，其中百度在交通运输行业中布局较早，在交通管理中不甘寂寞；阿里系则以高德为代表在交通管理业务中初露锋芒；滴滴去年也开始在信号优化、诱导、酒驾热力图等方面磨刀霍霍。
 

　　百度
 

　　百度进入智能交通市场较早，重点在交通运输方面，在“互联网+交通管理”方面，2016年7月，百度与成都交管局达成“互联网+智慧交通”的战略合作，提供诱导、事故推送、交通管理决策等服务。
 

　　信号方面，相比于滴滴和高德，百度进入互联网+信号市场较晚，百度的智慧信号灯市场目前仅在北京，覆盖区域涉及北京主城区以及上地、望京商务出行频繁区域。百度与北京交警在智慧信号灯方面的合作实践开始于2016年底，初期为路口信号灯的配时优化和评估，2017年6月开展绿波带联合治理，9月份正式启动百度地图智慧信号灯研判平台，官方宣称这是在国内实现了交警信号系统平台数据与互联网数据的秒级联网互通。
 

　　高德
 

　　利用高德地图产品和互联网UGC数据联合图盟在交通信息发布、交通管理优化和交通决策支持等方面进行应用实践。高德目前对外有交通分析报告平台(免费开放)和交通信息发布平台(平台授权开放)，并且每个季度和特殊日期面向全国发布中国主要城市交通分析报告。
 

　　高德目前市场主要在信息化程度较高的一二线城市，并且侧重于大城市级别的解决方案。高德在武汉等地与政府数据也合作开展相应的数据交换共享服务，但也于在有限的信息化发达城市合作。
 

　　信号方面，高德在武汉、广州两地实践了其“互联网+信号灯”平台，2017年9月，阿里云+高德参与了广州互联网+信号灯控制优化实验研究项目，这是国内城市对互联网+交通信号进行的尝试性研究。
 

　　滴滴
 

　　与前两位相比，滴滴算是后起之秀，2017年年初滴滴在济南上线以浮动车轨迹作为数据基础的智慧信号灯项目，之后又在武汉、成都、苏州、贵阳等城市开展信号配时优化工作，目前主要覆盖于信息化水平较发达的一、二线城市。除了互联网+信号灯，滴滴还在其他城市开展智慧诱导屏、智慧代驾热力图、智慧公交等项目。
 

　　雷军曾经说过：站在风口上，猪都会飞。但互联网企业在交通管理持续被重视的风口上，飞的如何呢？
 

　　二、互联网+交通管理存在问题
 

　　基于BAD三家公司具体落地项目的情况，笔者走访了济南、广州等地的交管部门，详细了解了互联网+交通管理的实际使用情况，并与行业内专家进行了深入研讨，总结出互联网+交通管理存在如下几点问题：
 

　　目前互联网企业所谓的大数据，依然不足
 

　　互联网企业使用的浮动车和UGC数据仅占过车流量数据的一小部分，为什么这么说呢？对比传统的断面检测器数据，互联网企业使用的数据是基于手机定位数据，而行驶在路上的车辆并不是每辆车都有使用移动应用，所以对于某一截面或路段的采样率较低，仅为全量过车数据的一小部分，分析的精度和准确性方面不足，相比之下，卡口、电警等固定点采集数据包含了所有过车数据，在设备完好的情况下，准确率远高于互联网数据。其中：
 

　　滴滴智慧信号灯是基于滴滴平台浮动车轨迹数据，整体的信号配时优化均基于滴滴互联网数据。据有关资料显示，在某些路段上，滴滴数据的采集量只能达到3%，即100辆车里面有3辆车的信息是可以被采集到的，由此可分析得出，滴滴的车流量数据很低。
 

　　互联网企业通过少量抽样车辆轨迹反推出的路口全流量数据，准确性不及地磁卡口等传统检测设备获取的全量过车数据。数据源方面的局限性限制了互联网企业实践其智慧信号灯的落地区域，还不足以支撑高精度要求的信号配时优化工作，目前只能局限在城市数据量比较大的城市中心区，且要在相对正规的城市道路，在不规则路口上则束手无策，比如环岛、五叉路口等。
 

　　互联网企业使用的数据类型较为单一
 

　　现阶段看来，互联网公司使用的数据是基于自身采集到的车辆运动轨迹信息，使用的数据类型较为单一，其本质是对接入其公司运营服务业务车辆的一种移动监测手段，这部分车辆目前在整个城市机动车总量中所占的比重尚处于较低比例，何况对于交通系统而言，除了机动车，还有非机动车、行人、气象、交通组织、施工、公交运行等诸多方面的信息，需要考虑影响交通系统的所有要素数据，将多源、多元的交通数据有效地融合运用在一起。
 

　　交通系统存在很多的影响条件和因素，单纯依靠某一单一来源的信息，即便数据量再大，也不能处理好交通问题。
 

　　互联网企业对于交警业务理解有所欠缺
 

　　相比于传统的智能交通行业企业，目前互联网企业作为新进入者，行业经验的积累和沉淀较少，对于交警业务理解方面还有所欠缺。
 

　　例如在目前传统智能交通领域企业和互联网企业间争论较多的信号配时优化方面，互联网企业对于信号配时优化整个工作的全面系统性理解还是不够的。信号优化是一个复杂的系统性工作，从交通参数而言，需要同时获得交叉路口所有方向的车流量、车辆速度甚至占有率、车头时距等关键参数，而这些单凭样本车提供的数据并不能获得有效的上述参数正确的数据，即便应用数据缺失弥补算法，也会有较大误差。
 

　　当路口流量波动较大的时候，误差更大，可以说基本上不能用于交通控制。这样来看，应用互联网公司的样本数据只能限定在某路口某方向在某时段流量有规律的条件范围内，或许可以用于某个流向的固定配时。
 

　　另外对信号控制优化的力度较大程度上取决于交通组织的策略方案，需要考虑到很多优化的限制和约束条件，仅仅只是靠互联网数据作为优化的输入依据是不足的。
 

　　因此，或许互联网企业可以尝试的是交通控制评价，利用其路段连续轨迹和信息弥补交警路段检测器不足的问题，侧重在路段交通状况评价。
 

　　三、发展建议
 

　　互联网+交通管理所带来的影响是不容忽视的，互联网企业为智能交通领域发展带来了新的数据源，拓宽了解决问题的思路，互联网技术和数据对交通管理业务所起到的作用是值得肯定的，但是也要认识到互联网+交通管理所存在的问题和不足，我们思考总结了以下几点未来发展建议：
 

　　，需要更好的数据融合。
 

　　面对互联网企业使用的数据上的不足，互联网企业应该和政府部门合作，与传统的线圈、卡口检测系统数据融合，尝试获取车道级数据，进一步提升互联网数据的空间粒度和置信度，完善互联网企业自身数据不足，增加数据量和数据的多样性；另一方面，互联网企业也可以尝试在用互联网数据校准传统检测数据方面与政府部门进行合作，用路况数据验证和校准传统设备数据，实现对冲突数据报警。
 

　　第二，当前的互联网数据更适合做评估和评价。
 

　　互联网企业可以利用其数据空间分布较广、连续性较高的优势在路况评估和诱导方面提供有力支撑，更适合于宏观层面上的评估和辅助决策；此外，也可以利用实时动态数据在酒驾热力图方面发挥作用，例如滴滴在深圳做的酒驾热力图，通过代驾需求，可以帮助交警了解哪里酒驾可能较多，为交警提供支持。
 

　　第三，互联网企业应该加深对交警业务的理解。
 

　　充分系统性的认识交警业务，加强与交管部门的业务交流，提升业务理解的高度。互联网企业可以引入行业内的专家技术人才或者资深业务人才，加强对业务和技术上的深入探索。
 

　　第四，传统企业应拥抱变化，实现共赢。
 

　　传统企业面对互联网企业的竞争，传统的智能交通企业不能掩耳盗铃，要敞开怀抱，拥抱互联网企业，实现合作共赢。互联网企业的进入为市场带来了新的创新点，传统的智能交通企业一方面会担心互联网企业会抢占这本就竞争激烈的市场，冲击传统的市场格局，但是又不得不面对交警对于互联网企业的积极响应态度和社会舆论的关注，也希望能够与互联网企业合作带来新的业务点，提升市场竞争力。
 

　　面对新的机遇和挑战，传统的智能交通企业要努力提升产品和技术，与互联网企业合作互补，共同切实改善城市交通、普惠大众出行。
 

　　第五，交警部门要正确认识互联网+的作用。
 

　　互联网企业目前掌握的数据样本量并不能有效地支撑交通控制业务，对于交警部门而言，要正确认识这些数据发挥的作用，不应当过于夸大，要有效地利用互联网+的互补作用，毕竟交警才是交通的真正管理部门，数据更多地还是在交警手中，坚守交通管理阵地，有效提升交通服务水平，才是本职。
 

　　原标题 玉中之瑕 | 给正在拥抱互联网+交通的咖们几点建议　　文章作者：于泉、张程程、张雷、李美涛