编者按：在当前道路交通快速发展的形势下，与之相关的交通数据急剧增多。如何处理好交通数据与信号控制的关系成为目前一大难题。海口市公安局交通警察支队科技科科长陈冬指出了当前道路交通所面临的一些数据困境，并提出对于多维数据融合以及数据采集的期望：一是信号控制的全流程都能引入多维数据；二是多维数据应该融合的更好；三是利用多维数据实现动态区域控制；四是降低数据采集成本。
现在道路交通大数据类型越来越多，采集方式越来越多，采集成本快速下降，例如城市规划数据、手机信令数据、气象数据，以及交通参与者通过各种APP上传交通事件等一些数据。这些大数据包括静态数据与动态数据，另外还有交通管理生成的数据。交通数据类型繁多，内容庞大。信控系统难以直接使用多维交通数据，与交通大数据平台无法互联互通现在的信控系统都是独立运行，大数据平台基本与信控系统很难做到互联互通，多维数据很难直接用于信控。虽然大家花了很多精力进行多维数据的采集、融合，最后也汇聚到了大数据平台，但这些数据很难在信控系统中使用。目前在做一个较大区域的控制时，通过缓进快出的策略控制整个区的流量可能是目前唯一比较有效的方式，更灵活的区域控制方式目前还是很难做到。在范围稍小的区域控制时，在平峰阶段，需要实行绿波带协调控制，减少停车次数、缩短旅行时间；高峰阶段，实行专家方案，提升通行效率、缩短高峰时长。但是控制策略和方案的切换时机也能难于把握，我想这都是能利用多维数据可以打破的瓶颈。例如受到天气情况的影响，视频检测数据在天气恶劣或夜间照明不好的情况下偏差非常大。另外互联网数据同样存在许多问题。例如有一条道路停了七八辆车，而其他地区没有车辆停放，互联网数据就会判断这条道路出现了拥堵现象。现在做信号控制有以下几个流程：一是做基础的数据调查与分析，二是确定信号控制策略，确定信号控制策略后再通过单点控制、多路口渠道控制或区域控制做具体实施，后期是方案的运营和监控。除此之外需要对整个信控系统方案进行效果评估，如果判断有问题，后期需要对方案进行优化，返回做路口的渠化以及交通组织优化。在上述工作流程中，每个阶段对数据需求是不一致的。在确定控制策略之后，我们需求的数据还是有所改变的。以下是每一项工作对应的数据需求。
多维数据对交通信号控制在不同阶段有不同的价值和不同的一些应用场景。以下是不同阶段所对应的不同价值。
首先是OD数据，通过融合手机、信令、风车以及卡口三方面数据，可以挖掘出通勤路线，事先在通勤路线上做好对应的信号控制策略。还可以通过高德、滴滴、百度的浮动车数据融合路端的卡口数据作常发拥堵点的分析，把这些常发拥堵点作为区域内的战略路口。通过融合多种数据，判断一个区域在途车量的多少，进而判断交通的供需矛盾有多大，一旦超过一定量数据，我们就会在区域内实行对应的控制策略，以此缓解区域的交通压力。同时，通过这种方式，也能够预制一线信号控制策略。我们建设了一个以城市大脑数据融合的底盘为依托，以信号评价体系为抓手，通过数据和算法驱动的智能AI配时中心的数据辅助系统。辅助系统的主要工作是融合设备数据并产生多种交通指标；诊断并发现信号问题，并对指标结果进行评估；适配信号控制系统，实现控制系统上传、信号方案下发以及对方案执行结果的反馈；对数据驱动的划分多态综合优化、自动预测控制以及基于强化学习的迭代反馈学习。
我认为多维数据在海口信控应用中主要解决了一些例如人工配时效率低下，配时中心人口不足，配时方案不够精细，区域协调效果不佳等传统的问题。
数据和算法的实现分为数据底盘、算法引擎、前端应用三大块。数据底盘主要融合了交警自己设的卡口电井视频检测以及互联网数据两大类，汇聚成交通指标的参数，通过算法引擎的计算，生成前端的展示以及把多维数据融合后，通过算法策略生成若干套控制方案，下发到各个厂家信号机上。这张图就是多维数据融合的方式。其中最底层的是数据源。我们需要将这些数据源以及基础数据经过处理汇总成中间结果，再通过算法生成交通指标。
单路口优化：在单路口优化中，多维数据的应用主要融合了线圈、卡口、高德浮动车以及雷达，通过这些数据融合，生成路口和相位的交通需求，然后通过卡口工程数据的挖掘和相对比的时间计算路口能够供给的能力，再通过相位的供给和需求的匹配程度计算控制方案的最佳周期和最佳绿信比，最后下发执行。全息路口：融合了雷达、视频、电警的三类数据，通过华为的边缘计算智能体，通过边缘体做数据融合，再用数据融合去对接信号机，就可以在路口端做一些多元数据的融合并直接用于信号控制。路口盲区预警：通过雷达数据融合视频的数据检测行人非机动车穿行情况，交警在路口的显示屏上给予过往车辆相应提示。对于多维数据融合以及检测的期望，一是信号控制的全流程都能引入多维数据；二是多维数据应该融合得更好；三是利用多维数据实现动态区域控制；四是降低数据采集成本。文章转载自：赛文网
浏览器自带分享功能也很好用哦~
