一位资深交警的「感应控制之道」

前段时间在“信控中国”群中大家经常讨论一些问题，有的时候为了一个名词的解释大家各抒己见，一爬楼就是几百条记录。

所以，得闲的时候就在思考这些问题。作为行业的专家、教授和企业的研发人员确实是需要对于这些专业领域的问题有专业的研究。但是站在我们交警管理者管理信号控制的角度，咱们在实际管理工作中怎么样才能够做到在做好繁杂工作的同时，利用非常有限的时间和精力、资源达到最大的管理效益呢？在管理的时候，怎么样让概念和理论与实践结合得更好，让它变得简化、易理解且更好用呢？

我个人以前学的专业是计算机专业，参加公安工作以后，在网监部门工作了6年，然后就到了交警管理信号灯和电子警察。到现在，从事智能交通系统的建设、管理和应用已经15年了。

我并没有系统地学习过交通管理信号控制的理论知识，我现在的管理理念基本都是在平时大量实践中通过对相关经验的积累而得到的，相信很多的交警同行也属于这种情况。我曾开玩笑说，要管好这个事儿，不但要懂得交通组织，还得要懂计算机、网络、电子、机械、土建，甚至招标采购、编程、数据库都要了解一点，否则还真的怕“被别人卖了还在帮别人数钱”。

所以这样看来，咱们作为交警一方的管理者，只能尽量做简化工作。很多问题不可能钻得很深，但又不能一点儿都不懂。

最近在和朋友交流时得知，国内某个城市信号感应控制路口做了大几十个，相关的感应控制的设备都配齐了，但因为种种原因，投入使用之后，当地交警却认为感应控制不好用。虽然也聘请了专业信控优化团队，但现在这几十个路口还是全部作为固定配时使用，让我觉得非常可惜，这么好的设备有些浪费了。

感应控制在当前来看是一种性价比较高，又比较容易产生好的控制效益的信号控制方式。把它用好了，会达到意想不到的效果。但是有时候我们在应用感应控制时，可能会被一些固定配时时代的理论所束缚，在实践中难以放开手脚，继而觉得感应控制不好用，或者干脆就弃用了。

因此，我大概总结了一些站在交警角度，做大面积应用感应控制时先要厘清的认知。首先声明，这里说的并不是“理论无用论”，在做研究，研发产品的时候，必须要具有深厚的理论功底才可能会有所突破。

但在具体的项目实施过程中，特别是在实施中技术方向的把控，乃至最后项目取得的效果，实际上大部分仍都需要交警来控制和主导，这是目前客观机制决定的，所以有时候咱们要把理论稍稍的变一个角度看一下，可能就豁然开朗了。

下述内容只是站在交警管理者的角度，结合使用场景，辩证的看待交通控制理论知识，毕竟解决问题便是王道。希望对交警同行有一定的帮助。

关于信号灯周期，很多专业的理论都建议信号灯周期最好控制在120～150秒。但在感应控制应用中，就会发现一个四阶段控制的信号灯周期如果控制在120秒，那么每个阶段就只有30秒了，去掉行人伴随保底时间、绿闪、黄灯，留给感应控制自由发挥的时间就非常有限，这样难以发挥出感应控制的优势。

另一方面，通过观察我们可以知道，车流量大时绿灯如果能根据车流需要适当合理的延长，可以使通行的车辆数呈几何倍数的增加。因为车辆起步有拉动效应，前面的二三十秒有时车速很难拉起来，当整体车速拉起来以后，通行效率就会指数级提高。所以真正合理的时长，应该是当车速拉起来以后，根据车流量自动控制的时长。

以前用固定配时很难做到这一点，因为固定配时一旦将时间拉开，需要收的时候不能自动收住，但这一点正好就是感应控制擅长干的事情，它可以根据实时车流随时收放。

这样看来，我认为以前我们说的信号灯周期不超过120～150秒，是在当时固定配时条件下，平衡了利弊之后做的一个折中选择。在感应控制条件下，我觉得这个概念应该改成全天的平均信号灯的周期不超过120～150秒比较合适。

从湘潭市现在全城区运用感应控制的情况来看，信号灯全天的平均周期不会超过100～120秒。它可以按照策略设置和实际车流量，自动将时间灵活地拉长或缩短，就像一根聪明的弹簧在伸缩，在平峰的非饱和状态下完全自由调整伸缩，确保每个路口的停车次数不大于一次，而在高峰的饱和以及过饱和状态下，则完全按照预设的策略来伸缩调整。把这个概念明晰之后，再全面应用感应控制时，就会少了很多顾虑。

我们经常都遇到规划局或设计院、设计公司，在解决某处的拥堵问题时，需要车流量数据的情况。为了获取数据通常采用实地查数或监控查数的方式，有时候一干就是一两个礼拜。

对于解决拥堵需要通过流量数据得出结论其实可以通过更高效的方式获得，下面就聊聊我的看法。

道路或路口的实际通行能力只可能小于等于饱和流量，不可能大于饱和流量。我们数来数去想要了解的并不是这个路的饱和通行量，因为一条道路或者一个路口的饱和通行量是完全可以根据道路情况计算出来的。

我们一直想要了解的应该是意向需求流量，只有知道了意向需求流量，我们才知道应该怎么样疏导。而不管现场还是监控数，所统计到的永远都只可能小于等于饱和流量，当意向需求流量大于饱和流量产生了拥堵时，是不可能通过数车得到实际的意向需求流量的。

举个例子，比如一条两车道的道路，通过计算和折算之后，它的最高通行量应该就是2000标准车左右。那么也就意味着在这个路段通过的车流最多不会大于2000。当因为高峰期堵车，而我们想了解高峰期的流量，去人工数车的时候，是怎么数都不可能会超过2000的。

所以相较于直接数车，我的处理方法一般是针对需要了解的时间段通过录像进行观察，通过观察如果没有发现堵车，这个时候的意向需求流量应该就是小于等于2000，那么也就意味着这时候的拥堵问题是不存在的。

当观察录像发现这个位置的来车方向持续的堵车越堵越长，后面的排队车辆不断增加的时候，那么这个地方的意向需求流量肯定就是已经大于2000了，也就是通常我们说的发生了拥堵。这时候人工数车，数出来的都最高只是饱和流量，意向需求流量我们是不可能在里面数出来的，因为还有很多车堵在后面过不来，是无法统计的。

所以我们换个思路，先不去管意向流量，首先看看这个位置是不是还有优化的余地，也就是把2000的饱和通行量尽量的提高一点。如果在这方面没有什么切实有效可行的办法，那么就采取上游截流，也就是把超过2000饱和流量之外的意向需求流量尽量的卡在外围，让他慢一点进来，这样就可以大大的缓解拥堵。

如此一来，我们在不需要详细了解意向需求流量的情况下，也就把这个地方的拥堵问题解决了，比起在路口花费大量精力地数车就简便了很多。

对于交叉路口也是一样，交叉路口的饱和通行流量，在交通渠化组织合理，信号灯配时合理，即没有绿灯空放的前提下，结合路口的渠化车道数和不冲突相位的同时放行情况，路口通行的饱和车流量也是可以计算出来的。

在这里有两个前提，第一个就是路口的渠化要做到合理，这是解决空间利用的问题，第二个就是路口的配时要做的合理，这是解决时间利用的问题，而这又是信号感应控制所擅长范围了。把这两个问题解决好了，路口的饱和通行量也就相对固定了下来，一旦这个路口发生了拥堵，那么肯定就是超过了路口的饱和承载量，自然也就只能想办法从外围截流来缓解这个路口的拥堵了。

在应用感应控制的过程中，复杂的理论论证可以留给专业单位去做，作为交警管理者，要的就是尽快用简单的方法找到准确的解决方案。

在湘潭市城区，围绕高峰期易产生聚集性拥堵的多个区域，我们已经运用全感应控制实现了高峰期对这些区域的全自动保护性控制策略，完全实现了“缓进快出，量出为入”的效果，在实现的过程中，我们并没有依靠相关的专业单位，就是运用了上面简单的方法而找到了最佳解决方案，并通过反复细致的调试将这个方案很好地落地。

综上，反复到实际路面和对着监控数车流量以及意图通过这个流量数据来决定感应控制策略，我认为付出回报比不高。想要知道一个路口或者路段有没有问题，把录像调出来看一眼就知道了，后续怎么解决也是大概看一下就能够知道怎么解决，只是后续设法创造条件解决问题就行了。

要说到信控协调的方法，第一种想到的肯定是做绿波带，也就是在固定配时的条件下做好各路口的相位差，从而得到线协调的效果，还有稍复杂一点的做多方向的相位差达到区域协调的效果。第二种想到的肯定是大数据和云计算，通过一个超强的大脑来协调我们各个路口的信号机，让所有的信号机都听这个大脑的指挥，从而进行步调一致的控制。

但是，应用了感应控制后就会发现，其实协调还有第三种方法，那就是所有的感应控制信号机之间用互相传导的车流量来进行协调控制。

比如A路口向B路口放行了一定量的车流量。当这股车流量到达B路口时，B路口实际上就可以理解为接到了A路口传达来的相关信息。只要感应控制策略设置合理，通过这样的传导，当大面积实现感应控制，或者全城区域都是感应控制的时候，我们就会惊奇的发现已经实际实现了全自适应控制的效果。

特别是在非饱和状态下，所有路口的高绿信比都会自动倾向于大车流，信号灯变化的节奏跟着车流的节奏在变化，驾驶员只需要驾车尽量跟着大车流走，获得的绿信比就会是比较高的，而不需要驾驶员刻意地去迎合某一个特定的速度范围行车。

这个效果的实现既不需要通过繁杂的精密计算，也不需要运用耗资巨大的大数据和云计算、甚至AI人工智能系统即可实现，而且由于系统结构简单，使得整套系统运行的稳定性和控制的实时响应性都非常的好。

如果我们的思维固化在了做协调就必须用第一种或者第二种方法的话，那么我们在使用感应控制时就放不开手脚。想通了这个问题之后，再去做感应控制，就会感觉像是发现了一片新的天空。

对于控制精度，我觉得一直存在一定误区，觉得精度越高越好。达到了80%，就恨不得达到90%，甚至99%、100%最好。

但是实际上这里头有一个性价比的问题，从理论上面说精度肯定是越高越好，但是假如花1000万就能够做到80%，而想要达到90%甚至95%，需要花费包含后期维护等综合成本达到2000万的话，那么我认为这个性价比是极不划算的，而且在实际控制当中它的效能提升可能连10%都不会有。

所以我对于这个问题的处理是“不求最高，但求好用、省钱”。这里分两个层面看，第一层是设备本身的精度问题，例如纯视频目前只能最高达到85%左右，线圈、地磁、雷视一体应该能达到95%以上，这是设备本身特性决定的。第二层就是针对现场检测的具体区域、位置和车道数比例等用法决定的。

以湘潭市举例，目前湘潭市城区的感应控制全部是用的是专用的纯视频检测，只论设备精度这一层实际只有80%左右。到第二层，我还会根据各个路口的实地实际的情况来确定检测的具体位置，只检测我需要的位置，实际检测的车道数的比例可能连一半都没有。

这两层结合下来实际就是在做模糊控制，如果路口所有车流作为基数来计算的精度，那肯定是不高的，但是从实际使用效果看，配合合适的控制策略，不仅仅够用了，而且还非常好用。

因为首先对于路口的车流，尤其到后段时间离散状态的时候，精准的车流和信号的配合是很难的，就是上再贵再尖端的设备，最后的效果也很难有本质的改善，但成本会直线上升，只要能够做到大概率就能满足需要了。

其次，我是把视频检测数据当做相位虚拟开关来使用的，对于一个相位有很多个车道的位置来说，不需要全部检测所有的车道，只要将这个虚拟开关装在能够充分体现通行特征的个别车道检测到就行了，检测到的数据就是在本相位本周期之内实时控制信号灯时长的，不需要多么高的精度。再加上全区域大面积的使用形成的模糊控制组合，整体效果很容易就获得了提升。

交警管理者在项目实施或者应用过程中，如果一味地要求单纯提高精度，那么配合建设项目的专家以及厂家也只能被迫地来迎合这种需求，而这种需求我认为不是必要的，应该理性看待，够用就行了，交通流本来就不是精确恒定的，它总是在不断的变化，那我们就用模糊控制来大概率迎合它就可以了。解决了这个问题之后，是不是有退一步海阔天空的感觉。

写到这里，其实还有其他很多细小的地方，包括检测设备的安装和具体检测位置的设置、设备日常维护、信控中迟启、全红、红闪、搭接、单放等细节的运用等等......

在感应控制应用管理中，我们大可不必死守之前固有的理论拿来生搬硬套，只要遵循基本通行规律，结合实际场景，把思维打开，就会有很大的发挥空间。