解决拥堵？来看看滴滴信号灯优化的秘密
交通拥堵是大城市人人头疼的“城市病”，也是交通管理部门遇到的难题。比如，你刚驾车从一个十字路口经过、快到下一个路口时红灯亮起，只能等待新一轮绿灯的到来，既延误了交通出行时间，又降低了整体道路上车辆通行的速度。是的，你每天都能遇到的信号灯该优化了。
在今年交通领域顶级峰会TRB（transportation research board）交通运输研究年会上，滴滴智慧交通团队在现场分享了一篇论文，题为Traffic signal optimization using crowdsourced vehicle trajectory data（《基于轨迹数据的交通信号优化》），介绍了以轨迹数据驱动的智能交通信号监控和优化系统。
基础数据：持续可靠且低成本的数据渠道
交通信号控制系统的高效有序运行对于城市交通管理来说至关重要，而大部分的信号控制方案很长时间才更新一次，有时候长达三到五年，这就直接导致了低效的交通信号运行以及不必要的交通拥堵。一个主要原因就在于缺乏交通数据的采集成本太高。
目前，实现交通信号优化的数据来源主要有两种渠道。第一种渠道是交管部门埋设在道路基础设施里的车辆检测器，需要花费大量资金购买、布置，并易受到损害；第二种渠道是来自以滴滴平台为代表的网约车车辆轨迹数据，即使在低渗透率（1%-10%）的情况下，也可反应出有效的交通信息，并被利用起来优化交通信号，是一种成本低且可持续使用的数据来源。
轨迹数据在优化交通方面可以怎样使用？首先，用轨迹数据来估计交通流量，并重构全局交通信息。滴滴构建了TS图来评价六个交叉口的信号协调的表现。
图1为一个样例，横轴表示时间，纵轴表示距离。图中的轨迹表示车辆向下游方向行驶，轨迹中平坦的部分代表车辆停车加入路口排队。左图显示了滴滴车辆的原始轨迹，右图显示了所有车辆的估计轨迹，其中包括滴滴车辆和普通车辆。通过与卡口所采集到的数据进行直观对比，滴滴的轨迹数据在平均误差方面仅为8.6%，也就是说准确率高达91.4%。这也意味着，交通信号优化终于找到了持续、可靠且廉价的数据渠道。
优化方法：感知+评估+优化+实施的闭环系统
有了持续可靠的交通数据作为可靠基础，就可以对信号灯系统进行优化。仅需利用滴滴上的轨迹数据作为唯一的数据源，便可构建一种闭环的智能交通信号监控和优化系统。整个循环的迭代过程包括：感知、评估、优化、实施这四部分。
图2 闭环的评估优化过程
具体的方法则包括交通需求预估、轨迹可视化、参数优化这三个步骤。首先要做的是交通需求预估，只需使用已有的历史轨迹数据即可。经过实践证明，即使是在很低的渗透率，如1%到6%，用车辆轨迹数据对交通需求进行预测，也可达到一个不错的精确度。其次要做的是轨迹可视化，即根据轨迹数据生成时空图以及延误图表，让交通工程师可以直观地了解各个路口的具体交通情况。
最后要做的是参数优化，细分为时间段划分、周期时长与相位差优化两个步骤。所谓时间段划分，最典型的方案是分为早高峰、晚高峰、平峰这三种时段。至于周期时长（本次绿灯到下次绿灯的总时长）和相位差（相邻路口绿灯的时间差），则对主干道的信号协调有着意义深远的影响。
对于不饱和的路段，相位差和周期时长采用经典的组合方法来优化；对于过饱和的路段，扩大绿波不再是主要目标，而是将过饱和带来的影响最小化。为了减少红灯信号期间的溢流所导致车辆停在十字路口区域，优化效果还需要确保当红灯信号开始时，交通流能够移动而不是在路口中心排队等待。
此外，根据车辆延误还可识别过饱和度。如果车辆延迟超过一个信号周期，可能是由于相位过饱（绿灯时间不够）所导致的，这时候就需要针对绿信比（绿灯时间占比）进行优化，并优先考虑主干道和高流量相位。如果不是过饱和的车辆延误，那么目标就是平衡流量/通行能力的比率。基于这两个规则，就可以构建最终的绿信比优化模型。
落地案例：交通延误指标降低27.85%
济南曾经是全国十大拥堵城市之一，特别是经十路交通堵塞情况比较严重。为此，滴滴团队采用上述方法对这一重要道路的信号配时进行优化。首先选择沿路的六个交叉路口进行调查，使用轨迹数据估算交通量，然后与卡口采集到的数据进行对比验证，平均绝对百分比误差仅为8.6％。之后，选择早高峰、晚高峰、平峰三个时间段，对信号配时方案进行优化，前后对比如表1所示。
可以看到，优化之后的信号灯，在实际应用中改善了绝大部分的延误指标，其中晚高峰时段的主干道延误指标降幅最大，为21.87%。整体来看，在大众最为关注的早晚高峰期，道路总体延误指标均降低了10%以上。效果最好的是红灯溢流车辆，也就是信号灯变化后停滞在交叉路口的车辆数量，减少了80%以上。
另一个落地的案例为纬十二路，前后变化情况如下：
需要指出的是，在纬十二路上，滴滴对早、晚高峰两个时间段的信号配时做了优化。从实际表现来看，早高峰时间段，干道延误指标降低了27.85%；晚高峰期间，干道延误指标减少了13.3%，交叉口延误指标也降低了8.98%。
可见，滴滴海量轨迹数据在交叉口信号控制方面的应用，确实为缓解“城市病”提供了一种行之有效的解决路径。