前段时间地图红绿灯倒计时火爆了一把,一时间引起了行业高度关注和热议,其中折射出的我国绝大多数红绿灯路口仍处于固定方案定时控制之下的现实也着实令人唏嘘。在各种新技术冲击的当下,令人不禁想要扣问:我们离智能红绿灯还有多远?
可能有人会认为我们离智能红绿灯只差一套靠谱的检测器或检测技术,之所以采用定时控制实属缺乏有效数据采集的无奈之举;有人则会认为是差一台边缘智能体,因为路口信号机算法太low、算力太差,不能用好路口更多的各类数据;还有人会认为需要人工智能AI、大数据、云计算、互联网+等先进技术加持,从平台端另立一套算法模型系统,直接实时算出更加精准给力的配时方案……一定是众说纷纭,仁者见仁,智者见智。相信大家对上述这些说法和技术路线都不陌生了,甚至在近几年的轮番轰炸中感受到越来越熟悉的味道。但是几轮下来,红绿灯智能化却似乎仍在原地踏步,依然感到很受伤。为什么当前红绿灯智能化会处于停滞,让人感受不到智能?我们该如何破局?下面笔者尝试从某些方面进行些许探讨,抛砖引玉,共同思考。要建设智能红绿灯,同其他智能系统一样,离不开两个核心要素:一个是数据,另一个则是算法。算法与数据之间的关系是微妙的,算法决定着我们需要去采集和计算什么样的数据,而数据的积累和拓展又能够推动算法的升级。那当前在智能红绿灯建设和探索中,这两方面的情况又是怎样的呢?很遗憾地讲,似乎都进入了不同程度的认识误区。我们先看第一个方面数据问题,谈到数据很自然地会联系到检测器。数据和检测器这方面当前热度和关注度都很高,雷视一体、全息检测等等检测技术手段层出不穷,互联网数据、轨迹数据等等数据源不断丰富,似乎只要解决了检测和数据问题红绿灯信号控制就能够实现智能化。关于此方面笔者之前在《信控检测的困境和症结》一文中已作过一些探讨,且这方面还涉及各类数据在信号控制中应该如何使用,是所有的数据都可以用于实时信号控制吗?等等信控中的数据治理问题,受篇幅限制,也不是本文重点,笔者在此文中先不作探讨。再来看另一个方面算法问题,这方面就相对冷门许多,当然也不是完全没有热度,所以需要我们额外关注。目前市面上主要是类似AI智能红绿灯系统和边缘智能体等相关的两类产品,分别从平台和前端两个角度对应挑战传统信号控制系统和信号机。AI智能红绿灯系统主要是直接通过在平台端汇集的多源数据另立算法模型计算配时方案,以不断缩小数据粒度和提高配时方案更新的频率来保证系统优化的实时性,方案生成不依赖路口信号机的数据检测和计算,信号机仅执行方案,其本质上使用的仍然是脱机方案优化技术。边缘智能体则主要是在前端对路口信号机的数据源处理能力进行一个拓展,其信号控制算法主要还是以单点感应控制或自适应控制为主。也就是说,二者主要加强了对多源数据的利用能力,但在算法上与传统信号控制系统和信号机大相径庭,并没有明显革新和突破,且仍以调整配时方案的自适应性为落脚点。通过以上对当前智能红绿灯建设探索中关于数据和算法两方面的情况进行简单梳理,结合行业发展现状,越来越能明显感受到行业目前正在形成一种潜移默化的认识:(1)路口红绿灯之所以不够智能,主要是因为缺乏数据采集,只要配好检测设备或拓展数据源,靠现有信控系统算法就能实现红绿灯智能化;(2)现有路口单点感应控制或自适应控制等于路口智能红绿灯,即只要实现了红绿灯时长随交通流的变化就是智能红绿灯。现有路口感应控制或自适应控制是路口智能红绿灯的“终极形式”吗?单纯靠实时调整配时长短真的能够实现红绿灯随交通流变化而变的自适应控制吗?这是值得深思的问题,让我们从几个例子中寻找答案吧。为了更简便和直接地探讨问题,让我们选取一个普通十字交叉口的进口,设定交通组织渠化相对正常合理,每种流向车辆均匀通过路口,简单分析下不同交通流分布状态下的信号控制和配时问题:(1)如图a,我们可以看到进口左转和直行交通流存在明显差异、分布不均衡。假定一个周期内清空左转排队车辆需要20秒绿灯,清空直行排队车辆需要50秒绿灯,该进口目前信号放行相位A设置为直左单放,暂无其他相位设置可放行该进口直行和左转,不考虑右转控制和行人信号。此时自适应的智能控制系统该如何给A相位分配绿灯时间呢?显然,我们至少需要给A相位安排20秒绿灯,以便至少清空相对较少的左转排队。但20秒后呢?有趣的事情发生了:我们还需要30秒绿灯才能清空直行排队,否则将造成直行二次排队和持续积累拥堵,所以需要延长该相位绿灯;而一旦延长相位绿灯,左转的绿灯空放浪费就会开始。(图a)
只实时调整相位配时,让我们陷入到矛盾的两难境地,怎么调整时间分配都无法精准适应交通需求。如何解决这个难题呢?我想这时候肯定马上会有人站出来说进口相位设置或车道划分不合理。是的,只要略有经验的交通工程师或交通管理者马上就会发现,我们需要调整车道或相位设置,要么按图a1调整车道设置,要么按图a2调整相位设置,这或许并不是什么交通组织和控制难题,而是常规的优化操作。一般车道属性设置应相对稳定,上述进口流向分布状态不是长期稳定的情况下,通常先通过调整相位设置来解决,即我们需要在20秒绿灯后结束A相位,开启一个新的B相位阶段放行30秒绿灯。这个相位的出现(也就是传说中的搭接相位,当然方案并不唯一),既满足了进口直行剩余排队车辆的通行需要,又引入了不冲突的其他交通流的放行以避免绿灯时间分配的浪费,有效应对进口流向分布的不均衡,提高了时间通行权的分配效率。(2)如果该进口的交通流分布变化为图b的相反状态呢?同样类似的问题和方法,需要对应调整车道或增设一个新的C相位作为搭接来解决,具体直接看图b1和图b2,此处不再赘述。
(图b)
(3)而如果进口恢复为图c的均衡分布状态呢?此时就不再需要搭接相位B或C来解决不同流向的分布不均衡问题,只需要给A相位分配50秒绿灯,并在相位绿灯运行时间内对直行和左转车流运行状态进行检测并实施感应或自适应的时间控制,来保证已分配绿灯的利用效率。(图c)
通过以上几个例子,我们就会发现:在路口车道渠化相对固定,相位相序方案设置确定的情况下,只对相位配时长短进行实时调整优化是难以完全适应交通流变化的,也即实际上不能够做到自适应控制。
只有先动态优化相位设置,使相位设置匹配分布状态的变化,相位内的交通流组合相对均衡,才能使得后续相位时间的运行和控制更加精准地适应交通流运行,从而实现对交通流真正的自适应信号控制。在当前信控实践中,通常路口渠化及相位相序方案由交通工程师人工预先制定,并需要专业人员定期研判交通流的变化予以调整优化,而相位配时方案则由信控系统通过布设检测器实施现有单点感应或自适应控制功能进行实时调整优化。也就是说,目前实践中相位相序设置由人工完成适应交通流需求的设定和优化,现有信控系统尚不具备根据交通流变化自适应调整相位相序的功能。人工优化调整能够赶得上交通流的变化吗?显然不能,而且往往是滞后和被动的。还是前文中的例子,追加一个问题:如果进口交通流的分布状态在较短的一段时间内,在图a、图b和图c的3种情形下随机变换,我们又该如何应对呢?这恐怕才是我们面临的真正难题,此时就需要实时对应生成、调用或跳过搭接相位B或C,以适应进口流向分布状态的随机变化。而靠人工显然无法精准完成上述操作,必须通过智能化的系统功能才能实现。事实上,我们回到路口交通流运行的本质特征上来看,交通流由路段进入路口,由于存在进口流向和车道的划分,车辆进入导向车道通行的过程实质上将路段的一股同向交通流分成了不同流向的多股交通流。这个过程使路口交通流先后呈现出两个显著特征:(1)横向的不同交通流向的分布特征;(2)纵向的每股流向交通流的队列流特征。这两个特征与路口信号控制息息相关,横向的分布形态影响着相位设置,纵向的队列流运行状态影响着相位绿灯时间的分配和控制。在日常路口交通活动中,由于车辆到达的随机性,不仅纵向的车队流排队和跟驰会呈现随机性,横向分布状态通常也会出现随机性变化。因此,要建设路口智能红绿灯,实现路口智能化的自适应控制,精准适应路口交通流的变化,势必要将相位相序优化的自适应纳入到现有信控系统的功能算法体系当中,建设更高阶的自适应控制算法体系,进而推动孵化建设新一代智能化信控系统。那么当前推动信控系统算法向相位相序自适应升级有可行性吗?这就要看路口交通检测技术的发展水平了,检测技术革新和数据拓展往往能够推动算法升级。上个世纪60年代开始,断面检测技术的出现和逐渐成熟,为信控系统提供了准确获取纵向队列流运行状态特征的重要手段,使相位时间分配和控制的自适应(即现有路口感应控制和自适应控制技术)得以实现,并逐渐建立了现有的信控系统算法体系。但断面检测技术却难以准确获得横向流向分布形态特征,不能完全捕捉路口交通流变化特征,使得我们在较长时期内只能依靠大量的人工工作对路口相位相序进行被动优化,现有信控系统的算法只能局限在配时自适应控制的最末端,效果自然是跟不上交通流的变化而不够智能、大打折扣。如今逐渐成熟的空间区域检测技术,能否发挥自身优势,准确获取横向流向分布形态的变化,进而使相位相序的自适应成为可能?我想就把这个问题留给交通检测器厂家和“爱好者”来回答吧,我们拭目以待。最后,相位相序的自适应仅仅是算法升级的一小步,信号控制的应用场景不是只有孤立的交叉路口,我们也不可能在所有交通状态下都一味地去满足和适应交通需求,智能红绿灯建设与探索仍然存在很多未知和可能。
或许,智能红绿灯并没有“终极形式”,但只要我们秉持求真务实、守正创新的信念和初心,深入到交通管理具体实践中,有机融合运用新技术手段,不断推进红绿灯智能化的前进步伐,相信智能红绿灯实现的那天离我们不会太遥远。