交通信创 | 国产自主AI大模型、全息感知加持，能否实现区域信控的自动化、无人化？
01
交通信号控制的高级发展阶段
首先来看一些道路交通信号控制方面的基础知识，交通信号控制的分类有多种方式：
按控制策略分定时控制、感应控制、自适应控制。相当长一段时间多数设备都是定时控制，包括一些感应控制、自适应控制设备，当流量检测有问题时，就会降级为定时控制。
按控制结构分集中控制、分散控制和递阶控制。现阶段有部分开始进入到分散控制阶段，这得益于感知和边缘计算能力的提升。
按控制方式分方案选择和方案生成。方案选择简单来说就是预设方案后，根据时间、流量变化来选择已有方案；方案生成就是没有预设方案，只有逻辑和目标，周期、绿信比、相位等自动生成方案，所谓软件定义信号机，应该就是指这个吧？
按控制范围分点控、线控、面控。线控（绿波带）现在也很常见了；面控（区域协同、绿波网等）还是很少见……
道路交通信号灯发明至今已有一百五十余年，道路交通信号控制系统应用至今也有百余年，这一百余年里，道路交通信号控制系统的结构框架、逻辑有发生很大变化吗？基本没有。那么为什么交通信号控制一直未能发展到高级阶段？
大抵是因为这一百余年来交通信号控制系统的结构、逻辑虽然没有变，但为提升其控制能力的感知、方案生成能力却一直没有太多变化，线圈感应用了大半个世纪，方案生成上百年来要么是预设，要么是人工去现场勘测后生成。但近十年来，感知能力的提升可谓是突飞猛进，微观、宏观层面的交通流感知都有前所未有的提升，同时在算力、人工智能大模型的支撑下，从而能够将信号控制系统往上文所举交通控制各分类中的最高等级去发展，比如递阶控制（可以理解为分层次的全局优化控制），比如面控（大范围控制），比如控制方案自动生成，比如更智能的自适应控制。
事实上，这几年我们也看到了一些城市交警在推动信号控制往高级阶段发展，比如一些城市在建设统一信控平台，比如一些城市在推动双向绿波带、重点区域综合治理，比如百度在湖南株洲天元区、保定市城区等落地的全域信控缓堵解决方案，都是该发展趋势的体现。
02
智能交通领域的全栈能力
有条件探索面控、自适应控制的城市很多，但有条件探索递阶控制、方案自动生成的基本上没有，具备能力的企业更是凤毛麟角。
要具备什么样的能力？ITS114认为，一是要提供统一信控平台或者能向下兼容统一信控平台，使之承担配时方案自动生成之后下发、执行的平台；二是具备对超大规模、多源数据的处理和融合分析能力；三是能应用人工智能AI大模型，使之具备全局持续优化、不断学习的优化能力等等，同时能够根据全局感知状态来验证配时方案是否有效，通行效率是否得到了提升，如果不能，还要能判断问题出在哪里等等。当然，还要具备较强的交通工程、信号控制专业素养、了解一线需求，有一支拥有信号控制与交通组织优化的实战队伍等等。
那么谁具备这样的能力？
可能未来会有不少企业具备，但目前走在最前面的是百度。
其次，我们知道百度是一家具备强大互联网基础的AI企业，将AI大模型与包括信控在内的智慧交通应用场景结合，是自然而然的事情。
百度是全球为数不多IT技术栈进行全栈布局的人工智能公司，从昆仑芯芯片，到飞桨深度学习框架，再到文心预训练大模型，到交通大模型，再到全域智能信控、高精度数字孪生地图等应用，各个层面都有自研技术。全栈布局的优势在于可在四层架构中实现端到端优化，大幅提升效率。芯片、框架、大模型、和应用场景，可形成一个高效的反馈闭环，帮助大模型不断去调优迭代，越做越好。
基于交通大模型的百度全域智能信控缓堵解决方案，就是一个典型的场景应用。
03
如何实现全域智能信控缓堵？
百度基于实时感知、机器视觉、交通预测、问题诊断、策略推荐、配时优化、个性化提示等交通大模型，提供全域感知、全域优化、全域协同和全域服务四大能力，实现信控优化的代际提升，可实现超千规模路口的全域拥堵治理。
百度有什么？有十亿地图用户的浮动车互联网数据，结合交管已有电警、卡口等视频专网数据+关键路口雷视一体机流量数据”等多源融合数据，就可以精准实时感知交通变化。简单来说，是几年前发端的“互联网交通大数据+信控”的强化升级版，只是更立体和全面，能将宏观交通态势与微观运行监测结合，服务于全局的控制目标。
有了数据，还要有工具。百度通过GNN图神经网络技术，实现未来流量预估、交通流量补全、车牌轨迹补全、道路关联分析、主车流预测等，融合感知和深度态势研判，为道路交通组织精细分析、规划、渠化与优化提供支撑。
GNN图神经网络技术是工具，那么人工智能交通大模型就是体系、流程。百度基于由文心赋能的交通大模型，来提取交通对象特征，开展智能分析，实现全域感知与认知，仅通过60%路口的部署，即可实现95%范围内的感知，可以更好地适应全国不同类型城市交通管理的需求，使前期交管投资发挥最大化价值。
有了数据、工具、流程体系后怎么办？
首先，百度可提供城市交通信号统一管控平台，同时也可以在已建成的统一信控平台上部署全域信控缓堵解决方案。也就是说，要实现全域智能信控，统一信控平台也必不可少。
其次，在配时优化方案层级，百度提供AI信号配时优化系统，具备20多种信号优化策略，方案实时生成、自动下发，支持干线动态绿波、自适应可变车道、公交优先、特情保障、匝道控制等多种场景化方案。
再次，当信号本身无法解决问题时，就需要对交通组织以及渠化等进行优化。百度可提供AI交通组织优化能力，通过动静态数据融合诊断，基于大语言模型构建知识图谱与思维链，模拟专家能力，结合云上专家会诊，基于10+交通组织优化手段，实现交通组织优化与信号控制联动。简单理解就是将专家经验转化为人工智能方案，并能够通过条件变化、预设目标生成最佳方案。
后面两种能力，如果能在人工智能交通大模型的支撑下，自动生成方案，而且能自动执行且不出问题，还能达到预定目标，就可以视为人工智能与信控系统的深度结合。对于人工智能交通大模型而言，数据越丰富、优化方案越多、更新越快（执行效果能反馈给模型），那么生成的方案就会越精准，当然，前提是人工智能交通大模型具备很强的场景识别、目标理解、方案生成能力，尽管在智慧交管领域，信控场景的理解相对要比情指勤等指挥调度场景要容易，但相对于高速公路等其他场景，却是要更复杂，更琐碎、反复。
04
实战效果
据介绍，全域智能信控缓堵方案已经在北京亦庄、河北保定、湖南株洲、重庆永川等城市实战。
株洲天元区。在66个路口实现了全工况场景的区域级信控优化。结合宏观、中观与微观分析，划分为不同类型的子区，采用不同的优化策划与执行方案。针对单点子区，部署单点自适应；针对协调子区，实现干线/网络协调；针对缓堵子区，采用截源开流，缓进快出的方案。天元区通过全天候动态循环，使得信号灯配时贴近区域交通流变化，信控缓堵探索成效明显。天元区路口车均延误下降22%，干线拥堵指数下降13.4%，区域拥堵指数下降9.7%，区域平均速度提升10.6%。亦庄。百度在亦庄330多个路口部署全域感知设备，在60多条主次干道配置动态绿波，从而实现绿灯自由。从疫情开放前到春节后，对比22年11月26日与23年1月9日数据，北京车流量增长约180%，亦庄车流量增长约237%。北京拥堵指数极值到达2.91，平均增长约110%，亦庄极值1.49，平均增长仅17%。
保定。百度在保定176个路口部署智能信控，核心道路停车次数降低26%，车速提升3.3km/小时，路口排队长度减少20-30米，单个路口通过车辆数增加9.5%。
从株洲天元区的落地案例可见，这种分区、分层级的控制优化，很显然就是交通信号控制结构分类中的高阶——递阶控制，也是控制范围分类中的高阶——面控。至于方案是否自动生成，这就需要您去现场交流，或者与百度一起探索，将AI人工智能深度应用于信号控制，推动信号控制系统向更高阶段发展。
百度参加2023中国道路交通安全创新与合作大会
编辑｜新型基础设施建设公众号（ID：morlight20）出品 | 安东工作室来源｜信创纵横、信创咨询、智慧交通转载｜请注明出处
END
点击图片查看完整内容：