原创| 清华大学姚丹亚教授：大数据+车路协同是解决交通安全和管理的根本路径

Original NDANEV 新能源汽车国家大数据联盟 2020-09-01

交通大数据+车路协同怎么和交通安全、交通管理很好的结合起来从而解决交通领域的痛点问题？

2018年11月23日，在“数据·创造·价值”新能源汽车国家大数据联盟2018年会上，清华大学姚丹亚教授围绕“交通大数据、交通安全和交通管理”的主题从交通大数据、大数据和车路协同结合及所面临的机遇作了精彩的分享。“大数据+车路协同是解决交通安全和管理的根本路径”，姚丹亚教授在谈及交通与大数据结合的应用时强调。

清华大学姚丹亚教授

大数据的应用现状和特点

交通大数据主要来源于汽车行业、交通行业和其他方面3条路径。汽车行业数据来源主要包括政府为发挥其监管作用所设立的监管平台和市场化的服务平台，目前监管平台包括新能源汽车监管平台、两客一危监管平台和货运车监管平台，市场化的服务平台主要是指依托车厂建设出来的telematics平台。交通行业也有大量的大数据平台，比如交警的大数据平台，有信号系统，每天把路面的交通流引进来，有交通流检测系统、卡口系统，它是以交通流为主，卡口通过车辆识别，细化到车辆在路面行驶的数据。其他的数据主要是指媒体互联网平台，通过移动设备，通过采集拿到大量的数据，如高德、百度地图等数据。

姚丹亚教授讲述交通大数据的特点

“国家监测平台的数据流向数据流以车到子平台到总平台为导向，它以单向上行为主，同时下行主要用于信息服务，其通讯的实时性要求较低，目前3G基本满足了要求，主要以政府监管和信息服务为主。”姚丹亚教授在谈到这些数据的技术特点时表示。同时，政府监管平台数据最直接的用途在于补贴方面，而信息服务数据的主要应用在于挖掘后市场运行价值。

交通与大数据结合的痛点

姚丹亚教授表示目前交通所面临的两大痛点分别是堵车和车祸。“一说交通想到的就是堵车，其次就是出车祸”。城市道路交通的拥堵点主要在路口，这主要是信号灯的控制不能依据每辆车的需求进行调整所致。从大数据的角度出发，可以根据估算的车队排队长度确定信号系统配时方案以提供路口最大的通过率。另外，堵车问题还包括瓶颈堵车，即拥堵时瓶颈点通行量远远小于通行能力。

安全问题主要涉及被动安全，如保险杠、安全气囊，主动安全是ABS、ESP、ACC、ADAS。

从大数据的角度分析，路口堵车、瓶颈堵车和连环撞车的主要原因在于信息全面性不够、信息力度不够、信息实时共享不足三个层面，涉及360°视野问题、盲区问题、大数据采集周期问题、获取数据-应用的延时性问题等。

大数据据+车路协同是根本解决之道

关于交通所面临的堵车和驾驶安全问题的解决方案，姚丹亚教授表示，大数据+车路协同是解决交通安全和管理的根本路径。利用大数据的方法，大范围信号配时优化（云）+车速引导（车路协同）的城市道路交通主动控制和固定瓶颈（云）+突发瓶颈（车辆系统）及分级车速控制疏导瓶颈的高速公路瓶颈交通主动控制方案可以提高交通效率从而大大增加车辆在路口和瓶颈时段的通行能力。

对于车辆的驾驶安全问题，借助车路协同和ADAS数据，充分利用通信手段，通过汽车/道路/行人的协同和交互提高从而提高其安全性。而这需要人车路的协同参与。

最后，姚丹亚教授介绍了目前大数据+车辆协同发展的机遇。大数据+车辆协同的概念已经做了大量的宣传和推广工作，尤其是随着无人驾驶和智能汽车的发展，工信部和交通部也把车路协同的很多东西应用于交通的领域，已形成一定的规模性示范。近期，随着互联网巨头的加入，如阿里云溪大会发布车路协同战略、百度阿波罗计划增加车路协同、腾讯车路协同战略等，无锡城市级应用，工信部5G推进计划等的推进，大数据+车路协同将迎来大规模爆发的机遇。