银江股份智慧交通研究院郭海峰：人机耦合在城市交通智能治理中的创新与实践

 　　由艾媒咨询主办的“2020全球未来科技大会”夏季线上峰会于8月20日18:30正式开播。

　　本次大会以“科技当夏·消费焕新”为主题，分设“新科技·新基建”和“新模式·新消费”两大专场，聚焦AI应用、智慧交通、智慧城市、在线教育、在线办公、在线娱乐等前沿话题，汇聚各行业精英领袖、专家学者共同畅谈前瞻观点，探寻新经济行业新的增长动能和发展路径。

　　在“新科技·新基建”专场上，银江股份智慧交通研究院院长兼总经理郭海峰围绕“城市交通智能治理”，发表了《人机耦合在城市交通智能治理中的创新与实践》主题演讲。

　　郭海峰表示，如何确保城市交通工厂能够整体安全、稳定、有序和快捷地运行？这是一个极具挑战事情。近几年城市道路，尤其是一、二线城市交通问题变得越来越复杂，现在提倡的新的理念就是治理。

　　治理思维的本质就是效能驱动，或者说Effec驱动。郭海峰认为，通过调用AI技术，可以对整个杭州交通的运行和控制，通过AI驱动进一步转动起来。最终希望能够对城市道路交通系统达到可见、可辨、可管、可控、可治、可服。

　　以下，为主办方官方整理的银江股份智慧交通研究院院长兼总经理郭海峰演讲全文实录(部分内容有删减)：

　　大家好，非常荣幸参加艾媒咨询主办的“2020全球未来科技大会”，我今天想和大家分享的主题就是“人机耦合在城市交通智能治理中的创新与实践”，向大家分享我们团队在杭州从2017年到现在，杭州城市大脑建设以来取得的成果。

　　2015年，我去华盛顿大学访学期间，到美国华盛顿州交通指挥中心进行了参观。在参观的时候，给我几个比较深的感触：

　　第一，美国华盛顿州的交通指挥中心，从建设规模及昂贵程度和我们国内相比差很大。我们国内的交通指挥中心，如果大家去北京、上海或者杭州，看看当地的交通指挥中心，就会发现我们交通指挥中心建得相对比较豪华。但是美国的交通指挥中心比较简陋的。

　　第二，整个美国华盛顿州交通指挥中心的工作人员只有几个，和我们国内也是相比差别非常大。我们国内的指挥中心，尤其在早晚高峰期间，工作人员非常多。

　　所以在美国参观期间，这两点给我的感触比较深，美国这边工作人员表示，美国华盛顿州大部分的工作基本上都可以通过计算机自动化完成，也就是说，对整个华盛顿州尤其是西雅图地区，他们通过计算机很好地完成了道路上交通流量数据的采集分析，以及相应的城市道路还有快速路的控制。

　　第三，我在华盛顿大学访学期间观察到，“葫芦藤”式的吊挂的信号灯在西雅图随处可见。这种现象在我们国内也是见不到的，即便是二、三线城市，国内在路口的红绿灯建设也是比较好的。

　　美国无论是外场建设，还是内场建设，在信息化技术设施建设这一块，做得并没有我们想象中的那么豪华。但是他们在内场建设，尤其是软件系统开发这方面，自动化流程做得非常好。相比而言，我们国内在这方面一直做得比较欠缺。在2017年，杭州这边开始在建设城市数据大脑，实际上我们在2018年4月份开始建设交通信号配置中心。

　　这个交通信号配置中心从内场建设、软件平台还有驻场的工作人员，基本上都是我们团队一直在做。从这几年开始国内也逐渐注重内场方面的建设，尤其是在软件平台开发这方面，实际上我们的投入比较大。

　　当然我们不能拿国外的例子和中国直接对比，毕竟国情、交通出行的背景相差较大，但是有一点值得借鉴的是，美国非常注重内场软件平台应用方面的开发。从经费划拨来看，美国城市交通信息化外场建设和软件平台差不多能够达到1：1的规模。这在国内几乎是不可想象的，我们国内交通信息化建设在过去20年当中，软件开发所占的成本和费用只占了非常少的比例。

　　近几年，杭州逐渐开始重视内场软件平台应用的开发。这个配置中心里面的软件平台，一方面是阿里开发的城市大脑数据对接平台，另外一方面是根据城市大脑输入数据，然后开发对整个城市交通运行控制的软件平台。所以在整个建设的过程当中，因为有了软件平台建设，才能对城市整体的交通运行给予一个很好的分析研判，然后对城市整体交通运行很好的控制。

　　但是近几年，我带的团队发现一个问题——软件平台难以用数据驱动，经过分析发现，是数据质量的问题。在西雅图交通指挥中心我曾经问过工作人员，工作人员回复说，西雅图道路上的检测器完好率差不多能够达到90%以上。也就是说，道路上埋设的各种检测器传递到指挥中心的数据质量是可靠的，基于可靠的数据质量才能做出有保障的分析研判与决策。

　　而国内，比如说杭州，这里道路上的检测器有将近一万个线圈、感应线圈或者是地磁，根据这一万个检测器数据样本的质量，经过分析，我们得出结果，而这个结果里面，完全正常、能够被上层的应用所调用的数据仅占了25%，数据缺失差不多占了40%，数据异常又占了大部分。这里面有很多原因，比如说很多检测器的地磁由于无线的通信，暂时通信连接断了等等，导致整个数据的质量出现很大的问题。这些数据质量有问题，我们靠数据驱动起来的上层应用，显然难以保障。

　　实际上我们现在的城市道路交通，已经由原来管理的思维向治理的思维转变，区别在于，管理思维更多地注重过程，也就是把过往的业务过程信息化、流程化，并且整个运行的模式是以事件作为驱动。

　　近几年城市道路，尤其是一、二线城市交通问题变得越来越复杂，现在提倡的新的理念就是治理。治理思维的本质就是效能驱动，或者说Effec驱动，就是对城市交通运行管理时，不能再注重于抓过程本身，而是主动分析整个城市交通运行处于什么样的状态。像经营一个酒店，经营、运行整个城市道路交通系统。

　　按照治理思维，我们重新运行IT技术来构造一个数字孪生的交通系统。如果我们能够运用IT技术对整个城市交通运行进行很好的管理和控制的话，我们就等于在虚拟的IT世界里面，搭建一套和现实世界中的交通平行运行的系统。

　　按照这样的思维模式，从几方面来进行处理：第一是物理角度，就是我们能够看得见的城市道路交通运行的道路本身；第二从设备上的角度，也就是对人进行高效管理；第三就是信息角度，信息也就是数据。

　　从三个维度来对城市交通进行全新的治理，这是一种新的思路。

　　举个例子，比如说，将杭州的主城区路网想象成一个交通工厂，它有6000多个路段、1500多个信号路口，每小时大概有50万辆机动车在路上运行，这些车辆在整个道路交通系统上，随机出现，随机消失，对路网产生了较大的干扰。

　　我们面对的城市道路交通系统就是这样一个情况。在这种情况下，如何确保城市交通工厂能够整体安全、稳定、有序和快捷地运行？这是一个极具挑战事情，当我们对某一个交叉口进行治理，这个方向堵了，我们通过调整区划、红绿灯的配饰，有可能对个别的交叉口进行、治理。

　　但是如果我们面对的是上千个交叉口，是城市交通这样一个复杂大系统的话，我们怎么样进行、系统化的治理，这个确实是非常有挑战性的一个课题。

　　我们再看一下，2015年高德地图发布的数据中，杭州拥堵程度排在了第四位，到了2017年，杭州拥堵排名已经降到了全国第48位。这两年的时间杭州并没有出现大规模的地铁开通，反而是一直在建设地铁，多条线路地铁正在施工，对于道路交通环境产生了很大的破坏，并没有新的路线开通，交通出行的方式并没有发生根本性的变化，而机动车的保有量又不断增加。

　　杭州的交通背景实际上是恶化的，在路网结构和交通出行方式基本都没有变化的前提下，为什么杭州交通拥堵的程度反而下降了？其中一个原因是杭州从2017年开始，由阿里牵头，做城市数据大脑。

　　阿里主要贡献是在感知层，把杭州相应交通的数据都汇集在一起。现在日均处理交通非结构化的数据大概有400TB，结构化的数据大概是每天有150GB，完成了主城区大约5000路视频的实时在线分析。但实际上，对一个城市交通系统而言，这个感知能力其实依然是比较弱的。

　　这三年我们发现，即便是杭州，到目前为止也并没有充足的数据输送，使我们能够对整个系统进行非常完整的分析。但不管怎么样，从2017年开始建设城市数据大脑，我们也开始对杭州的城市交通进行相应的治理，对杭州交通拥堵起到了一定的疏通作用。

　　将城市大脑的智能化分为几个层面，首先感知层面、认知层面、决策层面、控制层面以及反馈层面。只有从感知一直到认知、决策、控制、反馈这几个环节全部到位，对于一个复杂的系统，智能的程度才能够真正体现出来。

　　目前，我们在利用智能处理负责系统工程问题上，仅仅是做到了一个冰山一角。对于城市交通来讲，我们现在面临际遇三叉口。要么我们按照传统的，以人的经验进行管理，要么我们按照纯IT界的，进行机器智能对整个城市交通进行处理。

　　但是现在城市道路交通的数据质量确实比较堪忧。机器智能如果没有源源不断的、稳定可靠的数据供给，机器智能本身很难真正驱动起来。所以我们使用人机治理模式，把机器的计算能力和人的经验智能结合一起进行制定。

　　回顾城市智慧交通建设过往的20年，从1997年线性的、管理的模式，不断运用IT技术对管理链上公务人员或安装在外场的设备进行管理，并没有对城市交通系统运行做太多深入的工作。

　　过往20年一直是事件驱动，或者说Event驱动。我们应该正视，目前IT技术我们没有办法像工厂流水线一样，驱动交通系统能够自动化的运行，原因之一交通系统是人构成的，这种人的因素本身就有瓶颈，导致系统没有办法进行自动化。

　　另外就是，现阶段数据没有办法自动化。谈到数据，我的理解是数据其实就像土壤一样，尤其是在城市道路交通系统，我们所有的各种各样的数据，很难直接进行使用。为了让数据发挥出价值，我们要在拿到手数据的基础之上做许多的工作，好像培育土壤，将土壤培育好之后才能去应用。我的观点就是数据就是土壤，培育好数据，才能够运用AI的技术来进行透视。

　　AI技术对道路交通系统而言，客观价值就是能够在未来实现透视能力。所谓的透视能力就是真正把数据汇聚起来，应用AI相应技术能够对复杂大系统，比如说城市道路交通，能够透视运行的规律，掌握规律。只有把握系统运行规律，才能进行很好的治理或控制。

　　因此我们所提的理念就是人机耦合，这是我们的核心技术。对一个城市来讲，我们治理的目标，就是希望通过运用数字孪生的技术来透视城市交通系统的运行。最终希望能够对城市道路交通系统达到可见、可辨、可管、可控、可治、可服，这几个步骤，目前我们基本上做到可见、可辨，也就是能够辨识交通系统当中出现任何的异常，然后也能够进行相应的管理。

　　在可控方面，我们对城市道路交通系统现在做的比较有限。我们现在还不能完全对城市道路交通系统运行完好地控制，达不到可控的程度。可治是按照目标进行有效治理，这方面也比较有限的。最后一个是可服务，即是为广大出行者进行服务。无论是城市道路交通系统信息化建设，还是热炒的AI，我们为出行者提供很好的服务了吗？我想这个答案肯定是否定的，出行者并没有感受到很好的服务。所以在可服这方面我们还是任重道远的。

　　这就是我们这几年做的系统平台，按照前面所讲理念，就是说，我们从物理维度对整个路网、路权、路设、路障、路效等方面进行治理，也开发了相应产品平台，比如说路口管家，路口管家相当于我们把整个城市道路交通系统这个物理空间数字化了。数字化之后，我们对城市任何一个交叉口、路段，都能在数字的世界里面得到映射。现实世界一更新，数字世界里面的信息也会进行同步更新。

　　实际上这部分工作量非常大，现在为止全国大部分城市都没有这种数字档案，实际上很难基于找到相应的物理空间中对应的数据，进行上层应用。

　　另外对空间的数字化后，我们对城市的交通进行了很好的控制。在这方面，我们和伊朗的差别也是比较大的。比如说在过往我们一提到城市交通控制，或者交通信号控制。大家可能想到传统思维模式，比如说单点的信号控制、干线协调的信号控制、区域协调。实际上，城市发展到今天，交通系统的问题变得越来越复杂了，对城市交通的控制也要重新再认识。把整个城市交通系统看作一盘棋，对整个系统来去制定控制策略、控制方案，还有相应的配置参数。

　　我们对交通控制的梳理和以前完全不一样，根据这样的理念我们也开发了新平台，我们把他称为信号专家。整个信号专家都是按照新的控制理念开发，现有系统平台和传统信号控制系统，实际上差别也是蛮大的。

　　另外，无论是路口管家，还是信号专家，都是要靠数据驱动。如果没有很好数据处理机制，上层的应用实际上很难做到，针对这样的情况，我们开发了数据中台，通过这样数据中台，从信息的维度来进行治理。从这个维度，实际上我们做的工作更多的就是要重构数据、模型、算法、平台和服务。

　　我们要重新认识数据，数据存在功能障碍和数据方面的性能障碍，我们要从两个数据的障碍来进行处理。举个例子，比如说这是一个城市我们能得到的检测器的数据，按照运维的角度，尤其是检测器厂商，只要上层的软件平台能够检测到检测器的信号，他们就认为我的检测器是正常的。

　　但是我们接手了之后，通过详细的分析发现并不是这样，因为检测器上来的数据，可以分出来很多种，比如说检测器损坏、数据本身异常、数据有噪点、检测器不正常、或者是通讯有问题等等，检测器故障的种类可以划分出很多，我们针对不同的故障，对数据进行不同程度的处理。

　　如果不搭建自己数据中台，我们没有办法把检测器直接传递上来的数据直接导入到上层的应用来进行处理，所以在数据中台我们做了很多的工作，最终AI才能够驱动起来，这也是我们在杭州这边所做的有关AI信控的工作。因为有了数据，尤其是数据中台进行保障，通过调用AI技术，可以对整个杭州交通的运行和控制，通过AI驱动进一步转动起来。

　　以上所以这就是我们在杭州这边做的一些工作，也非常感谢组委会的邀请，我和大家的分享就到这里，谢谢大家！