• 首頁 > ITS百科 > ITS文庫 > 正文

    信號優化實戰中對數據和案例的一些思考和探索

    2020-05-19 09:49:31 來源:中國智能交通協會 作者:陳寧寧博士 評論:
    分享到:

    一、關于檢測數據的使用

    image.png

      我們在重慶市北碚區這個路口做信號優化,這個路口比較簡單,我們關注北進口,綠燈時間有140秒,北邊的綠燈時間至少88輛車是可以過得去的,而從上游的視頻發現,其實每個周期上游只過來大概65輛車左右,很明顯88輛車肯定比65輛車大,也就是說它的通行能力是沒有問題的,每個周期應該是可以清空的,但是實際上這個路口卻向上排了540米,一直到上游的一座橋上面。拿到這個數據是不知道到底發生了什么事,只能到現場去看。

    image.png

      經常說“用數據說話”,但是現在數據打起架來了,對于交通工程師來說比較痛苦,后面發現原來這個問題不是出現在路口的上游,而是出現在往南走過了出口之后,南出口下游十米有一個公交站,這個公交站牌有公交車隨機停靠,再往下60米左右有一個不受燈控的行人過街,這兩個地方就不斷給通過這個路口的車輛產生隨機的干擾,導致這個路口通行能力不夠,就堵在路口了。

    image.png

      其實解決的辦法也很簡單,原來北邊放一個相位,是一個連續的時間,后來把它拆成了兩個時間,中間插了一個相位,為什么要中間插一個相位呢?就是讓它隨機被干擾的車快速從路口清空出去,這樣就基本消除了排隊。

    image.png

      這是一個SCATS系統導出的流向數據,再有經驗的工程師都看不出這個數據有什么問題。只能告訴你它是5分鐘的流量或者15分鐘的流量,不堵的時候可以用它算算綠信比,但是真的堵起來的時候這些數據可以反映什么問題?看不出來的。所以各種檢測數據給工程師的感覺就是冷冰冰的,很難從檢測數據和統計圖表上面找出擁堵的癥結,而且拿到手上的數據經常會互相打架,特別是對于擁堵點拿到的數據就是經常互相打架的。
      所以現在很多檢測數據,如視頻檢測數據,業主提供的數據,判斷擁堵成因的時候是有無力感的,不知道問題出在哪里。
      二、交通優化工程師需要什么數據?
      交通優化工程師最愛的就是制高點監控,因為高點監控可以上帝視角,一目了然,馬上可以發現這個病灶在哪里。但是缺點是制高點沒有數據,只能把它拷回來,再逐一地數,然后才有一些車輛數據、延誤數據、車頭時距等。

    image.png

      其實需要更精細的數據,每時每刻每輛車的軌跡數據,這個不是指衛星定位數據,是指接近路口和到了路口中央的時候每輛車的數據,并不需要這些衛星定位的非車道級的數據。
      第二個是更全面的數據,不僅是進口道的,而且還需要路口內部和出口道的數據,通常所謂擁堵路口,問題都不是發生在上游,而是在路口內部或者出口道的地方,經常會出現這樣的情況。但是這個在檢測過程當中一直是被忽視的,很少會拿到這個路口內部的數據或者出口道的數據。
      數據更可讀,就是檢測出來可以反演出來,即數據化的上帝視角,交通優化工程師最喜歡,可以很快辨別路口出現的問題。
      所以交通優化工程師要更精細更全面更可讀的數據,主要是易于發現擁堵病灶,判斷它的擁堵成因,在計算分析問題的時候有數據支撐,上帝視角的數據是非常希望得到的。現在其實真正能夠給交通工程師用的數據是非常少的,在具體的工作中,經常要出去調研,出去用無人機拍,要拿制高點的錄像數車。
      總的來說,無論是大數據也好,人工智能也好,只是一個工具,要回歸交通工程,通過這些數據找到擁堵點到底發生的原因是什么,它的癥結在哪里。我們做了8000個路口的優化,然后我們稍微粗略總結一下,到一個新的城市跟一個城市的交警部門合作的首次任務,30%是市政府門口那條路,20%是很重要的主干道,10%大概是學校周邊,10%大概是環島,10%是一些很近距離的路口,堵在一起了,可能相距50米、30米。
      三、骨頭上到底還有多少肉?
      那作為交通工程師,第二個問題就是第一次優化效果不錯,還有空間繼續努力。第二次繼續優化,智能稍微優化一點,然后再想新辦法,用新技術,用互聯網,用大數據,用AI,第三次再去優化的時候基本上維持現狀了。最后得到的結論就是你們團隊水平不行,人家都可以優化百分之幾十,你優化15%已經優化不上去了。
      現在的媒體宣傳是這樣的,舉一個正面的例子,是柳州做的一個互聯網的優化,全城延誤下降7%,停車次數下降4%,我覺得這是比較中肯的數據,接下來呢?是要把延誤爭取為零嗎?真的做不到。
      還有反面例子,通行率提升40%,停車時間也減少40%,通行效率提升40%,這是不容易做到的,請不要過分夸大交通信號的能力,現在隨著布局的要求,各地的交警都在努力,很多城市,大多數城市都下過功夫,不要輕易說通行效率提高40%,其實提高40%的潛臺詞就是原來做得非常差,原來的管理水平比較低,還是要實事求是去反映這個路口到底能夠提高多少。
      在整個交通路網中,信號是唯一可以靈活調整的,經常被當成救世主,但是實際上又不是萬能的,經常就是死馬當活馬醫,那個路口從規劃開始已經有問題了。但是又很難說明這匹馬已經死掉了,大家都在盡力救它,或者說它離死馬還有多遠?所以交通信號最終就成了背黑鍋的唯一選擇,經常是唯一的選擇。所以是不是應該思考,既然去啃骨頭,骨頭上面到底還有多少肉?這個問題是不是應該大家努力去分析一下呢?所以我非常希望有一種能夠單純反映信號優化效果的評價方法和指標體系,而不是反映這個路口的通行能力,通行能力跟相位有關系,假如原來是兩相位改成四相位又不一樣了,改成五相位又不一樣了,到底多少個相位是合適的,極限在哪里?所以現在很難把路口優化這個極限說明白的。
      四、交通信號優化是技術,更是藝術
      在做實際信號控制的時候很多時候是超出了課本的范圍,超出了標準的范圍去想一些辦法,有點像瘋狂的藝術家一樣。但是問題來了,既然是藝術,藝術不能復制,不能生搬硬套,不能標準化,有這樣的問題,而且現在念完交通畢業的,愿意從事交通優化這個工作的人非常少,如何解決人才匱乏的問題?如何傳承這么賦有藝術性的技法呢?我們團隊現在100多人,我們做了,怎么傳承?怎么復制呢?如何改變信號優化這個行業一直是“小作坊”的狀態和模式呢?我覺得是做信號優化這個行業應該去思考的問題。
      雖然大家都在說AI,自動控制,其實大家心里面都很明白,它離真正的使用還有多大的差距,特別是對于擁堵路口,對于已經產生問題的擁堵路口,自動計算算法能做什么呢?大家很明白,還是要靠交通工程師的智慧。
      五、一切源于實戰的治堵智庫

    image.png

      以前有個說法,“熟讀唐詩三百首,不會吟也會偷”,我們把做的所有案例和能收集到的東西做了案例資料庫,這個案例資料庫現在有超過80個城市的內容在里面,有8000多個路口的樣本,最關鍵是5萬個案例資料,這個怎么用呢?

    image.png

      首先這個案例資料它不是僅僅指配時方案,如果只是把信號控制系統里面的配時方案拿出來,那個不叫案例資料庫,只叫配時方案。案例資料有兩部分組成,一是結構化的數據,結構化的數據包括路口的臺賬,線性檢測數據,還有一些流量,以及日常優化的登記表,這些數據結構化了之后可以用一些方法做特征匹配等等。

    image.png

      但是更大量的是非結構化的數據,它里面包含的是邏輯判斷,也就是交通工程師更藝術的部分,包括有案例報告,經驗總結,行業自銷,設計圖紙,知識手冊等等。

    image.png

      現在案例庫里面基本上可以遇到的所有關鍵字,在里面都可以找到相類似的案例,這里列舉了一些常用的,后面的數字就是在這里可以找到多少跟它相關的案例資料。其實有這么一兩百個做過的案例資料,對交通工程師有很大的支撐作用了。
      六、案例資料庫的“神助攻”

    image.png

      這些資料是怎么對交通工程師進行神助攻的呢?舉個例子,廣州市的南沙區有一個路口,這個路口的西進口綠燈時間足夠,但是病因很容易發現,就是因為南邊有一個支路出口,這里是一個小區的出口,小區的車右轉出來之后,有左轉、直行、右轉,這個病因在于小區的出口這里。

    image.png

      這是沒有改造之前的畫面,這里的車橫穿馬路到左轉和掉頭車道。在案例資料庫里搜小區出口和沖突兩個關鍵詞,就可以找到210項匹配相關的案例,然后在這些案例里面所獲得的關鍵常用方法、這些關鍵字有大概13項,其實這13項就是常用的方法,再去看這個方法跟現在這個案例是否匹配,一個一個去試,然后一個一個去跟業主討論,最后就選用了禁止左轉,高峰時期放了一排水在那里,平峰時期撤掉,對癥下藥,可移動的物理隔離,這樣就解決了問題,只是高峰期不能穿過整個馬路左轉。
      第二個案例,也是用案例資料助攻的,南寧市北湖立交路口,這個跟南寧很有名的蓄水池放行是相似的,我們想把它復制到北湖立交。但是復制的過程中,電動車的效率明顯提升了,但機動車堵得一塌糊涂。

    image.png

      地圖顯示,晚高峰西進口比原來還堵了,導航軟件顯示長紅有200、300米,去現場調研的時候發現其實是最左側的車道排隊超過200米,把后面的全堵了。病因就是在橋底下可以掉頭也可以左轉,但是左轉車只有4輛,掉頭車有16輛,也就是掉頭車太多了,把后面的左轉車、直行車擋住。這個車道可以掉頭也可以左轉,但是掉頭是不受燈控的,左轉受燈控,左轉車把掉頭車堵在后面了。

    image.png

      從案例庫里面找這個關鍵詞,左轉阻礙掉頭,可以找到接近200項的相關案例,匹配到常用的六種方法,選擇其中一個,就是設置左轉待轉區,讓這個車道上面突出來大概排兩個車道的待轉,15米,可以看到掉頭的車輛不受燈控,左轉的車輛在這里不會擋住掉頭車,這個問題就解決了。  
      本報告來源于2019年第十四屆中國智能交通年會,未經本人確認。

    本文作者:廣東振業優控CEO 陳寧寧博士

  • 關鍵字: 信號優化
  •    責任編輯:劉艷
  • 每周新聞精選

  • 關于我們
  • 聯系我們
  • 廣告贊助
  • 黄色网站,黄色电影,黄色片,黄色影片,黄色三级片,黄色视频,成人免费视频,黄色电影网