和“增量治理”的思路不同，主动交通管控以“结构治理”为主，不需要大规模基础建设，较为经济，可以辅助交通巨系统中的策略和决策优化、制订与实施。

近年来我国在交通大数据系统建设方面进展迅速，但是还需要在数据的覆盖、数据的种类和数据的管理等方方面面加强建设和完善。

目前靠计算机（云脑平台）或AI自动实现分析和决策不具现实性，但要辅助人类分析和决策确有可能，关键是如何对云脑进行赋能和人机互动。

01

数之智：以数字化为基础的智能化

近年来，随着互联网技术和计算机技术的快速发展，城市交通领域以物联网和计算机技术为基础的云脑平台建设正在我国各大城市兴起，同时，以此平台为基础的数智交通概念被提了出来。

就城市交通管控来讲，数智交通可以分两个层次来理解，一是“数”，即交通管控的电子化、数字化，如交通基础设施数字化管理、交通状态直观捕捉、交通事件快速发现、重点车辆驾驶员行为监视、交通执法取证、信号配时数据支持等等。这些功能的开发获得了长足的进步，其应用明显改善了交通管控手段并提高了管控效果，推进了我国城市交通管控的技术进步；二是“智”，即以数字化为基础的交通管控智能化，如交通结构精准分析、网络交通状态实时判别、交通拥堵成因分析、交通本征实时获取、交通策略实施效果评价、辅助交通决策等等。

未来，我国大中城市交通治理中，有两类工作意义重大，一是交通结构调整，主要解决供需结构优化匹配问题，通过交通方式优化缓解交通拥堵，提高系统运行效率；二是主动交通管控，通过整体优化交通管控方案来引导、调整出行者行为，使交通需求形成合理的时空分布，避免交通拥堵的发生。

说该两项工作意义重大是因为此类工作无需大规模的基础设施建设投资而又能带来很好的交通治理效果，是城市建设进入成熟期后交通治堵由“增量治理为主型”向“结构治理为主型”转变过程中最为必要也是最为经济的策略。

这两项工作的核心是策略和决策优化、制订与实施，这对于城市交通这个所有人参与的巨复杂系统来说是一个非常困难的事情，主要是因为决策者对系统的把握能力不足。数智交通之“智”就在于如何在大数据的基础上，提炼系统运行本征，获取系统演化规律，为上述工作展开提供可靠的支撑。

02

数之善：数据基础制约智能化

数智交通的基础是数据。近年来我国在交通大数据系统建设方面进展迅速，尤其是伴随着交通云脑平台的建设，数据的管理架构基本形成，以视频数据为主的大数据应用也已初见成效。但就人们对交通管控的智能化期待来说，目前的数据基础还远远不够，还需要在数据的覆盖、数据的种类和数据的管理等方方面面加强建设和完善。

1. 数据覆盖不足影响数据应用深度

首先，数据的覆盖不足影响了数据应用深度。以城市道路交叉口视频数据为例，此类数据多以路段卡口数据和交叉口电警过车数据为主。目前几乎所有的城市均布设了此类摄像头，但由于投资的约束，各城市点位覆盖程度差别很大，有的覆盖了所有的信号控制交叉口和重要路段，有的则仅仅在少数主要交叉口和重要路段布设。数据覆盖范围越广、点位密度越大，越有助于精准的车辆轨迹跟踪、可靠的网络交通状态判别分析、有效的交通管控方案形成。反之，当覆盖的范围和点位密度小到一定程度后，这些功能就都难以实现。

有很多时候，人们希望信号交叉口之间形成联动控制，也即协调控制。实现这种控制方式的前提是精准掌握上下游交叉口间的交通流变化规律，如车辆存量、速度等，但由于我国城市小区的形成特点，常常在两个相邻信号交叉口之间夹有多个小区进出口或无信号交叉口，这些位置成为交通需求产生或吸引点，严重冲击信号配时的交通流预测精度，使得协调控制效果大打折扣。为此，在那些小区进出口和无信号交叉口布设视频数据装置十分必要。

2. 数据源不够多元制约智能化程度

其次，数据源仍是制约智能化程度的主要因素。如，一个城市宏观交通精准分析是制定交通政策、管理策略的依据，这些分析可能会包括城市出行需求总量、交通方式结构、各种方式需求时空演变规律等等。目前的视频结构化数据只能提供过车数据，不能提供其他方式数据，难以成为可靠的数据基础。就目前交叉口视频数据而言，也难以支撑精细化、智能化交通管控的需要。比如，当前的交叉口信号配时方案都是以机动车数据为依据形成的，几乎没有考虑行人和非机动车的因素，因此还难以称其为人本信号控制。之所以出现如此状况，与缺乏行人和非机动车检测传感器有直接关系，这就使得现有的信号配时方案有无行人都要给行人绿灯，不管白天还是深夜都按有行人需求进行配时。从这个意义上说，交叉口增设行人和非机动车检测装置意义重大。

实际上，交通各管理部门、公司一般都需要专门的数据源，有的已经具备，有的还不具备，这些数据源通过机制协调能够发挥更大作用。数据管理机制的建立和完善，是多源数据融合发挥合作效力的关键。这项工作比较复杂，涉及到数据标准问题、所有权问题、收费问题、数据安全问题和统一管理问题等等。不管有多难，这项工作都应大力推进。

工欲善其事，必先利其器。要发挥数智交通之智，就需先完善数据源建设、数据覆盖、数据管理等工作。这不仅仅要解决技术上的问题，更要解决管理机制上的问题，任重而道远。

03

智之建：人机互动的智能决策

1. 人机互动——以主动交通管控为例

如前所述，数智交通之“智”在于分析和决策。目前的人工智能（AI）距离真正的认知智能还有很大的距离，要计算机（云脑平台）或AI自动实现分析和决策不具现实性，但要辅助人类分析和决策确有可能，关键是如何对云脑进行赋能和人机互动。下面就以主动交通管控过程为例来进行分析。

主动交通管控过程可以通过下图来理解：路网上的出行者（人、非机动车、机动车等）信息通过传感器（如摄像头）获取，经边缘计算处理后传给云脑平台，云脑平台生成两类方案，一类是用于路网信号灯的交通流控制方案，另一类是用于指导和服务于出行者的出行服务方案。这两类方案的生成过程是典型的人机合作过程，其分工应该是：平台应用大数据按照管理者的目的抽象和描述交通需求演化规律，管理者根据发现的规律和管理理念提出管控策略和方案，平台再对策略和方案进行仿真和评价，最后形成决策。

主动交通控制过程示意图

如在信号控制系统中，管理者可以针对路网不同的交通需求状态和管控策略设置各种控制策略（方案）的启动或终止阈值，平台会根据大数据计算的结果决定何时何地启动何种方案。同样道理，管理者可以根据交通需求的演化规律和管理理念，预设多种出行指导和服务方案（甚至可以针对每个出行者）和方案适用条件，平台会依据数据计算结果选用服务方案。从过程上看，这是一个人机合作过程，但从结果上看也可以视为智能决策过程。

2. 智能决策的三大难题

这里，有三项研究工作比较艰巨。

一是规律获取。不论是分析还是决策，掌握交通需求演化规律是前提。所谓的交通需求演化规律是指交通需求的总量、方式结构的时空演化动力学过程，其中的难点是规律形成和改变的影响因素量化分析，如车辆限购政策、限行政策、地铁建设施工、地铁线路开通等相关政策和工程项目会对上述规律产生怎样的影响，类似这样的工作仅靠交通大数据和云脑算力无法完成。尽管规律是客观的，但规律的获取需要专业人员的定向研究和验证，有很多工作需要在云脑平台之外完成，其结果可用于云脑平台实现分析与决策。

二是评价标准形成。交通管控策略或决策的目的是使交通状态向好的方向发展，但何为好的方向呢？是车辆平均速度越高越好吗？是出行可靠性越高越好吗？是低碳出行比例越高越好吗？还是追求综合的人本交通理念？这些问题的答案不仅是建立评价标准（指标体系）的依据，也是探索规律的导向，取决于城市发展和管理理念。当答案确定后，研发人员和管理者还要把理念转换成可定量表达且可实施的评价指标，用于预测和评价策略或决策效果。

三是决策机制建立。掌握了规律、确定了评价标准不等于就能做出决策。一般来讲，决策是将要付诸实施的行动。如果对行动后果没有预期和把握，决策的风险就会加大。数智交通就是要借助大数据和云脑平台来辅助决策，降低这一风险。目前看，解决这一问题的最好方案就是建立仿真系统，运用大数据、交通需求演化规律、评价标准来演示决策方案的实施效果，从而判断和选择最佳方案。

很显然，智之建过程更是一个研究过程，随着研究内容的不断展开，研究成果的不断形成和迭代，城市就会变得越来越聪明。

延展阅读：

ET城市大脑——阿里云实践

2016年，杭州市联合阿里云发布了首个城市大脑。此后，城市大脑逐渐从交通领域扩展到多个城市场景。2020年6月，城市大脑升级到3.0，强化了感知能力，可以通过人工智能技术实现交通、医疗、应急、民生养老、公共服务等全部城市场景的智能化决策。

目前，全球已有30多座城市引入了城市大脑包括杭州、北京、上海、郑州、海口、中国澳门、马来西亚吉隆坡等，完成向新一代数字孪生城市的转型升级，各地交管部门因“数”制宜，在城市数据资源平台上，与机器智能并肩作战，日日夜夜运营着一张有温度的城市交通协同网。

在城市大脑的背后，聚集着众多全球顶级的阿里巴巴数据科学家团队。例如IEEE Fellow华先胜老师领导的视觉计算团队，获得行人检测、车辆检测、行人再识别三项世界纪录，研究论文累计十余次入选国际顶级学术会议ACM Multimedia和CVPR，包括交通实时状态制定和预警算法、人工智能识别及信号控制系统、跨摄像头搜索技术等等，奠定了阿里云ET城市大脑交通网络计算的基础。

城市大脑是阿里巴巴集团普惠科技群的 “制高点”，阿里云发布城市大脑3.0，在核心技术体系升级后，城市大脑能够处理更加多样的数据种类，通过仿真推演和城市数字基因能力，在数字世界中完成对城市规划、运营、管理的探索分析，找到最优方案，再在物理世界中实现，助推城市发展和运营管理的决策更科学、更高效。