信号优化实战中对数据和案例的一些思考和探索 - ITS文库 - 智能交通世界网_智慧交通网 ITS114.COM|中国智能交通领先的门户网站
  • 首页 > ITS百科 > ITS文库 > 正文

    信号优化实战中对数据和案例的一些思考和探索

    2020-05-19 09:49:31 来源:中国智能交通协会 作者:陈宁宁博士 评论:
    分享到:

    一、关于检测数据的使用

    image.png

      我们在重庆市北碚区这个路口做信号优化,这个路口比较简单,我们关注北进口,绿灯时间有140秒,北边的绿灯时间至少88辆车是可以过得去的,而从上游的视频发现,其实每个周期上游只过来大概65辆车左右,很明显88辆车肯定比65辆车大,也就是说它的通行能力是没有问题的,每个周期应该是可以清空的,但是实际上这个路口却向上排了540米,一直到上游的一座桥上面。拿到这个数据是不知道到底发生了什么事,只能到现场去看。

    image.png

      经常说“用数据说话”,但是现在数据打起架来了,对于交通工程师来说比较痛苦,后面发现原来这个问题不是出现在路口的上游,而是出现在往南走过了出口之后,南出口下游十米有一个公交站,这个公交站牌有公交车随机停靠,再往下60米左右有一个不受灯控的行人过街,这两个地方就不断给通过这个路口的车辆产生随机的干扰,导致这个路口通行能力不够,就堵在路口了。

    image.png

      其实解决的办法也很简单,原来北边放一个相位,是一个连续的时间,后来把它拆成了两个时间,中间插了一个相位,为什么要中间插一个相位呢?就是让它随机被干扰的车快速从路口清空出去,这样就基本消除了排队。

    image.png

      这是一个SCATS系统导出的流向数据,再有经验的工程师都看不出这个数据有什么问题。只能告诉你它是5分钟的流量或者15分钟的流量,不堵的时候可以用它算算绿信比,但是真的堵起来的时候这些数据可以反映什么问题?看不出来的。所以各种检测数据给工程师的感觉就是冷冰冰的,很难从检测数据和统计图表上面找出拥堵的症结,而且拿到手上的数据经常会互相打架,特别是对于拥堵点拿到的数据就是经常互相打架的。
      所以现在很多检测数据,如视频检测数据,业主提供的数据,判断拥堵成因的时候是有无力感的,不知道问题出在哪里。
      二、交通优化工程师需要什么数据?
      交通优化工程师最爱的就是制高点监控,因为高点监控可以上帝视角,一目了然,马上可以发现这个病灶在哪里。但是缺点是制高点没有数据,只能把它拷回来,再逐一地数,然后才有一些车辆数据、延误数据、车头时距等。

    image.png

      其实需要更精细的数据,每时每刻每辆车的轨迹数据,这个不是指卫星定位数据,是指接近路口和到了路口中央的时候每辆车的数据,并不需要这些卫星定位的非车道级的数据。
      第二个是更全面的数据,不仅是进口道的,而且还需要路口内部和出口道的数据,通常所谓拥堵路口,问题都不是发生在上游,而是在路口内部或者出口道的地方,经常会出现这样的情况。但是这个在检测过程当中一直是被忽视的,很少会拿到这个路口内部的数据或者出口道的数据。
      数据更可读,就是检测出来可以反演出来,即数据化的上帝视角,交通优化工程师最喜欢,可以很快辨别路口出现的问题。
      所以交通优化工程师要更精细更全面更可读的数据,主要是易于发现拥堵病灶,判断它的拥堵成因,在计算分析问题的时候有数据支撑,上帝视角的数据是非常希望得到的。现在其实真正能够给交通工程师用的数据是非常少的,在具体的工作中,经常要出去调研,出去用无人机拍,要拿制高点的录像数车。
      总的来说,无论是大数据也好,人工智能也好,只是一个工具,要回归交通工程,通过这些数据找到拥堵点到底发生的原因是什么,它的症结在哪里。我们做了8000个路口的优化,然后我们稍微粗略总结一下,到一个新的城市跟一个城市的交警部门合作的首次任务,30%是市政府门口那条路,20%是很重要的主干道,10%大概是学校周边,10%大概是环岛,10%是一些很近距离的路口,堵在一起了,可能相距50米、30米。
      三、骨头上到底还有多少肉?
      那作为交通工程师,第二个问题就是第一次优化效果不错,还有空间继续努力。第二次继续优化,智能稍微优化一点,然后再想新办法,用新技术,用互联网,用大数据,用AI,第三次再去优化的时候基本上维持现状了。最后得到的结论就是你们团队水平不行,人家都可以优化百分之几十,你优化15%已经优化不上去了。
      现在的媒体宣传是这样的,举一个正面的例子,是柳州做的一个互联网的优化,全城延误下降7%,停车次数下降4%,我觉得这是比较中肯的数据,接下来呢?是要把延误争取为零吗?真的做不到。
      还有反面例子,通行率提升40%,停车时间也减少40%,通行效率提升40%,这是不容易做到的,请不要过分夸大交通信号的能力,现在随着布局的要求,各地的交警都在努力,很多城市,大多数城市都下过功夫,不要轻易说通行效率提高40%,其实提高40%的潜台词就是原来做得非常差,原来的管理水平比较低,还是要实事求是去反映这个路口到底能够提高多少。
      在整个交通路网中,信号是唯一可以灵活调整的,经常被当成救世主,但是实际上又不是万能的,经常就是死马当活马医,那个路口从规划开始已经有问题了。但是又很难说明这匹马已经死掉了,大家都在尽力救它,或者说它离死马还有多远?所以交通信号最终就成了背黑锅的唯一选择,经常是唯一的选择。所以是不是应该思考,既然去啃骨头,骨头上面到底还有多少肉?这个问题是不是应该大家努力去分析一下呢?所以我非常希望有一种能够单纯反映信号优化效果的评价方法和指标体系,而不是反映这个路口的通行能力,通行能力跟相位有关系,假如原来是两相位改成四相位又不一样了,改成五相位又不一样了,到底多少个相位是合适的,极限在哪里?所以现在很难把路口优化这个极限说明白的。
      四、交通信号优化是技术,更是艺术
      在做实际信号控制的时候很多时候是超出了课本的范围,超出了标准的范围去想一些办法,有点像疯狂的艺术家一样。但是问题来了,既然是艺术,艺术不能复制,不能生搬硬套,不能标准化,有这样的问题,而且现在念完交通毕业的,愿意从事交通优化这个工作的人非常少,如何解决人才匮乏的问题?如何传承这么赋有艺术性的技法呢?我们团队现在100多人,我们做了,怎么传承?怎么复制呢?如何改变信号优化这个行业一直是“小作坊”的状态和模式呢?我觉得是做信号优化这个行业应该去思考的问题。
      虽然大家都在说AI,自动控制,其实大家心里面都很明白,它离真正的使用还有多大的差距,特别是对于拥堵路口,对于已经产生问题的拥堵路口,自动计算算法能做什么呢?大家很明白,还是要靠交通工程师的智慧。
      五、一切源于实战的治堵智库

    image.png

      以前有个说法,“熟读唐诗三百首,不会吟也会偷”,我们把做的所有案例和能收集到的东西做了案例资料库,这个案例资料库现在有超过80个城市的内容在里面,有8000多个路口的样本,最关键是5万个案例资料,这个怎么用呢?

    image.png

      首先这个案例资料它不是仅仅指配时方案,如果只是把信号控制系统里面的配时方案拿出来,那个不叫案例资料库,只叫配时方案。案例资料有两部分组成,一是结构化的数据,结构化的数据包括路口的台账,线性检测数据,还有一些流量,以及日常优化的登记表,这些数据结构化了之后可以用一些方法做特征匹配等等。

    image.png

      但是更大量的是非结构化的数据,它里面包含的是逻辑判断,也就是交通工程师更艺术的部分,包括有案例报告,经验总结,行业自销,设计图纸,知识手册等等。

    image.png

      现在案例库里面基本上可以遇到的所有关键字,在里面都可以找到相类似的案例,这里列举了一些常用的,后面的数字就是在这里可以找到多少跟它相关的案例资料。其实有这么一两百个做过的案例资料,对交通工程师有很大的支撑作用了。
      六、案例资料库的“神助攻”

    image.png

      这些资料是怎么对交通工程师进行神助攻的呢?举个例子,广州市的南沙区有一个路口,这个路口的西进口绿灯时间足够,但是病因很容易发现,就是因为南边有一个支路出口,这里是一个小区的出口,小区的车右转出来之后,有左转、直行、右转,这个病因在于小区的出口这里。

    image.png

      这是没有改造之前的画面,这里的车横穿马路到左转和掉头车道。在案例资料库里搜小区出口和冲突两个关键词,就可以找到210项匹配相关的案例,然后在这些案例里面所获得的关键常用方法、这些关键字有大概13项,其实这13项就是常用的方法,再去看这个方法跟现在这个案例是否匹配,一个一个去试,然后一个一个去跟业主讨论,最后就选用了禁止左转,高峰时期放了一排水在那里,平峰时期撤掉,对症下药,可移动的物理隔离,这样就解决了问题,只是高峰期不能穿过整个马路左转。
      第二个案例,也是用案例资料助攻的,南宁市北湖立交路口,这个跟南宁很有名的蓄水池放行是相似的,我们想把它复制到北湖立交。但是复制的过程中,电动车的效率明显提升了,但机动车堵得一塌糊涂。

    image.png

      地图显示,晚高峰西进口比原来还堵了,导航软件显示长红有200、300米,去现场调研的时候发现其实是最左侧的车道排队超过200米,把后面的全堵了。病因就是在桥底下可以掉头也可以左转,但是左转车只有4辆,掉头车有16辆,也就是掉头车太多了,把后面的左转车、直行车挡住。这个车道可以掉头也可以左转,但是掉头是不受灯控的,左转受灯控,左转车把掉头车堵在后面了。

    image.png

      从案例库里面找这个关键词,左转阻碍掉头,可以找到接近200项的相关案例,匹配到常用的六种方法,选择其中一个,就是设置左转待转区,让这个车道上面突出来大概排两个车道的待转,15米,可以看到掉头的车辆不受灯控,左转的车辆在这里不会挡住掉头车,这个问题就解决了。  
      本报告来源于2019年第十四届中国智能交通年会,未经本人确认。

    本文作者:广东振业优控CEO 陈宁宁博士

  • 关键字: 信号优化
  •    责任编辑:its114
  • 关于我们
  • 联系我们
  • 广告赞助