黎忠华：交通管理与控制指挥机器人技术研究

2018-02-08 14:52:23 来源：中国智能交通协会评论：人

分享到：

11月23日，由中国智能交通协会城市交通委员会、国家智能交通产业技术创新联盟主办的2017’第十二届中国智能交通年会城市智能交通创新发展论坛上，榕亨集团智慧交通研究中心技术总监黎忠华发表《交通管理与控制指挥机器人技术研究》的演讲，本文为演讲速记整理，未经演讲者本人审核。

榕亨集团智慧交通研究中心技术总监黎忠华

一、新一代交通管理与控制技术
　　党的“十九大”报告充分肯定了交通运输行业五年来取得的辉煌成就，指出“高铁、公路、桥梁、港口、机场等基础设施建设快速推进”这是五年来历史性成就的重要组成部分。报告明确提出要建设“交通强国”，这是以习近平同志为核心的党中央对交通运输工作的充分肯定，也是对交通运输工作高度重视和殷切期盼。这意味着我们将在新时代开启建设交通强国新征程，也是党和人民赋予交通运输行业新使命。
　　2017年初，党中央国务院提出“交通运输支撑引领经济社会发展”战略，强调交通运输是国民经济重要的基础产业，对经济社会发展具有战略性、全局性影响。伴随着快速城市化发展进程，实施新型城镇化建设，从供给侧进行结构性改革，需求侧管理，着力降成本、补短板、强服务，提升城市交通服务品质。加强城市管理，交通拥堵与交通安全管控是首要问题。
1、交通管理与控制概念与关联
　　交通管理：对道路上的行车、停车、行人、道路使用，执行交通法规的“执法管理”，用交通工程技术措施对交通运行状况进行改善的“交通治理”的统称。
　　交通控制：依靠交通警察或采用交通信号控制设施，随交通变化特性来指挥车辆、行人的通行。
　　交通工程学的主要研究对象之一，其内容涉及交通立法、法律性、行政性的管理措施、工程技术性的管理措施、信号控制技术等方面。就是政府常说的“交通综合治理”中的各种措施。
　　①交通管理与控制的基础：《交通工程学》；
　　②交通管理与控制的工具：《交通调查与分析》；
　　③交通管理与控制的内容：《交通规划》中的近期工作内容；
　　④交通管理与控制的价值：《交通设计》；
　　⑤交通管理与控制的目的：《交通安全》、疏导交通、提高现有设施的通车效率，同时采用“交通需求管理”措施，减少汽车出行总量、缓解交通拥堵、保障交通安全、降低交通污染。
2、《交通管理与控制》学科教材出版历程
第一版，1993-9，主编：杨佩昆教授
第二版，2002-7，主编：杨培昆、吴兵教授
第三版，2005-7，主编：吴  兵、李  晔教授
第四版，2008-5，主编：吴  兵、李  晔教授
第五版，2015-9，主编：吴  兵、李晔教授
3、新一代交通管理与控制理论
（1）交通管理理念                           （1）交通信号控制理念
（2）交通管理法规                           （2）单个交叉口交通信号控制
（3）交通行政管理                           （3）干线交叉口交通信号联动控制
（4）交通秩序管理                           （4）区域交通信号控制
（5）交通运行管理                           （5）快速路交通信号控制
（6）优先通行管理                           （6）智能交通系统控制
（7）交通系统与交通需求管理     　　　　　（7）交通监控及智能化控制
（8）特殊事件交通管理
（9）交通拥挤管理
二、交通指挥机器人与云机器人
　　交通指挥机器人的定义：在交通管理与控制领域，引入人工智能的机器人技术，实现市交通局管理与控制系统完成对交叉口点控、路段线控、区域面控的复杂功能。
　　在世界范围内还没有一个统一的交通指挥机器人定义。交通指挥机器人具备形形色色的内部信息传感器和外部信息传感器，如视觉、听觉、触觉、嗅觉。除具有感受器外，它还有效应器，作为作用于周围环境的手段。由此可知，交通指挥机器人至少要具备三个要素：
　　①感觉要素，用来认识周围环境状态，感觉要素包括能感知视觉、接近、距离等的非接触型传感器和能感知力、压觉、触觉等的接触型传感器。
　　②运动要素，对外界做出反应性动作，交通指挥机器人需要有一个无轨道型的移动机构；
　　③思考要素，根据感觉要素所得到的信息，思考出采用什么样的动作，思考要素是三个要素中的关键，也是人们要赋予机器人必备的要素。思考要素包括有判断、逻辑分析、理解等方面的智力活动。
　　交通指挥机器人关键技术包括以下技术。
1.多传感器信息融合
　　多传感器信息融合技术是近年来十分热门的研究课题，它与控制理论、信号处理、人工智能、概率和统计相结合, 为机器人在各种复杂、动态、不确定和未知的环境中执行任务提供了技术解决途径。
2.导航与定位
　　在交通指挥机器人系统中，自主导航是一项核心技术，是机器人研究领域的重点和难点问题。导航的任务有三点: ①基于环境理解的全局定位：通过环境中景物的理解，识别人为路标或具体的实物，以完成对机器人的定位，为路径规划提供素材；②目标识别和障碍物检测: 实时对障碍物或特定目标进行检测和识别，提高控制系统的稳定性；③安全保护：能对机器人工作环境中出现的障碍和移动物体作出分析并避免对机器人造成的损伤。
3.路径规划
　　路径规划技术是交通指挥机器人研究领域的重要分支。最优路径规划就是依据某个或某些优化准则（如工作代价最小、行走路线最短、行走时间最短等），在机器人工作空间中找到一条从起始状态到目标状态、可以避开障碍物的最优路径。
4.机器人视觉
　　视觉系统是交通指挥机器人重要组成部分，由摄像机、图像采集卡和计算机组成。机器人视觉系统的工作包括图像的获取、图像的处理和分析、输出和显示，核心任务是特征提取、图像分割和图像辨识。
5.智能控制
　　随着机器人技术的发展, 对于无法精确解析建模的物理对象以及信息不足的病态过程，传统控制理论暴露出缺点，近年来提出了各种不同的机器人智能控制系统。
6.人机接口技术
　　交通指挥机器人的研究目标并不是完全取代人，复杂的机器人系统仅仅依靠计算机来控制目前是有一定困难的，即使可以做到，也由于缺乏对环境的适应能力而并不实用；交通指挥机器人系统还不能完全排斥人作用，而是需要借助人机协调来实现交通系统管理与控制。
　　图1是交通管理控制智慧总体的架构，包括路口的交通数据采集，路口单点建模分析以及交通控制反馈，指挥机器人闭环的应用过程的示意图。
　　同时结合成熟的无人机技术，指挥机器人在数据监测模式上得到了一个补充，在线仿真、动态影响、评价研判，实现特殊需求下的交通区域管控，城市大脑、交通智慧机器人的系统体系（图2）。采用太阳能供电无人机长时间精准镜像定位、实时采集交叉口数据、动态在线建模等技术，将道路网络关键节点一体化集成在城市交通网络体系中，对交通拥堵、事故、污染等特殊需求问题，展开运行监测、动态建模、在线仿真、影响评价分析研判，构建交通指挥机器人，实现特殊需求下区域交通协同管控的城市大脑--交通指挥机器人系统。

图1. 交通指挥机器人的总体结构

图2. 基于无人机的交通管理与控制指挥机器人模式

在交通指挥机器人感知系统方面，利用360度道路交通路段与交叉口全景视频实时在线监测无人机镜像拍摄，实现城市路段与交叉口上空长时间运行监测，采集交叉口经纬度、时间、车道、车辆、车型、车速、方向、行人等交通数据，实现交叉口单点交通指挥机器人数据在线采集与动态建模。
　　交通特殊需求中，如占道施工、紧急交通、大型活动、恶劣天气是交通管理部门事先可以预知的，可以提前制定交通组织预案，而交通事故则是不可预知的。因此，必须首先利用历史和实时采集交通数据，对特殊需求作用的区域交通流特征参数建立提取方法。

图3. 交通指挥机器人感知系统结构

交通指挥机器人执行方面包主要由机器人手语模块、机器人运动模块、3D打印机器人三部分组成。为了应对复杂的交通情况，这需要交通指挥机器人能够较为准确的对交通手势进行表达。而机器人交通手势的表达就需要对机器人的手语及运动模块进行分析及改进，建立交通指挥动作手语库与机器人进行匹配。

图4. 交通指挥机器人

构建交通指挥机器人手语、体语库：采用人体运动捕捉技术与手语词关键帧编辑技术相结合的方法。应用人体运动捕捉技术，分析人体上肢关节的运动，研究虚拟人建模的方法，选用国际标准H-Anim对虚拟人进行描述并简化其建模的方法。采用数据手套和运动跟踪设备对人体运动数据进行实时的采集，用虚拟人模型进行描述。对运动捕捉设备采集得到的原始数据应用手语、体语词关键帧编辑技术加以修正。

图5. 机器人手语、体语库构建系统结构

特殊情况下可以利用人机协调功能通过网络远程控制，实时指挥交通机器人，形成人工的干预策略。基于现有交通情况的复杂性，在远程监控时，如果发现特殊情况，交通指挥人员可以通过网络遥控指挥交通机器人，然后交通指挥机器人作出相应的交通手势动作，从而实现交通指挥机器人与交通指挥人员的人机协同，使得交通指挥机器人能够更好地完成交通指挥任务。
1.云机器人的概念
　　2010年在由电气和电子工程师协会IEEE主办Humanoids机器人大会上，Google机器人科学家兼卡内基梅隆大学机器人研究所的兼职教授詹姆斯?库夫纳James Kuffner提出了“云机器人”概念，定义为：将信息资料存储在云端的服务器上，并让机器人在必要时通过联网的方式从云端获得这些资料。云机器人是信息存储和获取方式的一个学术概念。
　　狭义云
　　IT基础设施的交付和使用模式，指通过网络以按需、易扩展的方式获得所需的资源（硬件、软件、平台），提供资源的网络被称为云。云中的资源在使用者看来是可以无限扩展的，并且可以随时获取，按需使用、随时扩展、按使用付费。
　　广义云
　　服务的交付和使用模式，通过网络以按需、易扩展的方式获得所需的服务。这种服务可以是IT和软件、互联网相关的，也可以使任意其他的服务。
2.云机器人的体系结构
　　云机器人与网络机器人都是通过网络使得机器人彼此分享信息、扩展能力。但云机器人区别与网络机器人的关键在于：
　　a) 在云端动态计算，为机器人分配资源，机器人获得的资源是弹性的、按需的。
　　b) 云机器人是大脑在云端，机器人通过网络获取处理后的结果，网络机器人的处理还是在本体。

图6. 云机器人的体系结构

3.云机器人研究现状
　　当前，开展云机器人研究的团队主要包括：
　　①Willow Garage团队（James Kuffner）：开发了开源的软件包ROS（Robot Operating System）和供高效处理2D/3D点云的点云库PCL（Point Cloud Library）,依赖于这两项开源软件包，可以在PR2硬件平台上进行了一些尝试。
　　②Google团队（James Kuffner）：利用自身在图像识别、导航、建库等方面的服务优势，正在整合多个机器人公司，成为了云机器人的最大支持者，致力于做云机器人领域的Leader。其与Willow Garage合作开发了Rosjava，使ROS能在安卓、苹果等移动平台上应用。Google一个小组已经利用安卓作为机器人大脑，控制机器人链接云的成功尝试；NASA与Google合作，将Android-cloud-robot与Rover（漫游者号）链接。
　　③RoboEarth（荷兰Eindhoven大学主导项目）：开发了World Wide Web for Robots（机器人万维网），可以看做是一个网上的大型数据库，机器人共享信息、资源，并相互学习，更新数据库。
　　④ASORO公司（A-Star Social Robotics Laboratory，新加坡）：承担了DAvinCi项目，正在研制提供环境3D地图构建的云计算基础设施，从而达到机器人快速同步定位与地图构建的目的。
　　存储在云端的服务器方式可以让我们的机器人在必要的时候，通过联网的方式在云端获取这些治疗。机器人概念是由2010年谷歌科学家提出，云机器人的概念区别于我们传统机器人，主要在于云的概念上。包括狭义云、广义云这两个不同的领域。云机器人与网络机器人都是网络进行交互，云机器人是运动的计算，为机器提供动态的分配，它的资源获取是一个弹性的，是根据我们需求来进行动态的调配。云机器人大脑在云端，网络机器人处理则是在本机。
　　当前，云机器人研究情况国际上面主要有，谷歌团队、ROS公司这块，这些主要的团队研发包括一些基础实力这块，主要分布在北美、欧洲、日本等相应的区域和国家。作为我们中国在这方面相应来说，我们的进展、投入、实力起步比较晚，比较薄弱。在云机器人系统需要解决的关键技术这块，主要有几个关键问题：第一我们的云架构机器人资源分配与调度方法的研究，第二个云机器人分布式决策方法的研究，第三个云机器人质量保障以及效果评价这方面的研究。
　　云机器人系统要素主要是由5个方面，第一个方面是大数据，大数据的资源。第二个是云计算的能力，还有开元资源的获取，包括我们机器人代码、数据、算法和硬件设计这块，以及我们还有非常重要的OS这块的资源。第四部分是机器人协作学习的资源和第五部分数据集和计算集的东西。
　　作用云机器人系统的核心系统支撑，我们深圳也做了一些尝试和工作，比如说我们深圳大数据云平台的建立，依托于综合运行指挥中心实现数据中心、分析中心、可视中心以及发布中心。交通云机器人系统的核心支撑是我们云计算2.0的建设和我们云计算之前的1.0建设的区分，这两者之间的区别主要是在服务质量和资源利用之间的平衡，以及针对我们的管理策略以及管理定义方面做了一些改进和优化。
　　交通云机器人系统顶层设计包括大数据应用、大数据引擎以及先进的平台建设。图7是我们深圳城市交通运行指挥中心做了相关的工作和体系架构，交通云机器人系统核心支撑，城市交通模型体系的建立主要从微观、中观、城市宏观、区域宏观角度建立交通模型方法，形成多层次、一体化的交通综合仿真系统。交通云机器人系统的核心是我们城市大数据云平台的架构，比如说我们深圳建立了智能公交的大数据，智能设施、智能物流以及智能政务等等相关的云平台的数据。

图7.城市交通运行监测体系

交通云机器人系统的核心支撑，主要是交通云信息、信息延迟的建立，包括我们的定点采集，以及深圳通交通卡数据采集，手机信令的采集，车牌识别数据的采集，以及视频监控相关设备的数据采集。

1. 交通节点优化控制深度学习
　　在交通节点优化控制深度学习方面，采用传统的城市交叉口单点交通信号控制，将人工智能的深度学习模式相融合。现有的交叉口交通参数、控制模式、配时方案、控制目标、效果等等数据进行深度的学习和训练。这是我们在前期做的针对新洲路做的仿真评价和深度学习训练的图片。在过程中设计并研发了交通信号监测、分析、优化控制设备，构建完成的软件平台、硬件体系、交叉口建模、点控优化模型以及深度的学习模式。

图8. 交通信号优化控制分析仪（TJCID-100A）仿真模式

有了点学习机制之后，结合交通管理控制指挥机器人技术，将单点优化与云平台相结合，构建路段方针评价在线学习体系。图9是我们针对中心城区从点、线构建的仿真平台。通过仿真评价、在线学习，对城市交通干线、交叉口、交通信号联控、根据地理的位置、早晚高峰期的状况、道路局部的特征，比如说我们这些道路局部有一些拓宽或者拐弯的局部特征，以及外围干扰的因素，建立方针模型，形成最佳的联控方案。

图9. 交通指挥机器人新洲路点单交叉口立交指挥场景下的交通运行实时仿真

这是我们新洲路当时做的一个系统的工作，图10是我们应用路段仿真评价在线学习技术对城市走廊、交通指挥机器人在线优化模型观测的效果。这个是在交通智慧机器人全线管控32个交叉口，指挥交通改善后的运行仿真模型效果，包括改善前后的对比。有了点和线的应用经验，对中心区域信号协同联动控制形成面的应用，这是我们对深圳中心区域形成面控的效果。这是我们对前期数据的仿真评价模型。

图10. 路段仿真评价在线学习技术对城市走廊、交通指挥机器人在线优化模型观测的效果

　　在构建深圳中心区域道路网中观、微观模型时候，同时形成我们对中心区域电子沙盘的数据支撑。我们构建中心沙盘的数据支撑，交通云机器人交通信号控制优化工作分析，可以实时采集交叉口的数据，融入到建立的仿真路网模型当中，进行实时交通系统仿真，让交通云机器人建立深圳路网电子沙盘的实时动态、交通流速度进行仿真分析和评估。图11是我们中心区域的评估效果。