深圳交通中心：面向未来智慧交通探索与实践

在这里分为五个阶段：

第一阶段：1996 深圳交通中心成立，组建模型人才团队，建立深圳特区道路交通模拟信息系统，将全市所有路网、跟交通有关的数据建立了复杂的数学模型。

第二阶段：2004年，通过技术升级自主创新，建立全国首个城市级交通在线仿真系统。现在常见的红绿蓝路况出行监测系统。

第三阶段：2006年之后，在仿真系统基础上，组建深圳市唯一的交通信息与交通工程重点实验室，并持续进行技术升级，逐步把经验推向全国。

第四阶段：2011年之后，交通中心跳出传统交通，融合了一些新数据，比如出租车、乘用车数据，先后完成交通指数、交通碳排、交通安全等系统研发。2014年组建广东省交通信息工程技术研究中心，2015年未来交通实验室成立，这段时间BAT、互联网企业也纷纷涉足交通规划、交通管控领域。

第五阶段：2016年推出DeepView交通大数据平台；2017年研发实时在线仿真系统和智能车路协同系统，并在龙岗上路试验；组建部级交通大数据行业研发中心；2018年推出智慧道路系统和智慧品质交通，引领行业发展。

近年来，交通中心着力推进大数据在决策中的应用，筹建部级大数据行业研发中心，重构智慧道路系统数据，采集和探索智能网联汽车试验，促进数据驱劢的智慧交通治理新模式。

现在的交通大数据从广度、深度、维度、频度方面来分类都和以前有非常多不一样的地方，现在做交通大数据分析不仅要融合多元动静态交通数据，还要建立多层次、一体化交通仿真模型为核心，面向多维度、多领域应用的综合评估与决策支持系统。换句话说，一是要把数据进行处理，进行数学模型或是算法的整合；二是要多维度、多领域应用。

这是我们初步总结的架构，底层是IT计算平台，上面把各类的数据整合在一起，形成完善的多元异构管理平台。最上层是面向各个领域、各个方向的应用系统。中间层包含了一系列数据模型算法，非常关键，这也是从基础数据到面向实施应用非常重要的过程。

深圳交通大数据基础平台每天大概有7.5亿条动态数据。通过这些数据能做些什么？

（1）规划更新不用地开发持续监测：跟踪用地开发，动态更新土地交通模型，通过建筑物普查数据（23项全类）动态更新全市人口岗位分布。

（2）跟踪历年人口岗位迁移规律，掌握出行需求内在变化特征。

（3）借助市区范围手机信令、APP定位信息动态跟踪人员活动，并实现重点区域人流监测。

（4）监测公交、出租车、停车等实时运营数据，掌握交通系统运行特征。

（5）通过区域内手机信令和APP数据、城镇群内高速公路卡口、城际轨道票务系统等数据，掌握城际出行需求特征。

（6）将轨道IC卡、浮动车、线圈、车牌识别、交通安全等多元动态数据融入交通仿真模型，大幅度提高传统模型的精度与效率。

交通中心和广东省各类部门、政府机构、相关互联网运行企业也在进行合作，获取各种各样的数据，将深圳市的轨道、公交、车牌识别、交通安全等多元动态数据融入交通仿真模型。这么多数据，怎么进行关联挖掘？我们分为宏观、中观、微观、静态、动态等层面进行了进一步分析。北、上、广、深这些大城市的人口往往增长更快，怎么做人口分析？这些人口是怎么流动的？这是一个很大的挑战。

具体实践方面，交通中心配合深圳市交通运行系统做了非常多的工作，将手机数据与人口普查数据、建筑物普查数据、城市用水用电量及垃圾产生量等数据融合分析，判断实际管理人口规模、分布及增长趋势。结果显示，近年来深圳实有人口持续增长，外围人口增长更快。

我们将深圳出租车、地图导航、公交车GPS的大数据融合挖掘，可解决传统出租车浮动车数据覆盖范围小、数据源单一、空间分布不均衡和数据质量不足的问题，大大提高了交通运行评估的精度和可靠性。比如深圳市有一个梅林关，有句话叫“英雄难过梅林关”，我们通过交通溯源分析梅林关沿线周边的交通出行源在哪里，然后再采用相应的措施。

通过深圳交通路况、降雨相关性知识挖掘，实现拥堵提前预警与疏散。历史数据挖掘表明，深圳晚高峰开始前2小时内突发大雨，则晚高峰期间（17:30-19:30）引发路网严重拥堵的概率达92%。

（1）交通指数系统

评估路内停车收费政策效果，四个试点片区工作日晚高峰车速环比上升12%-15%，非试点片区同期车速有升有降，幅度在4%左右。

（2）交通排放系统

比如，我们跟欧洲德国的碳排放系统合作之后，深圳中心城区工作日晚高峰交通排放下降约7%，这对城市政策、规划基建等影响很大。再比如，路面停车收费的时候，深圳市政府受到很大的压力，我们把交通拥堵、交通排放造成的影响分析后面向公众开放，这无论是对上级领导，还是对公众都有一个明确的交代。

（3）重大基建、轨道客流预测评估

深圳市正在进行一些大型交通枢纽的客流预测，比如，深圳的高铁站没有社会停车场，附近的交通怎么解决，我们基于实时数据的车站运营组织方案仿真模拟及优化做了非常精细化的预测。

（4）微观仿真模型

深圳市在坐地铁的时候，地下空间相对来说会宽一点，因为很多车站都用微观仿真去模拟实施，广泛应用于轨道枢纽、有轨电车、道路、交叉口、交通公共空间的车辆、行人仿真，为交通设施规划、建筑工程设计提供直接依据。

（5）实时在线仿真系统

实时在线仿真系统通过建立数据采集、融合、计算、应用和反馈的闭环系统，以动态OD估计为核心技术，每15分钟更新一个OD矩阵，实时模拟并评估各种交通预案对道路交通流的影响，实现各种预设复杂交通条件下的方案预演和快速而有效地选择最优交通改善或交通管理方案。这不仅面向城市交通管控，还面向未来自动驾驶、未来MaaS发展。

2、全路网评估与状态协调

大数据方面：基于秒级大数据的信号交叉口延误动态监测平台，监测信号配时，优化信号配时，实时需求管理策略。

评估方面：融合手机信令、出租车OD等数据，分析出行总量和路径，搭建深圳市交通溯源平台，辅助制定策略调控跨区/关键走廊交通出行，在时间上削峰填谷，空间上控密补稀，实现区域时空平衡。

3、路段时空联劢

时间联动：自适应控制由“单点自适应”提升为“多点协同自适应”，对间距小于200米的相邻路口，当路侧单元检测到实时流量、车头时距超出设定阈值，启动配时参数优化，调整路口间相位差和绿灯时长，避免车辆排队溢出。

动态车道管控：在道路空间资源挖潜上，开展潮汐车道、借道左转、可变车道等信号控制设计，上下游路口及平行路段协调车道资源，高效分配片区道路时空资源。

4、节点公交、行人优先

公交信号优先：利用路侧DSRC设备接收公交车辆位置及速度信息，结合各相位饱和度、公交与用道、公交车流量，改变传统信号方案适应公交车辆单向优化方式，对公交信号相位+车速交互优化，提高优先效率。

行人信号优先：一是适应轨道、公交脉冲式客流信息，在人行过街量较大的路口和公交站附近部署；二是检测平面集聚式客流信息，在交叉口安全岛部署。采集的人流量、平均步行速度传输至信号灯，自动下放行人优先配时方案。

人流量监控预警：利用手机信令、腾讯微信等大数据，对深圳热点区域人员活动强度实时监控、预测和预警，实现拥挤警情动态感知。

5、智慧信号管控

 交通中心依托大数据、车路协同及仿真技术，研发集评估、优化功能于一体的新一代智能化信号控制系统，目前成为各地智能网联汽车测试基地的首选方案。

6、智慧停车

 涵盖三个层面，第一，以政府公共停车场和路边停车实时监测为基础，整合宜停车、停车百事通、蜜蜂停车、捷顺等众多平台采集的社会停车场动态数据，构建路内、路外完整的停车大数据平台。第二，统筹路内路外动静态交通资源，探索建立常态化停车收费调节机制，根据道路速度、停车位周转情况变化，实现路边（公共）停车收费动态调价引导临近停车场间的错峰引流。第三，探索互联网+政府开放数据的模式，开放实时剩余停车位信息，支持手机地图APP的功能升级，提升公众出行体验。

智慧交通原先以管、以控为主，但如果真正要实现智慧化更重要是为人服务，所以如何通过数据的融合，面向个性化需求为公众提供交通信息化服务是未来交通发展的重要方向。

中国改革开放四十周年，交通发生巨大变化，车不断增多、路也不断增多，从本质上交通规模上有一些变化，但通过移动互联网、AI技术出现，我个人觉得在未来十年左右交通模式可能会发生颠覆性的变化，所以未来交通该如何去做？需要在座的同行一起去努力，谢谢！