【沙龙】交通数据与交通大数据 - 调查与观点 - 智慧交通网 ITS114.COM|中国智能交通领先的门户网站
  • 【沙龙】交通数据与交通大数据

    2019-02-15 14:05:12 来源: ITS114 评论:
    分享到:

    2018年10月13日,由中国智能交通协会指导,湖南、上海、深圳等地智能交通协会与智慧交通(ITS114)主办的2018中国城市智能交通管理暨科技创新论坛在深圳益田威斯汀酒店隆重举行。在湖南省智能交通行业协会会长、湖南大学教授钟翔主持的互动环节中, 多位嘉宾参与了互动交流,主要对于数据采集技术、数据挖掘与应用等进行了探讨交流,碰撞出了不少有意思的观点,让编者印象较为深刻的是,在智能交通领域,基本上不存在哪种技术替代另一种技术的情况,多种技术同时提供服务的情况更多。

    感谢钟翔教授,感谢吴仁良主任、龙海勇副大队长、张新宇总工、戴高总经理、郑纲总经理,感谢你们不保留的真知灼见!

    blob.png

    钟翔教授:接下来按照以往的惯例,进入到今天的互动环节。大家可以提前想一下,有什么问题想问嘉宾,时间允许的话,我们也希望今天来参会的与会代表可以一起交流,有好的思路、问题或建议,可以自荐,当然这个要看整个时间的安排。

    我们进入到下一个环节,有请互动嘉宾到台上就座。

    首先有请诸位互动嘉宾上台,他们是:

    无锡市交通警察支队指挥中心 吴仁良 主任

    柳州市交通警察支队接处警指挥大队 龙海勇 副大队长

    深圳市城市交通规划设计研究中心 张新宇 总工

    重庆攸亮科技有限公司 戴高 总经理

    上海智能交通有限公司软件研发部 郑纲 总经理

    请各位专家上台就坐。谢谢!

    主持人:

    其实我坐在这里压力非常大,为什么呢?因为今天嘉宾的内容演讲质量非常高。今天有几位嘉宾来自基层公安交警,业务水平和技术水平已经很高了,做研究的压力很大。在座估计很多厂家估计心里面也不踏实,现在的甲方不好忽悠了。因为要给他们提供技术提供服务,企业的水平和技术肯定要比甲方高,否则甲方为什么花钱请你做?

    blob.png

    主持人:湖南省智能交通行业协会会长、湖南大学钟翔教授

    第二个是以姜老师和吴主任为代表的在交通管理一线的前辈,他们的方向性把控、前瞻性的睿智思考,对我们既是一个引导和鼓励、也是一个压力。

    第三个是企业,像攸亮科技和上海智能交通有限公司,最后是设计院,张新宇总和王宇介绍了深圳交通中心的一些工作,从前端的顶层设计一直到应用系统。我跟设计院打交道比较多,包括建筑设计院或机电设计院等,交通设计院还是相对专业的,深圳交通中心是非常专业的。

    为什么我今天讲这么多?因为压力大,我1993年毕业后就干交通,以前觉得自己还行,后来每次开会都有收获、但发现距离也越来越大。今天主要是讨论交通大脑和大数据应用,相对来说今天介绍的内容比较接地气。我想代表组委会和今天来聆听的与会人员提几个问题。


    第一个问题

    交通管理工作中,视频、机动车电子标签、V2I等技术都已经开始应用了,这些技术哪些可以先行?你们可以做一个预测,也可以做个人方向的表达。特别是车路协同和汽车电子标识是不是会替代掉我们传统的交通检测?要不从吴老师开始,因为无锡已经用了。

    无锡市交通警察支队指挥中心主任 吴仁良 

    其实从信息产业的手段来讲,不管是传统意义上的线圈也好,包括视频、地磁、电子标识等也好,都是手段之一,从我接触到的情况,已经不像以前那么重视线圈,因为可替代的技术很多了。但其他不管是视频、汽车电子标识等等,它们不是相互替代的,而是相互补充的,谁也替代不了谁。

    比如说视频,能检测到的信息非常丰富,但有一个致命的缺陷,它受制于环境。像上午说的雷达,精度、使用范围很广,但是也有缺陷,车流很多的时候是很准确的,但是车流量很少的时候,要看是不是合理。汽车电子标识采集的数据也是非常精准的,但只是一个电子信息,如果汽车电子标识的信息不跟视频结合起来,一辆车的画像就不是全面的、不是精准的。它们之间是相互补充、相互结合的,这些手段结合在一起,结果会更加准确、更加精准,为我们的服务和管理提供更好的帮助。

    而V2I技术本身是一个多技术融合的系统,并不是一个完全的采集技术,融合了多种手段到系统里面去。刚才在前面的分享中已经说了,在无锡的车路协同系统中采集到的数据非常丰富。比如说急救车辆的避让,首先需要对急救车身份进行鉴证,是不是急救车,有没有在执行急救任务。车辆是急救车,但如果是去加油、去维修,要不要给他优先权呢?肯定不需要。那么,系统怎么知道它是在执行紧急任务,还是出去加油、修车,从这个角度来讲,单个感知肯定不是最全面的,要通过各个系统和手段融合以后最终为交通管理所用,而且用的时候能够符合我们的预计和要求。我的理解是这样的,谢谢!

    主持人:

    吴主任给我们的答案是优势互补。其实我们也一直在思考这个问题,甚至我们很激烈的在讨论视频感知和汽车电子标识会不会成为一对冤家,今天感觉到,还是各有各的优势,是可以互补。下面请上海智能交通有限公司郑纲经理发表一下观点。

    上海智能交通有限公司软件研发部总经理 郑纲 

    我非常同意吴主任的观点,为什么要互补?因为各种检测技术有各自的独特性,交通感知还是要按需求来的,不是说我要装什么设备,而是说在这个环境中需要采集什么信息,在时间和空间上采用什么设备。刚才讲到视频和电子标识,多数情况下是两个感知设备一起安装同时工作,这就要研发一个算法把视频识别的图像数据和电子标识数据匹配起来,不是互相替代的问题,而是两个之间又产生新的模型、算法和需求。包括V2X也是一样的,车辆能够提供感知的信息,反过来车辆也需要感知信息。像前面龙队说的,有些路口并不需要很多感知的东西,满足交通管理控制需求就可以了。这是我的想法,谢谢!

    主持人:

    新宇院长,从设计院的角度怎么理解?

    深圳市城市交通规划设计研究中心总工 张新宇 

    我认为这个话题是数据化的问题,是数据源的建设。对于交通系统来说,数据是最基础的采集,在大的平台来说应该是IaaS。我非常赞同刚才前面专家说的观点,我们做交通的控制、交通的管理最普适的思路是数据、处理模型(工具)、控制输出三个阶段,其中最核心的是,面向目标构造的模型以达到我们的需求。

    比如说行人过街,一种方式是装一个行人过街按钮,这是一种采集手段;一种方式是视频、红外、雷达等检测路口等待的行人,这种应用对于信息数据的精确度要求是极其高的。如果数据的缺失会导致服务的缺失,让这种服务能力是不可行的。比如说在某个应用上,用互联网的数据为基础,这个数据原来有0.9%或者1%的缺失,影响是不大的。对于数据源来说,我们也达成了一个一致的意见和思路,就是各有各的特性,有它的应用特点和数据特点。这种数据特征就体现了多元的数据采集,它的存在是有生命力的。

    主持人:

    这个观点非常清晰,大家的意见是一致的。刚才突然灵光一闪,5位嘉宾包括我6个人站在球场上,我们看到羽毛球过来,获取的信息都是一样的。所有人看到的场景肯定是一样的,但因为位置不一样,所作出的反应不一样。也就是说,我们的采集端其实都是一致的,拿回来这些东西之后,核心算法、交控能力以及最后的执行能力才应该探讨和细分,前端是一致的,无非是成本的问题,我突然想到这个概念。

    柳州市交通警察支队接处警指挥大队副大队长 龙海勇 

    刚才钟教授说的很好,就像法拉利F1赛车,不同的车手开起来就不一样,并不是车不一样。这期间我个人也很有感受,最大的关系是用户的需求。数据的模型不能是完全一样的,用户的需求和他想要的预期的预值比较关键。比如说你买一个地磁,就想拿到全息数据是不可能的,只能说怎么用这个数据进行转换、调整,尽量把投入的性价比做到最高。所以有时候我经常和相关企业聊的都是业务,因为所有的“大脑”、“小脑”都是为交通安全、交通效率服务,算法再高深也是企业的事,企业帮业主实现目标才是我需要的。这是交警和企业与科技融合的一个最根本的重点,这是我在基层最大的一个感受。

    主持人:

    我再延续一个话题,今天吴主任提到LTE-V,这应该是华为和大唐最早研发和推动,国际上对车路协同的标准也有分歧。卫星定位系统有北斗和GPS,当然从国家的角度出发一定是慢慢推国产自主化,但在这个过程中难度非常大。我就想问下吴主任,LTE-V和DSRC的区别和发展情况。

    无锡市交通警察支队指挥中心主任 吴仁良 

    无锡没有用DSRC,现在LTE-V2X主要是国内公司主导,但在全球来讲,无锡应用进展最快。而且实现了很多功能,现在国外厂商都是看中国的进展情况,包括大众、宝马等车企都要加入这个团队,因为无锡进展远远超出他们的预期。2018年4月份奥迪推出同步交通信号功能时,汽车界非常轰动,但我们认为不过如此而已,我们的功能远比他更多,而且实用性更强。

    主持人:

    很给力,此处应有掌声。

    第二个问题

    柳州龙队和攸亮科技戴高总都提到了,目前互联网数据应用场景主要是用于宏观的状态验证、指数排名、预测预警,是不是再深一步的应用场景还有更多的应用?要不戴总先说说?

    重庆攸亮科技有限公司总经理 戴高 

    现在互联网的数据通常是来自于百度、高德和滴滴的,这三种数据我们都有接口,也对数据进行非商业目的的分析。总体来说数据都是滞后的,包括流向也是滞后的。经过大量的数据特征归纳之后,就会发现在某一个时期可能有一个状态顺序,我们来做判断和协调。或者在某些路口有一个流向出现了排队,也可以根据以前的数据来判断是左转还是右转车道在排队。

    根据大量样本的长时间的可信度比较高的调整,也许还可以,但我也不好准确的判断。因为所有的归纳能不能推出一个事实,我觉得不一定,但也不烦尝试一下。我们采取的方法是,在可以接受的方向调整,比如说绿灯本来基础是30秒,变成35秒,它大概率是对的,反方向还可以协调。可以反复加速使用数据,一个星期做一次优化,这是目前比较少的,所以要比较慎重。谢谢!

    主持人:

    龙队,你们和企业有过一些接触了,您有什么感想?

    柳州市交通警察支队接处警指挥大队副大队长 龙海勇 

    我和滴滴、高德都接触了,互联网公司给的数据说句心里话不是叫云数据,这些数据是按照模型加工后的,而我们想要的是源数据,才能进行更多的分析。互联网不一定懂业务和数据应用模型,我也不能把交通研判模型放到互联网公司去,这是一个矛盾。

    在现有的情况下,比如说柳州与互联网公司握手,能够快速实现粗放型的信号优化控制。数据的多样性,做法可能会完全不一样,数据越多做得更好。我把数据分为几个层次,一是公安交警自有的数据,二是部委办局相关部门的数据,三是互联网数据,要买,可能要去协调,四是不得已而为之建设前端设备才能获取到的数据,那是最贵的,一二三四从易到难。实在不行我们才会建前端感知层采集数据,所有的数据都是为了一个目标服务的,我们会选投入最少、质量最好、最稳定的数据来用。选择什么,或者怎么来做,只能退而求其次了。

    主持人:

    两位讲到一个观点,就是互联网公司提供的数据在某个领域有用,但不是那么爽。我个人也有这个感觉,互联网公司讲数据就是核心竞争力,如果这些公司把源数据公开就很普通了,可能就没有什么商业价值了。其次,如果大家都能理解你,都能用到,就太普通了。所以他们要保持神秘。

    但未来一定是交通+互联网,而不是互联网+交通。互联网公司把数据拿到之后,去讲什么红绿灯与监控是世界上最远的距离的故事,但实际上,信号优化并不是他们来做,有合作、有竞争,但没有谁把谁灭掉。

    延续这个问题,我们再讨论一下。现在我们数据都拿回来了,交警数据是很精准的,雷达也好、激光也好,速度是多少就是多少。互联网数据是宏观的,大但是并不一定精。比如分析得出交通指数是8,但8和8.1有什么具体差别?大数据可以得出趋势和方向,但并不精准。

    深圳市城市交通规划设计研究中心总工 张新宇 

    抛砖引玉,今天好几位嘉宾都讲到信号控制,包括龙队也讲了,上午也有教授讲了信号控制。每次论坛信号都是主要话题,但是信号控制经过这么多年发展,这几年随着大数据的发展,又激起新的浪花。我本人也做信号控制工作,我有一个想法,也是我这两年在探索的一些方向。互联网的数据各自有各自的特性,我们想了解数据,特性是什么,包括内容、精度、作用率,我们想描述得很清晰,这是一个本质的东西。

    第二,我们想知道这些数据能够表征交通的什么,这个很重要。从普适性的角度来讲,交通有三性:交通的规律性、随时性、偶发性。规律性指的是周一到周五工作日发生什么变化,节假日有什么变化。随时性是上周一和这周一是不一样的。偶发性包括交通事件产生的对交通管控产生的影响。自己生产采集数据也好、互联网大数据也好,我们最想知道的是数据能描述交通的哪个特征,知道这些特征以后,再来提供什么服务。生产的数据可以很明确,比如说事件检测器,感知了一个偶发事件,我们可以采集出针对偶发性的数据,结合交通管控预案,代表不同的交通应用层次。

    第三,刚才龙队讲到互联网数据的应用有面和点的管控,我最近也在探索这方面的问题。互联网数据能不能用于面的管控,我们也在做战略布局和战术布局,海量的互联网数据和结合交警采集数据,能不能树立一个体系,在战略层次上把管控策略提升一个高度,结成一张网,再一层一层的剥离,剥离到实战的层面,从而激活整个数据的作用。

    主持人:

    我也是刚才这个构思,聊起来就擦出火花来了。刚才也讲到城市大脑、人工智能,但数据表征交通的什么特征,这是人工智能干不了的。术业有分工,这个术是指技术,业是指交警业务。按照张院长的概念,首先是业务方面的,战略是谁定的?战略不是IT企业干的,也不是智能交通企业干的,而是交通管理者定的,应该合起来干,以技术为主导的战术。

    在这个状况之下,也会有问题,数据也是越来越杂了,大数据是一个很好的事情。但有没有很好的梳理,或者说我可以把哪些数据放到哪种场景里面去用,哪些数据你现在给我也没有用,因为不能表征交通态势或者特征。请戴总讲一讲您的思考。

    重庆攸亮科技有限公司总经理 戴高 

    这个问题是最难的,大数据到大脑到能做什么,我想有两个方面。一,基于需求驱动,交管部门需要什么,我们来完成。二是基于一些事故或者事件驱动的,人工智能对大数据的分析,最终是根据它的特性提出一些价值目标函数,再反向回去匹配,在事故之前或者检测出来后, 对需要的结果的反向解说过程。它有两个来源,不只是我们说的几个用处,用处很多。所以说,基于需求驱动,交管部门有一些管理上的问题。还一个是事故预防,在偶发之前有没有一些共性的特征需要去预防和处理。

    主持人:

    我都一直在怀疑,你的技术水平这么高,干嘛做总经理?很少有老总能够把技术谈得这么深的。接下来请上海智能交通有限公司郑总,你们的接触面比较多,你怎么看待交通大脑大数据的应用?

    上海智能交通有限公司软件研发部总经理 郑纲 

    实际上我是一个IT直男,对这个观点我比较直。交通大脑也好、大数据也好、人工智能也好,从本质上来看,它就是一个技术,而且是一个IT技术。这个IT技术要应用到交通,应该要有一个术业有专攻的分工团队来做。从大数据开始推,前面几年我们也在迷茫,大数据到底是干嘛的,怎么用到交通上?当时智能视频技术还没有这么发达,哪来这么多数据应用这么先进的技术。

    大数据产业到现在为止,仍然是谁拥有数据资源,谁就有最大的话语权,拥有资源的人并不一定具备行业应用的太深入知识。在这一点上,我和互联网公司也有沟通,我也理解,为什么?因为现在数字产业没有一个很好的资质,不知道应该占多少比例。我个人认为,大数据在某些场景下是可以用的,但问题是怎么联动起来。以前一直说政府数据是孤岛,我觉得互联网的数据也一样,最后也会变成孤岛的形式。不管怎么样,把数据应用到合适的领域,有数据整合和数据工程、数据IT的团队,有做交通模型的团队,也有做应用平台的团队,也有业主团队,团队组合起来才能更好的把交通应用和交通大数据结合起来。

    无锡市交通警察支队指挥中心主任 吴仁良 

    我接着郑总的话继续抛砖引玉,我的理解,不管是大数据也好、大脑也好,或者交警掌握的精准数据也好,“不管是白猫还是黑猫,抓住老鼠就是好猫”,这句话放到智能交通领域来讲,一样合适,能解决问题就好。我非常同意郑总的说法,大数据和交通大脑都是一个手段,而且是手段之一,不是唯一的手段。只要能解决问题,这个手段就是好的,不管你是用大数据解决的,还是用精准数据解决的。哪怕你到路口人工计数也没问题,只要能把问题解决掉,而且确实有效果,这就是好的。

    从我们的交通管理来讲,面临各种各样的问题,有些问题需要精准数据。涉及到交通信号控制,从策略上来讲信号控制需要大数据,从管控的有效性和实时性来讲,就需要大数据和精准数据结合起来。比如说匝道设计就只能用精准数据,用历史数据是不行的。我们可以通过数据看出路网哪里存在缺陷,哪些地方需要加强,哪个地方的断头需要打通,这种工作以前可能需要规划的专家对业务相当精通、对城市的运营有非常详细的了解,现在不需要,现在可以通过积累的大数据解决问题。

    比如说通过对车速的刻画。正常情况下道路或整个路网的车速的随机性比较大,但随机性的分布应该也是有规律的。如果某条路上或者某个点测速是突变的,那肯定是哪个地方有问题。这个问题通过普通的情况可能还看不出来,比如说突然从哪个地方就拐弯了,肯定就有问题了。类似的应用很多,不存在哪种技术最好,我认为这种事情没必要刻意的去评判谁更好,关键是,谁能解决我们关注的问题,关心的问题,能解决就是好的。谢谢!

    主持人:

    非常直白。最后我归纳一下。

    为什么要去拥抱互联网?不仅是数据越多越好,也是因为自有的数据比较少,以前原来做平安城市项目有很深的印象,需要GIS地图,城规的地图跟高德的地图没法比,高德的POI信息更新的很快。

    但互联网企业也要学习了解交通管理。很多企业现在还是一个毛病,跑到交通管理部门卖东西。其实已经变了,企业应该来交流,交通拥堵的病、管理的痛点,你们有药,能帮助解决问题。我没有去过龙队的办公室,在他的办公室有很多产品资料,他可能看都不会看。企业要真正找到用户的需求、痛点、痒点。

    所有的归集和思路是满足需求,安全、高效、服务能管控。高速公路交管工作是一个痛点,交警应用无人机很复杂,因为要举证,要做这个事情,所以提出一些新的想法。

    因此我总结起来有三点:一要有开放的心态;二是企业要能解决用户痛点;第三是需求是所有问题的核心和原动力。

    现场交流

    提问:您好,教授。聆听各位专家的精彩分享,先感谢大家。我提一个问题,感觉智慧交通、车路协同都是解决路和车的问题,没有考虑到人。实际上每年交通事故死的人还是不少。现在公交、道路客运出行分担率很多城市都在下降。如果是以人为本来考虑,交通还有很多问题,想听听各位专家的一些想法。谢谢!

    主持人:

    我稍微解读一下,人在交通体系里是核心。这位先生提的问题是人应该是也要作为车路协同系统的一部分,请郑总说一下这个问题。

    上海智能交通有限公司软件研发部总经理 郑纲

    前段时间有一个说法,道路交通不管是路也好、车也好,最终满足的是人的出行,安全和效率。我的感觉是,今后在智能网联的情况下,怎么满足人的目的,可能也会有一个变化,对人的出行方式也会带来影响。但可能比较远,当智能网联已经到达一定程度以后,才会带来一个变化。

    无锡市交通警察支队指挥中心主任 吴仁良

    我非常赞同刚才这位先生提的问题,我们今天讨论的大部分主题和内容更多是侧重于机动化交通。从整个交通来讲,构成肯定不仅仅是机动化交通,还有非机动化交通和行人交通,慢行系统。为什么现在更多的侧重于机动化交通,因为问题比较大,不把这个问题解决好会出很大的问题。同样是事故,机动化交通的事故后果严重性肯定会大于慢行系统,两个行人撞一下,死伤的机会不大。轻重缓急,重要的问题先解决。现在无锡已经意识到问题,慢行系统也已经提上了议事日程。

    今天的分享已经说得很清楚,为什么现在公交车的吸引力不高。无锡机动化出行比例居然达到25%左右,为什么?哪怕是早高峰,公交或者地铁都有座位,为什么?因为公交的吸引力并不是很强,或者私家车的出行便捷性还是很高。由于这个原因,公交出行的吸引力还不像东京、香港等其他一些大的城市,公交车可以比私家车更快,在这种情况下肯定会舍弃私家车的出行乘坐公交车。

    还有慢行交通,比如说自行车出行,出行距离是有限的。也受天气影响,在北京骑自行车,冬天骑半个小时是不可想象的事情。慢行系统从前几年开始,今后肯定会慢慢提高重视程度。但也有一个过程,不可能说一下子把所有的问题都解决掉,问题要一个一个解决。

    深圳市城市交通规划设计研究中心总工 张新宇 

    我对这个话题特别感兴趣,为什么感兴趣呢?因为我们一谈到这个话题,自然而然的就谈到了末端管控,是科技的力量使交通管理往前走了一大步。诚然这是近几年来一个很突出的成果。但这位先生也讲了,我们交通的最终目的是要使人的出行更加美好,从什么时候开始出行,选择什么样的方式,对于交通参与者来说,一定是趋利的,这个“利”是指出行的舒适性、时间经济性和成本的经济性,有一个平衡。对于解决这些问题,从两方面来讲这个事,一个是服务的提供者政府,无论是智能交通也好、还是智慧交通也好,应该把交通的范围扩展,扩展到交通项目的全生命周期,扩展到政府提供服务和出行参与者在享受服务的全链条,这才是智能交通的真正含义,才是完整的。

    举个例子,从湖南过来坐高铁,到达深圳福田站,在市中心,这在国内是很少见的。这是数据在规划交通项目建设前期起了一个很重要的关键作用。我们规划福田高铁站选址的时候,和铁总发生较大意见分歧。铁总有两个相当充分的理由,一是在建成区的成本太高,比如说拆迁等成本太高,二是希望带动城外的经济发展。但我们发现来深大量客流是集聚到深圳的福田、罗湖、南山,用数据来支撑决策。这个难道不是智能交通吗?我觉得这也是智能交通,用了数据来支撑原来的经验主导到数据驱动主导,这是一种理念的变化。

    其实智能化、智慧化是用一些数据,技术,来解决交通和出行问题,不仅仅是面向管控一个方面,而是多维度的问题。包括停车政策和限牌政策,广州深圳有限牌政策,还有路边停车政策、预约停车政策等。比方采用多乘员车道来缓解某一条道路的车流量过大问题,解决潮汐车道和可变车道来解决潮汐不均衡的问题等,都是通过数据的驱动,现在大家都在用,各个级别面向不同业务的政府部门都在用数据进行驱动它,享受智能和数据带来的精准化服务。

  • 关键字: 大数据 大脑
  •    责任编辑:刘艳
  • 每周新闻精选

  • 关于我们
  • 联系我们
  • 广告赞助