面向云边端协同的城市交通治理体系探讨

编者按：近日，在第十一届（2022）中国智能交通市场年会上，连云港杰瑞电子有限公司武汉分公司副总经理付珊以《面向云边端协同的城市交通治理体系探讨》为主题，做了精彩的报告。

该报告针对当前城市交通治理过程中的面临的交通信息无法有效交互、事件决策无法及时响应、交通分析不够智能等问题，基于云边端协同治理模式，构建了1+1+N的交通治理体系，并就如何在该体系架构下实现交通安全、交通出行、交通调度、交通服务等多项应用的问题进行了探讨。

1、城市交通治理的难点

城市交通治理涉及交通安全监管、交通运行监控、交通运输调度、交通出行服务等多个核心业务场景。目前，我们的信息系统跟出行者的客观需求之间仍然存在较大的差距，城市交通治理面临着诸多的问题。究其根源，这些问题可被归纳为以下三个方面：

1）信息无法有效交互。现在交通信息系统的基础信息覆盖仍然不足，参与者之间无法进行有效的信息交互，直接影响交通安全。

2）事件决策无法即时响应。普遍的中心化治理模式会导致决策时效存在延迟，交通事件无法及时被响应，直接影响交通效率。

3）交通分析不够智慧。因为交通系统的数据量和参与群体庞大，一旦对其特征分析不足，就会导致交通调度和控制方面的不智能，直接影响交通服务水平。

2、云边端协同发展的交通治理模式

针对上述问题，付珊指出我们可以利用技术和基础设施的发展，构建一个“端、边、云”三层的协同业务架构，创新治理模式，实现“智慧在云、智能在边和端”，基于云边端协同发展实现智慧交通与智能网联。

具体的，通过端侧的基础设施来助力车和路之间的实时信息交互，以获取全局交通的状态数据并进行分析，保证基础信息的高精有效可交互；通过边缘计算单元提供即时数据的分析处理和车路即时应用；利用云控智慧通过大数据和人工算法为协同决策提供智力支撑，提升交通分析和智能控制能力。

3、1+1+N的交通治理体系架构

为了去逐个突破前面所提到的困境，杰瑞在云边端协同治理模式之下，构建了1+1+N的交通治理体系架构，即打造1张协同感知网，构建1套云边协同应用机制，实现N种治理场景。

1）打造1张协同感知网。通过车载通信、路侧通信、路侧感知设备来实现车跟路之间的交互通信与协同感知，解决信息无法有效交互的问题。

2）构建1套云边协同应用机制。利用边缘计算的特点及优势，辅助云控平台对交通流进行总体的调节与管控，针对不同的场景赋予边缘端不同的决策权限，完成车路即时应用与信息服务，解决交通事件发生时决策无法及时响应的问题。进一步支撑云端基于AI引擎、数据引擎、地图引擎，对采集的全域数据、对全域参与群体行为特征进行统筹分析，并通过行业性的智能算法模型，提供各类智慧应用，解决交通分析不够智慧的问题。以此形成边缘智能协同云端智慧的交通治理流程化机制，让交通管理更加契合实战需求。

3）实现面向交通安全、交通畅行、交通调度、交通服务等4大核心业务的N治理场景。

针对如何落实这一架构的问题，付珊指出我们可以从端、边、云三层面入手。

在端侧打造一张协同感知网。通过在车端、路端布设智能基础设施，打造一张协同感知网实现聪明的车+智能的路，实时获取交通参与要素信息，实现端侧全域信息感知。具体来说，通过在道路上安装各类感知设备，如视频、雷达、行人、气象检测等，来获取道路上的交通流流量、速度、交通事件、静态环境信息、温湿度、能见度等信息，结合车载OBU获取车辆的方向、位置、速度信息，通过感知系统软件进行融合处理，将数字化呈现的道路信息、车辆信息可以跟边缘端进行交互，跟云端实时共享，为信号管控、信号服务、警告信息、车辆遥控等多个应用提供信息支持。

在路侧，杰瑞公司可以提供包含视频检测器、激光雷达、毫米波雷达、雷视一体机等多种感知产品。

构建边缘智能决策。由边缘系统提供即时数据的分析处理、车路即时应用等系统功能，实现应用、服务、内容本地化、近距离分布式部署，提升道路信息服务效率。具体来说，通过在道路上布设边缘计算单元，边缘计算设备或者对前面感知系统采集到的一些高精度交通数据进行统筹分析，提供车路及时应用，提升道路信息的服务效率。

在边缘端，杰瑞公司研发了V2X信号机，边缘计算单元MEC等设备。

构建云脑智慧分析。基于杰瑞的云控平台和3大智能引擎，打造面向云边端协同的“云脑”中枢，通过汇聚人、车、路、环境全景感知数据，依托大数据和人工智能技术，为车路、车脑，车车协同决策提供智力支撑，实现全时空交通运营与管理。

4、交通治理探索

针对在1+1+N的交通治理体系架构体系下，如何去实现前面所提到的安全出行、调度服务等多项应用的问题，杰瑞电子给出了他们的探索方案。

1）在交通安全层面进行安全预警和多维布控。

安全预警是基于在道路上布设的雷视检测、行人检测、气象检测等来获取道路状态信息，然后通过路侧RSU和车载OBU实现车路动态实时信息交互，实现车辆对外界环境信息的主动安全感知，并对感知到的特殊情况进行及时预警；多维布控是利用已建的设备，在各级边界、重要区域出入口补充建设智慧卡口，从内至外去构建多级城市布控圈，实现车辆和驾驶员信息实时捕捉、智能识别与预警，实现现场处置、重点疫区车辆管控、治安防控等功能。

2）在交通畅行层面构建智慧路网、智慧公交、智能网联测试系统。

构建智慧路网是通过构建路口端的泛感知体系，充分结合路侧的算法、算力优势，建立路口车道级、进口级和路口级的实时分析和预警模型。并在这个基础上，进一步基于扩展性全息感知数据，可以反向推演每一辆车的出行路径，掌控城市交通流出行特征，实时掌握路网车流量、在途车辆数量以及任意车辆的行驶轨迹等数据，实现路网容量、需求、状态的可计算。其可以支撑交通信号优化，从以前被动的适应来车转化为可以主动去诱导控制，实现系统性优化。总体而言，可为通行效率管理实现不同级别的态势研判，交通溯源分析，交通信号控制优化等功能。

智慧公交系统是基于不同的检测机制和优先策略考虑因素定义了6个级别的公交优先。其中基于车路协同的公交优先可实现公交车辆与道路控制系统的实时信息交互，通过优化模型和算法规则实现高级别的主动公交优先，保障我们公交优先的通行效率。高等级公交优先可对不同车型、不同线路、不同载客率、不同运营时刻偏移状态的公交线路，进行分级优先，每一个公交请求的优先级都是在动态变化中。

智能网联测试系统可以通过AI+智慧交通综合测试基地为例，项目基于智能网联技术构建了多种协同测试场景，可为测试车辆提供城市道路、长直道路、隧道、乡村道路以及雨雾模拟等多种测试环境。项目构建的车联网系统通过路口布置的路侧感知和边缘计算系统，完成对路网交通元素的识别跟踪、拼接，去重、数字化，实现一个现实层面的交通全面感知和决策，通过路侧RSU和车载OBU搭建的直连通信环境，使无人测试车辆可以及时分析判断交通通行情况，从而保证无人测试车辆的交通安全。应用场景方面可实现面向信息服务、交通安全、交通效率、自动驾驶的典型场景测试，比如紧急呼叫、交叉口碰撞预警、车速引导、编队行驶、远程遥控驾驶等。

3）在交通调度层面打造无人接驳系统。

可以为L4级别无人驾驶出租车、无人驾驶小巴车提供车辆预约、路径规划、弱势群体预警、施工预警、红绿灯信息推送、事故信息预警、闯红灯预警、停车信息等应用服务。还可以进一步打造AI+交通出行，实现园区小巴短驳、园区外中巴接运等。

4）在交通出行方面打造智慧出行系统。

基于车与人、车与路、车与云等全方位连接，互为补充，实现车辆与交通的全域实时协同优化。在车路可实现交互通信、协同感知基础上，结合地图导航、信息发布、智慧停车、社会化服务等其它系统，为车辆出行提供路径导航、停车预约、信号指引、弱势交通参与者预警、盲区碰撞预警等功能，全面覆盖出行服务需求，实现一站式交互出行。