未来城市交通及其对未来城市发展影响——“交通7+1论坛”第五十六次会议

彭宏勤，张国伍

(1.北京交通大学中国综合交通研究中心,北京100044；2.中国交通运输系统工程专业委员会,北京100044)

“交通7+1论坛”第五十六次会议于2019年12月28日下午在北京召开.参加会议的有院士傅志寰、参事张元方，论坛核心专家段里仁、石定寰、王庆云、于景元、张国伍、毛保华、关积珍，主题发言人吴建平、赵一新、郭小碚、王林阳，以及专家学者、政府部门决策者、企业界管理者共40 余人.会议的主题为“未来城市交通及其对未来城市发展影响”.会议由清华大学未来交通研究中心承办，石定寰、于景元、关积珍主持.

吴建平：在过去的20年里，我们经历数字城市、智能城市、智慧城市、新型城市等不同的阶段，对智慧城市有了更清晰的认识，也完成了城市数字化.智慧城市就是在数字认识和感知的基础上，对数据进行智慧分析和智慧计算，以使城市资源配置优化，城市管理高效，百姓生活品质提升.

无人驾驶的全面实现，将给未来社会带来全新景象.无人驾驶能够使道路能力提升3～5 倍，或许能够完全消除拥堵.无人驾驶可以消除人为造成的事故，使得道路安全性大幅提高.

未来将是无人驾驶加上共享交通的时代.未来多样性的出行将会由社会提供服务(MaaS).人们不需要买车，将节省大量汽车原材料.家庭不需要车库，住房结构将会变化.城市里不需要太多停车场，土地会有大量节省.不会开车的人和行动不方便的人，会得到更多的方便，社会公平性得到很大程度提升.没有停车位，道路更宽敞，交通不拥堵.汽车厂将成为交通服务产业链的中间环节.未来城市结构和城市形态及人们的工作习惯也会发生变化.

无人驾驶的发展也面临诸多挑战.大量无人驾驶的学习过程都是采用机器学习模式，反复学习真实的(或仿真的)人类驾驶员在不同场景下的反应.机器学习的缺点是学了“人类”丢失“自己”，丢失了无人驾驶汽车应该具有的“快速响应能力”“精确定位能力”.

无人驾驶汽车在各种(或复杂)交通环境下正确反应能力的检验也是一个关键难题，具体包括检验无人驾驶汽车的感知系统是否完备与科学合理，检验无人驾驶汽车在现有感知能力条件下的控制系统(逻辑)是否科学合理，检验无人驾驶汽车在网联信息丢失条件下的控制系统(逻辑)是否科学合理.

从全部人类驾驶到全部无人驾驶将会有一个较长的混行期.在此期间会存在安全与效率的博弈.为保证未来交通系统的安全和效率，需要研究和探索未来道路基础设施、未来车辆准入，以及未来交通管理和交通控制将发生的变化，研究制定相应标准、规范及法律法规.

不同等级水平的无人驾驶汽车有其相应的应用领域和应用场景.政府部门需要对未来的无人驾驶车辆定级.

我们正在进行无人驾驶与未来交通系统仿真测试与研究，并搭建了仿真测试平台和实地测试平台.仿真平台可构建不同等级应用场景，其中每辆车都可被赋予独特的个体行为特性，也可基于概率统计随机产生个体行为特性.仿真分析表明，无人驾驶可使道路通行能力实现3～5倍的提升，可使道路车流稳定性大大提升，还可以大量节省旅行时间.

通过大数据分析可以发现，每个人的驾驶行为都不相同，每个人的驾驶行为特征可通过多种因素构成的行为模式来体现，驾驶行为具有模糊特性.驾驶行为模糊特性包含模糊的感知信息和模糊的决策过程.

在驾驶行为模糊数学模型、自行车行为模糊数学模型、行人行为模糊数学模型的基础上，我们构建了用于中国混合交通流的FLOWSIM 仿真模型，并做了非常严格的微观宏观检验和标定.FLOWSIM仿真模型已用于交叉口组织优化、区域交通组织、施工占道路线划分、污染排放预测、高速公路预案仿真，以及奥运交通组织方案仿真评价和预测等诸多方面，也实现了实时交通控制、信号系统控制、机动车排放污染预测、综合交通系统智慧管理和服务系统的在线交通仿真.

智慧城市核心要素是通过全面的感知和数据的共享,实现资源的优化配置.虚拟城市是对城市内的基础设施、功能机制进行自动采集，然后进行动态监测和辅助管理决策的数字化城市.通过对城市的感知，发现数字背后的规律性，对未来城市进行分析评价和在线管理.

虚拟城市是通过模型构建来实现.通过对真实城市的全面感知，可形成城市人口数据模型、建筑数据模型、经济发展的模型、交通模型等诸多模型.通过构建这些模型，来形成虚拟城市.虚拟城市是真实城市的映射.有了虚拟城市，我们可以对城市运行规律进行分析和评价，可以预测城市发展趋势，可以对突发事件进行实时响应.虚拟城市构建时应同时虚拟交通体系的构建，以实现对真实交通体系的管理评价和预测.

交通事故是世界第九大致死因素.交通安全问题不是单纯的工程问题.我们应该引入社会学方法、人因工程方法，探索交通安全研究新方法.

赵一新：今天交流的题目是《洞见城市、智绘未来》.

中国主要城市道路网密度监测平台，是为住建部统计全国城市道路网密度所开发的基于地图遥感数据的平台.平台有效解决了统计资料数据参差不齐、标志不统一、口径不统一、数据来源无法校核等问题.

平台可以对全国36个主要城市道路网密度进行计算、排序和评分，实现了城市级、行政区级、栅格级路网密度指标监测，实现了动态化指标监测和多维度指标分析.借此可以准确把握城市基础设施建设发展情况，可以分析城市形态、规模、区位与道路网密度关系，可以有效实现规划建设的全过程监督.平台还可以进行POI 计算、城市活力分析及其与路网密度关联关系分析.有了大数据，分析的维度可大幅拓展.

近年来，我们做了一些基础性的研究，正在研发城市交通智能治理大数据平台.搭建专业智能治理大数据计算平台需要解决的关键问题有：①构建面向交通治理的全息感知体系，②构建城市级大规模交通知识图谱，③形成面向交通治理的城市级交通运行状态在线智能研判和态势推演能力，④构建一个协同计算能力、效率和成本的可弹性扩展的平台架构，⑤建立适应不同城市、不同治理场景的城市交通智能治理模式.最终目标是以“感—知—判—算—治”为主线，围绕提升交通全面感知能力、高可靠实时研判和态势推演能力、大规模高效计算能力，构建交通智能治理大数据计算平台，形成可推广复制的示范样板.随着计算能力的提升，新知识图谱的引入，以及应用场景的不断丰富，平台会为城市交通解决很多问题.

中规智绘平台是中国城市规划设计研究院主持研发的面向城市规划和治理领域的大数据平台.平台具有三大特点，即聚数据、强知化和助决策.平台完全是靠自带数据就能运行，能解决基本需求，但是精度不够，若要提高精度则需要补充地方数据.

中规智绘平台将原有的大数据云化，以基本大数据平台的数据作为交通模型的基础，将大数据、云计算和交通模型融合在一起，支撑在线交通承载力评价.

中规智绘平台可用于交警交通流溯源分析.道路发生拥堵时，需要知道车从哪来，哪些问题可以通过设施建设予以改善，哪些问题可以通过周边路口的信号控制优化来解决，哪些问题是需要区域联动才能解决的，因此必须进行拥堵点溯源.拥堵点溯源的效果与数据精度有关.浮动车是作为基底的流量，由于浮动车的占比较低，不足以支持溯源.如果加上卡口数据，就能大大提高溯源精度.

基于浮动车数据、卡口数据和支持搜索运算的地图引擎，可以实现4种溯源模式：单点溯源、通道溯源、全网溯源和局部溯源.单点溯源可用于诱导和引流，通道溯源可用于通道规划，局部溯源可用于车流分析及配时调整，全网溯源可用于车辆跟踪、分类统计等.通过交叉分析，可以追踪车的很多行为.通过增加新的模块与算法，溯源功能还可拓展.

郭小碚：报告的题目是《运输服务的未来展望》.

从国际上看，发达国家经济发展到一定程度以后，客运需求增长速度是下降的.工业化的后期，货物运输量的增长也是下降的.目前，我国经济进入由高速增长转向高质量发展阶段.

改革开放以来，我国交通运输发展经历了瓶颈制约、基本缓解、初步适应三个阶段.伴随未来智能化技术广泛使用和新技术创新，高品质的运输服务将成为交通运输系统建设的核心.随着经济进入高质量发展阶段，运输量将不再是交通运输关注的重点.经济社会是一个不断发展进步的过程，交通运输的服务品质也将是一个不断提升的过程.

目前，交通运输服务面临新的形势.交通运输发展需要考虑经济发展趋势、人民对美好生活需求及交通供给创新的影响.

交通运输系统现代化的基本要求包括：坚持交通运输业以人民为中心的发展思想，增强公共服务能力，提供更快速、更经济、更舒适、更多选择性和更高安全性的运输服务；实现由“以物为本”向“人民交通”转变，促进旅客出行从“满足”到“满意”转变，实现货物运送从“分段”到“全程”转变；交通运输系统应满足社会与人民群众对交通权、可靠感和个性化三个层次的需求.

未来提升运输服务的主要方向是：基本服务均等化与高端运输服务、高效率公共交通与个体化交通、全程运输一体化与创新交通模式、运输管理技术与运输市场化.

注重社会公平是交通运输现代化进程中的基本底线.基本服务均等化可推进地域空间公平，促进不同群体公平.追求高端体验是交通运输现代化进程中的必然导向.发展高端运输服务的途径是：通过扩大交通多样化有效供给，满足日益增长、持续升级的运输需求；通过提供高品质、自由化、个性化运输供给，满足人民美好生活的高端运输消费需求.

积极发展和使用公共交通系统，是实现交通运输高效、绿色、经济和可持续发展的必然选择.进一步完善城间交通运输系统，提供安全快捷的交通运输服务；努力加强城市公共交通系统，依托智能化技术，提供可靠、便捷的交通运输服务.合理促进个体化交通是提供自由化运输服务的主要形式，可以满足人民群众个性化、特殊性运输服务的高品质生活需求.

实行全程运输服务一体化是运输服务的高品质表现，也是高级运输组织形式.建设创新型交通运输业，是提升运输服务能力和运输服务品质的有效措施，也是交通运输现代化的实现途径.

以信息化技术改造传统运输业，发展智慧交通，提升交通运输系统的经济技术性和生态环境水平.深化运输业制度性改革，以提高交通运输服务质量为目标，加快运输市场化进程.

未来的运输需求侧将从数量需求转变为质量需求.未来的运输需求将从“满足”出行到“满意”出行.

王林阳：STARS 是基于社会学及人因工程学道路安全研究项目.事故路径分析(Accimap)、基于语义的交通行为分析(Think Aloud)、交通行为的文化因素分析(Survey)，发掘潜在威胁交通安全因素的头脑风暴法(DWI)是STARS 项目的核心内容与方法.

事故路径分析（Accimap)方法源于1997年Gens Rasmussen 风险管理框架(Risk Management Framework,RMF).风险管理框架是针对安全事故的分析方法.Accimap 是RMF 的图形化表达方式，它将现实社会理解为8个层次：国际组织、执政党、政府机构、学会及行业协会、具体行业和地方政府、服务提供者、道路用户、道路环境与道路设备.

在进行道路安全分析时，须将现实社会中与交通环境相关的社会组织、政府机构填充到表格当中，列出各个组织机构的权责关系，根据权责关系倒推事故发生可能的逻辑，进而针对各个组织机构的权责、运行及管理提出相应的建议，以达到减少道路安全事故发生可能性的目标.此方法不能用于预测或预防，仅用于事后分析并给出建议.

基于语义的交通行为分析(Think Aloud)是通过记录道路用户在使用交通设施过程中心中所想的语言表达，转录为文字后进行行为分析，从用户出发分析出交通系统中潜在的问题.该方法的具体实施过程是将招募的志愿者分成4组，分别代表主要的交通用户(行人、自行车用户、电动自行车用户和汽车用户)，均配置小型摄像机，到选定的交通环境中运行.实施过程中要求志愿者用语言将三要素(周围环境、环境分析策略和行动)描述清楚.此方法的重点在于加强志愿者训练，以避免出现环境描述多，行动决策描述少的现象.

交通行为的文化因素分析(Survey)的基础是基于文化背景的交通行为调查.在某些国家，因民众不惧死亡或因果报应的思想根深蒂固，导致交通行为会存在一些特殊性.从单一国家进行的文化背景导致的交通行为相关性调研结果看，相关性并不显著.当将5 个国家的调研结果放在一起时，就会发现不同的文化背景、不同的经济发展水平及不同的教育程度等会导致不同的交通行为，能够形成非常丰富多彩的分析结果.调查问卷涉及的内容包括：对于交通安全的态度、生活态度和信仰、对于道路风险的预估、居住地区周围的交通安全状况、作为行人时的交通行为等.

在头脑风暴法运用前，由三个专家基于设计学和心理学机制，设计了101 张引导式卡片，用于引导参与者对现有交通环境进行重新设计.以五道口地区为例，在发放卡片前，每个参与者都想不出太好的点子，感觉当前环境已经非常好了.在卡片发参与者后，新的思维和想法像井喷一样出现.

DWI 方法运用过程是通过仿真软件，配合驾驶模拟器在原有交通环境中进行虚拟驾驶体验，对原有交通环境进行安全性评价，之后由DWI 头脑风暴法得出改进建议，改进虚拟仿真环境，重新体验和评价.