基于MaaS的多模式交通智能出行研究进展

□李建利，董路熙

(1.山西警察学院，山西 太原 030401；2.北方工业大学，北京 100041)

随着交通多元化出行需求的持续增长，城市交通系统面临着交通方式孤立，出行信息不对称等多种问题，现有交通系统仅能提供基础性信息服务，服务呈现通用性、碎片化、片段式等特征，迫切需要建立一个公共的、共享的交通网络。我国城市交通仍存在出行服务体验差等问题，共享单车、共享汽车、网约车等新型交通服务模式虽缓解了部分城市交通部分问题，但交通出行者仍面临着交通换乘衔接体验差、出行信息获取不便、出行路径规划不及时等困扰，MaaS整合多模式交通出行方式，提供需求导向、集成高效、共享优化的定制化出行信息及相应服务，为提高出行服务质量提供新思路。

一、MaaS国内外研究现状和技术发展趋势

(一)MaaS概念与体系分析

在2014年欧盟智能交通系统(Intelligent Transport Systems，ITS)大会上MaaS概念最早被提出，[1]并于2015年世界ITS大会逐渐成为全球智能交通领域的热门议题。[2]2016年，欧盟ITS协会牵头成立全球首个区域性MaaS联盟，为全球MaaS理论、模型方法和技术应用等最新的发展奠定基础。[3]自MaaS诞生以来，全球很多城市已经开始进行MaaS示范应用。[4-7]大多数应用示范中均整合了至少3种交通方式，公共交通、地铁或电车、出租车等多源信息将通过统一的平台处理、融合、发布多模式交通状态、多模式交通智能衔接、多模式交通出行链匹配优化、出行规划、路径引导、服务评估等信息，实现MaaS体系下的多模式交通信息服务。

图1 典型的MaaS体系图

随着我国经济和人口的急速发展，多元化出行需求不断增长。截至2018年底，我国私人汽车总数为1.84亿，私人小汽车年均增长率达到16.4%。[8-9]随着日益严重的交通拥堵和不断增加的出行时间，亟需整合跨模式一体化的交通信息服务，提升交通运输体系的服务效能。因此，MaaS创新型出行服务整合涵盖多源交通出行需求、多模式交通一体化出行信息服务融合、多模式交通路径决策、智能化设备信息交互等应用领域，为智慧交通出行提供智能衔接、互联互通、信息协同和服务优化。

随着移动互联网、车路协同、人工智能等技术的兴起，不仅可以快速高效收集、存储、分析、融合多源交通数据和需求数据，还可以依托大数据资源，面向MaaS+综合交通信息服务需求，基于MaaS出行服务体系和大数据决策方法融合多模式交通综合信息，调配最优资源，提供一站式出行服务。基于固定线路运营的车队实现传统交通服务，而MaaS作为交通出行信息服务的新趋势新模式，根据出行偏好制定出行服务系统。

(二)国内外MaaS出行信息服务现状分析

1.国外MaaS出行信息服务现状

一些国家陆续尝试研发MaaS信息平台，戴姆勒旗下的全资子公司Moovel Group，创建一款城市移动出行用操作系统，可访问多款移动出行服务，实现数字化、互联化及按需服务，该公司还将展示其移动应用及按需(On-demand)产品。

Moovel的产品是新款移动出行服务，基于先进算法提供智能行程管理，基于动态规划出行路线实现实时更新交通信息服务。德国软件开发商PTV推出MaaS Modeller工具，可提供新交通服务选项的预投放建模，软件可帮助车队运营商确定其投入上路行驶车辆的数量，基于城市交通数据及出行需求构建特定出行需求考量范围模型，从而实现各交通出行业务模式最优化。[10-11]

大众汽车集团、英特尔子公司Mobileye和Champion Motors公司宣布2019年在以色列实施自动驾驶网络汽车预约服务“New Mobility in Israel”(以色列新出行)，即AI+MaaS。2019年以色列公司Optibus可提供动态实时平台，可优化公共交通的配置资源，基于专用算法及云端技术分析乘客需求和预期事件实时变化趋势，提供最优出行线路。[12-13]

日本高速公路巴士大厂Willer基于人工智能(AI)与汽车感应设备研发MaaS网络约车系统。JR东日本(JR East)于静冈县伊豆半岛进行MaaS实验，公司与公交车和出租车业者合作，安排出行者一次到位的行程；另一方面JR东日本使用德国汽车大厂戴姆勒(Daimler)旗下MaaS平台厂Moovel开发的手机App、Izuko，强调一步到位的交通预约服务，出行者可实时预定交通行程。[10-11,14]

MaaS-London的运营主体是本地成立的出行即服务运营公司，打造多模式交通出行信息服务平台，MaaS-London的技术核心在于提供一个整合平台，进行信息技术和交通基础设备的交互集成，提供实时交通信息、出行规划和出行方案评估综合功能。[15]

2.国内MaaS出行信息服务现状

国内出行服务平台的合作方包括本地出行服务运营商、互联网公司和城市间客运公司等，其中本地出行服务运营商包括公交公司、长途客运公司、出租公司、汽车租赁公司等；互联网公司包括如高德地图、百度地图、滴滴打车、嘀嗒打车等网约车公司，去哪网、携程等出行和旅游服务公司，拼多多、大众点评等电商。

阿里和高德地图联合推出城市大脑·智慧交通系统，打通数据孤岛，形成全局出行规划，最大化道路资源，驱动交通出行服务。腾讯公司和东华智慧城市提出“MaaS智慧交通体系”，集成广东交通的思考、运算、决策系统，基于交通大数据分析，判断、决策和管理运营广东多模式MAAS交通出行。百度“交通大脑”利用互联网、人工智能、大数据分析优化交通管理体系，提升道路通行效率。其中感知层实时分析道路变化、路口交通状况、车辆轨迹等信息，决策层通过大数据的索引计算出最优化的道路通行配时和出行规划建议，输出层对道路网络进行优化更换配合百度大脑要求的智慧信号灯路侧感知设备。

(三)MaaS出行服务关联技术发展现状

1.多模式MaaS交通区域路径引导关联技术

近几年国内外在区域路径引导领域已取得多项显著成果，并推动新型智能交通技术的应用。在国内通过管理空间数据与拓扑网络，研究最优寻路策略。基于路阻函数建立道路状况的数学模型，利用传统媒体获取实时道路交通状况，采用定量分析法将道路信息车流量代入路阻函数计算得到当前状态下道路实际通行时间，提供更优质的路径规划功能。[16-18]

在国外，美国、欧盟、日本等发达国家对车路协同路径引导研究较早，包括美国Connected Vehicle项目和AERIS项目、欧洲DRIVE C2X项目及日本的Smartway计划等。上述项目将车路协同等新技术应用于路径引导中以改善路网的通行效率，基于车路协同技术的路径诱导理论与方法进行相应方法的测试应用。融合Dijkstra算法、Floyd算法、A算法、神经网络和蚁群优化等智能方法应用到路径引导算法，如基于适用于大规模道路路网和突发事件等特殊情况的路径引导理论，基于分等级控制的思想提出一种应用于自动公路系统的路径引导方法，基于非线性整数计算方法解决最优路径计算问题。同时集成MapX、Multigen Vega和Visual C++组合编程研发出行者选择行为的智能车载动态路径引导系统。[19-22]

2.多模式MaaS车路协同关联技术

车联网路侧基础设施主要包括：①通信基础设施，4G/5G蜂窝基站；②C-V2X专用通信基础设施；③智能路侧关键装备；④MEC设备。5G网络两大核心技术移动边缘计算和网络切片将与车联网紧密融合，为C-V2X提供灵活性高、顽健性强的网络能力。在2017年，3GPP发布的 R14版本标准已支持LTE-V2X。目前的C-V2X技术具有向5G新空口演进的明确路径，将支持更高可靠性和更低时延，促进智能交通系统高效运行。由于C-V2X、5G等关键技术备受关注，中国移动展出了基于高通9150 C-V2X芯片组打造的路侧单元，并成功应用于无锡LTE-V2X城市级示范应用项目。2017年6月，3GPP完成第一个完整的LTE-V2X标准之后，高通率先推出9150 C-V2X芯片组，利用C-V2X PC5直接通信进行优化，同时支持包括北斗系统在内的高精度定位。PC5接口(直接通信接口)是C-V2X的关键技术之一，支持汽车在5.9GHz智能交通系统(ITS)频段上与其它车辆、路侧装备等进行信息交互与互联互通，而不依赖任何蜂窝网络，具有更低的时延和更快的响应速度，并基于中国道路交通法规与实际路况，结合出行意图、出行时空特征等多源信息对算法模型进行优化，准确、适时、智能地推送道路交通信息与最佳驾驶方案，避免不必要的信息干扰，并为未来自动驾驶提供支持。[23-27]

综上所述，MaaS出行信息服务框架已基本发展成型，但在实际应用过程中仍存在技术瓶颈，主要包括以下三方面问题：

(1)缺乏MaaS交通出行链路的综合信息服务，难以实现交通状态精确认知和出行链关联耦合。

目前MaaS受限于单一的交通数据和需求数据，只能对交通网络上片段的交通状态和出行链做出响应，难以实现全面协同分析多模式交通状态和出行链关联耦合，导致MaaS信息不精准。受限于多模式交通信息通用性，难以掌握时空关联动态交通预测、快速匹配出行需求信息。现有MaaS系统缺乏基于出行信息发布的综合交通服务智能协同处理技术，难以实现多维度综合交通服务信息智能协同处理与动态并行分析，存在不合理的定制化出行信息服务。

(2)缺乏面向多模式交通衔接优化的技术手段，难以实现区域路径引导实时决策。

现有MaaS系统缺少多模式交通状态和时空关联交通动态预测技术，难以克服实时引导过程存在的路径及推荐时变变化进而影响出行服务体验的弊端，受限于现有交通状态认知技术和缺少自适应学习关联框架，导致时空态势推演精度低、多模式交通和出行链衔接效率低，难以满足出行信息服务的一致性和准确性。

(3)缺乏MaaS交通出行服务的软硬件支撑，难以融合新技术手段提高综合服务质量。

现有的车载/路侧设备不具备MaaS应用场景的终端信息交互、应变能力、自主学习能力，难以将道路环境、路网拓扑结构、多模式交通状态、多模式交通衔接等多源信息综合协同处理；随着5G、车路协同、移动边缘计算等技术发展，传统技术难以实现多源终端设备信息融合、链路通信、交互匹配，缺乏“终端自学习+自反馈+自优化+场景驱动+MaaS互联”服务发布技术，难以支持复杂车路协同、V2X/路侧设备信息、动静态交通等交通信号控制、多源车载/路侧信息和区域路径实时决策信息的智能交互匹配与信息分类融合；区域道路交通和公共交通缺少精准信息服务发布、高效协同调度和优化平台，难以满足道路交通及公交车辆对干线和子区的交通状态的应变能力，进而影响道路运行、衔接过程、信息共享的智能化、高效化程度。

(四)MaaS技术发展趋势

随着移动互联网、车路协同、人工智能等技术的兴起，道路交通、公共交通、轨道、V2X、道路结构化物联网传感器等多源交通信息认知手段应用范围广，多源交通出行信息具有全息化、多元化、多模式化的特征，在此背景下，逐步完善具备信息协同处理发布功能、多模式交通状态综合认知功能、多模式交通出行链动态路径引导功能集成化的多模式MaaS交通信息服务的关键装备和服务平台。

1.多模式交通出行链高度融合，向用户提供全过程一体化交通智能衔接信息

基于多模式交通状态综合认知、时空关联动态交通预测、多模式交通出行链动态匹配和融合技术分析多模式交通出行链和交通衔接智能动态交互关系，构建出行路径、关联衔接、通行评估、状态反馈等多尺度出行链路径决策因素集，实时把握最新多模式交通出行信息，预测多源交通态势趋势，提高出行服务能力和管理效率，满足用户出行安全、便捷出行和高效换乘的需求。

2.以人为本的区域路径实时决策服务

面向数据驱动的区域路径实时决策需求，基于多模式交通状态、多模式交通出行链、多样化信号控制等多源信息研究区域路径实时决策技术，实现符合用户预期的智能化、多元化动态路径引导信息服务。

3.通过车路协同、5G、移动边缘计算等技术，实现对多模式交通状态主动认知、多模式交通和出行链智能衔接、区域路径实时决策，推动运输方式、枢纽、多模式交通方式等资源的优化配置。

二、MaaS未来研究内容展望

(一)城市多模式交通状态综合认知关键技术

1.多模式交通状态精确认知和需求关联耦合技术

基于多模式多粒度复杂场景下的道路交通、公交、轨道等多源异构数据深度关联融合需求，搭建精细化模块化时空态势推演和多模式交通需求-状态特征综合表征框架，融合交通状态信息深度多层次的多模式交通状态和出行链路动态交互衔接算法，面向不同交通需求规模、多模式交通出行网拓扑结构、多模式交通运力配置与运输组织方案等复杂应用场景，并结合交通时空状态相关性分析、主动学习、深度学习和人工智能等关联融合方法体系提取、分析和预测多维度多模式交通状态和需求关联特征，研究多模式交通状态精确认知和需求关联耦合技术，获取交通出行需求多类别多层次的融合关联，为MaaS出行规划提供特征数据支撑。

2.面向出行信息发布的综合交通服务智能协同处理技术

基于多模式交通出行需求结构、多粒度出行OD动态分布、多关联路径时空态势等信息融合技术分析多维度出行需求信息发布时变特征，面向快速匹配出行需求信息、MaaS定制出行和方案精确实时发布等多模式全局多粒度复杂应用场景，结合综合交通服务信息与多源融合信息之间关联关系，研究多模式交通单点、链路、子网及区域网综合交通服务信息的分层分级智能协同处理技术，实现多维度综合交通服务信息智能协同处理与动态分析。

(二)多模式交通出行链动态路径引导关键装备及技术

1.交通出行链智能衔接与协同匹配技术

基于多模式交通时空环境的出行行为特征谱、多样化复合路网拓扑结构和路网时空态势等信息，融合移动互联认知、用户画像、动态出行计划、移动定位的集成方法与理论，构建涵盖物理路径规划、关联衔接、通行评估、状态反馈、路径可达性等多尺度因素的多模式交通全过程出行链路路径决策因素集，并基于移动互联环境下的实时信息推送和出行服务评估，研究多模式交通出行链交通智能衔接协同处理与智能匹配优化技术，实现多模式交通出行链全过程一体化智能衔接匹配与优化，将交通出行链和多源交通方式精确匹配。

2.MaaS交通区域路径实时决策技术

面向多样化信号控制与车路协同相结合的区域路径实时决策应用环境下，提取与分析网联车辆实时行驶数据、交通信号配时和路径搜索时空信息等区域路径动态特征，并结合自由/非自由流车辆行驶、动态路段路阻和区域路径拓扑结构，研究车路协同的多模式交通出行区域分层路径实时决策关键技术，实现区域路径实时最优决策，与传统出行信息推荐系统相比，缩短最优路径决策时间。

3.基于5G的MaaS车载及路侧智能终端装备

基于5G场景下的多源基础信息统一并行计算、信息交互、多源硬件信息接入的现实需求，结合边缘计算、信息融合、链路通信等技术，研发具备多源硬件标准接口的智能车载终端装备，并实时融合网络时空态势、动态多OD对特征、多模式交通状态全息认知特征和多模式交通出行链路分层效率信息等交通信息，研发具备信息主动学习及边缘计算处理的智能路侧终端装备，实现交通信号控制、多源路侧信息和区域路径实时决策信息的智能交互匹配与信息分类融合，提前获知交通动态信息，提高多模式交通出行效率。

(三)多模式交通出行链路综合信息服务平台研发

1.MaaS交通出行信息服务平台研发

依托多模式交通状态精确认知、模式动态交通预测信息、智能匹配与协同优化机制、5G和MaaS互联的技术集成，整合车载与路侧装备信息、区域路径实时决策信息、多模式交通智能衔接信息和多模式交通出行链信息等多源综合服务信息资源，通过智能匹配、协同并行处理和优化多模式交通出行服务信息，联合多模式交通单点、链路、子网及区域网络分层分级智能协同处理与发布机制，搭建多模式交通出行信息服务平台，具备多模式交通多主体出行信息服务平台协同发布技术能力。

2.MaaS公共交通智能协同调度平台研发

面向公共交通为导向的城市多模式交通发展需求，结合公交、轨道、出租车等多类别公共出行方式的衔接特性，集成交通动态需求预测、智能衔接耦合、深度关联学习、人工智能学习等技术，应对公共出行参与度广、关联衔接度高、多模式协同需求高等多元化服务场景需求，研发多模式公共交通智能协同调度平台，实现公共出行服务基于MaaS的一体化信息发布及状态反馈自优化调度整合。

三、结论

总的来看，国内外学者在MaaS典型体系分析、MaaS出行信息服务、MaaS出行服务关联技术等方面已做出了许多扎实有效的工作，为缓解交通拥堵、满足多元化出行需求、提高出行服务质量提供理论参考和方法支撑，但结合当前背景下我国MaaS多模式交通出行的实际需求，现有研究仍存在出行服务呈现通用性、碎片化、片段式等特征；缺乏MaaS交通出行链路的综合信息服务，难以实现交通状态精确认知和出行链关联耦合；面向多模式交通衔接优化的技术手段鲜有研究，无法实时决策区域路径引导；缺乏MaaS交通出行服务的软硬件支撑，难以融合新技术手段提高综合服务质量。通过人工智能、深度学习和大数据分析等技术动态预测时空态势推演和多模式交通衔接换乘行为，确保出行信息服务的一致性和准确性，提高出行服务指数，在多模式交通整合及衔接需求关联耦合、多模式MaaS交通区域实时决策等核心技术等关键技术问题方面仍待进一步突破。