打造“物联、数联、智联”城市交通数字化底座的思考1

张 扬

上海市城乡建设和交通发展研究院

0 引 言

“十四五”时期，是数字化转型夯实基础、快速发展的关键阶段[1-3]。聚焦数字感知，构建基础底座、技术应用创新等关键数字要素，促进物联网、大数据、人工智能等创新技术与交通运输深度融合，推动城市交通数字化转型，是贯彻落实交通强国战略决策部署的关键[4-7]。打造“物联、数联、智联”的数字底座，是赋能城市数字交通转型升级的基础和重中之重。交通物联是实现全息感知的神经末梢，数据互联是实现信息融合的中枢传导，智能网联是实现协同科学决策的智慧多脑。三者三位一体，融合交互、逐级迭代。本文从交通物联感知、数据关联融合、智能算法应用三个维度，分析当前城市智能交通发展现状与问题，提出相关建议对策和解决思路。基于广域物联感知的数据汇聚，以知识图谱构建关联场景，抽取和融合多源数据，驱动智能建模，形成知识库和决策引擎，构建支撑智能决策和服务协同的城市数字交通体系。

1 神经末梢——交通物联

物联网（Internet of Things，简称IoT）技术，已被广泛应用于智慧城市各个领域。智慧城市的交通发展，可以大致分为交通信息化、智能交通、智慧交通[8]三个阶段。目前，城市交通发展正处于第二、第三阶段之间的过渡态——智能网联交通。交通物联感知，正是有效支撑智能网联交通发展的核心驱动力。激光雷达、RFID等各类固定和移动物联感知终端，与传统感应线圈、GPS、视频等采集设备，作为城市数字化转型的神经末梢，共同支撑城市交通全息感知，并融入GIS、CIM等空间底座，形成物理空间到信息空间的双向交互式映射。通过在信息空间的决策研判，实现对物理空间人、车、路的“可视化”管控，实现交通平行仿真和数字孪生。但是，在物联网技术赋能城市交通数字化转型过程中，尚存在一些问题亟待解决。

从城域交通物联应用和广域交通物联发展来看：（1）现有物联感知使用单一系统架构，彼此孤立工作，较难满足路桥隧、交通枢纽、车辆端等多场景巨系统的物联监测需求；（2）现有物联感知缺乏多场景下的设备标识体系，较难支撑对大规模物联感知设备的管理；（3）现有物联感知的布局布设，未能与城市信息模型CIM建设同步进行，较难对设备进行精准定位和精细管理；（4）基于5G、WIFI、蓝牙、NFC、ZIGBEE等无线传输技术的物联感知，缺乏面向广域交通物联应用的标准，感知设备采集制式各异、数据格式和字段结构不一、应用场景多元化弊病突显。

针对以上问题，给出相应对策：（1）突破物联泛在接入，以多模式多维度的分级汇聚，融合多源传感设备协同，实现全息物联感知。（2）构建多方可信的设备指纹库，以传感器指纹精准识别，实现设备、网关等的多维信息认证。（3）将城域交通物联建设，加载到城市信息模型CIM上，实现动态信息和静态信息的有机融合，生成城市时空数字底座。（4）从国家层面制定相关政策，规范大交通领域和行业的物联建设，做到统筹有序发展；在城市视野看待交通，将交通物联与城市物联发展有机结合，更好赋能城市数字化转型；在交通领域制定完善的系列规范和标准，以保证交通物联的高质量发展。

2 中枢传导——数据互联

城市交通领域的数据规模，已从TB级达到了PB级，达到了大数据的体量。大数据（Big Data），是用现有技术难以在合理时间内管理、处理和分析的数据集、数据管理和分析技术、数据驱动形成的新价值。城市交通的数字化转型中，数据互联有两层涵义：一是数据的关联，二是数据的融合。跨领域、跨行业、跨地域的数据关联，是推动数据产生更大价值，赋能数字化转型成功的核心驱动。数据层、特征层、决策层的数据融合，是解决数据一致性表达，面向场景应用实现特征抽取的关键。随着政企、行业、条块等大数据资源中心的建设，数据汇聚互通已初具规模。各地城市级大数据中心、大数据局等管理机构的建设，是推动数据互联的强大动力。但是，城市交通数字化转型所要求的数据互联，尚需解决一系列关键技术。

从数据关联和数据融合层面来看：（1）城市交通结构多元、场景多样，数据多源异构、高度离散，关联挖掘亟需构建并解决其一致性表达；（2）城市交通各行业关联紧密，数据应用跨场景多，数据驱动应用模式的精准辨识有待加强；（3）数据驱动知识单元表征和知识可拓优化，必须突破多维交通特征的实体抽取、关系抽取、属性抽取和事件抽取，支撑语义实体消歧、共指消解和多元语义关联；（4）多源交通感知的信息融合，是交通参数估计和决策准确可信的保障，要跳出数据融合思维限制，跨入特征层融合和决策层融合，依托不同应用场景需要，选择或切换不同融合组成架构。

针对以上问题，给出相应对策：（1）通过定义对象化方法，将各场景表达各异、存在歧义的数据，转换为可编程的统一描述。（2）以多维度数据关联和高效的数据缓存，解决跨行业、跨场景适配，实现多属性关联的数据抽取。（3）生成城市交通大规模语义网络，实现城市交通数据、特征、决策及其关联关系的完备表征，构建以大数据驱动的大规模知识图谱。（4）在原始数据层进行数据融合，消除异常、冗余、噪声等常见问题，去伪存真；根据应用场景，以本体和本体库，构建概念与概念间的关系，生成明确的特征表达；对模式识别结果进行融合，获得针对应用场景的一致性决策，提升决策的准确性和科学性。

3 智慧多脑——智能网联

人工智能（Artificial Intelligence，简称AI），作为模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的新科技。通过感知、记忆和存储对特定领域智能化赋能，属于弱人工智能；通过认知与学习、决策与执行对多领域综合智能化赋能，属于强人工智能；通过独立意识、创新创造，超越人类的智能，属于超人工智能。当前城市智能交通领域常用的图像识别、语音识别、语义分析、智能搜索等均属于弱人工智能，而无人驾驶、车路协同等属于强人工智能。智之联是强人工智能的基础，虽然车牌识别、拥堵判别、自动驾驶等智能算法已经取得了不少成果，但实现智之联赋能城市交通数字化转型，依然有很多工作要做。

从人工智能算法和应用角度来看：（1）不同模型对应用场景的适用性不同，没有通用的模型算法，必须根据城市交通的具体场景和应用需求，标定合适的算法；（2）在多领域综合智能化赋能发展趋势下，算法并非越复杂、精度越高越好，亟需寻求计算复杂度和应用实时性之间的平衡，支撑数据智能跃迁到知识智能。（3）态势研判、预测预警、模式推荐作为城市交通智能应用的重要抓手，孤岛式、无序化和离散状的计算，无法有效组织知识表达、呈现知识关联，这制约了对智能的认知和应用。在路端、车端、通信端复杂场景中，智能化的应用落地问题，不是唯一智慧大脑所能解决的，迫切需要发展以“智慧多脑、多脑协作、全局智能”为特征的智之联。

针对以上问题，给出相应对策：（1）对模型算法的准确度和鲁棒性进行适应性评估评价，对算法和模型大类进行广泛的适用性标定，以模型融合和算法联合提升效率。（2）通过尽量降低由人工标注、深度学习等所带来的时间和算力过度消耗成本，基于数据特征抽取和知识图谱构建，在特征向量或特征空间内建模，将传统数据智能转化为知识智能，以知识计算替代数据计算，实现智能算法的全面升级。（3）发展以边缘计算、多艾真体为代表的智慧多脑，基于互联网络激发并组织群体智能，实现智慧多脑的关联协作；坚持智慧大脑去中心化发展，以局部智能反馈评价为依据，优胜劣汰，优中选优，不断提升多脑的协同能力和分析判断力，推动全局智能发展。

4 结 语

总体来讲，城市交通的数字化转型，以物联网、大数据、人工智能等技术为驱动，打造基于“物联、数联、智联”数字底座的城市交通发展新模式，是交通信息化、智能交通途经智能网联交通迈向智慧交通发展之路的必然。城市交通的数字化转型之路，要放到城市治理、生活、经济数字化转型的大背景下来思考。以交通物联感知为神经末梢，以数据关联融合为网络传导，以智能网联支撑智慧多脑，逐步实现城市交通的“可视化、可验证、可诊断、可预测、可学习、可决策、可交互”能力，最终赋能城市交通以智慧。实现交通系统在更大时空范围内具备信息感知、数据互联、分析研判、预测预警、智能控制等能力，侧重发展其系统性、实时性、交互性，是支撑城市交通治理数字化转型的核心关键；实现交通系统在更多模式模态下具备信息融合、动态推演、智能推送、反馈评估等能力，着重发展其多模式和关联性，发展“出行即服务”，是以数字化转型更好服务民生的重要保证。

城市交通的数字化转型，更是思维和思路的转型，需要从转变理念和思维开始，寻找转型的途径并进行实践。传统城市交通业务场景，正在“百年未有之大变局”中发生着改变。思维的方式先要数字化转型，以整个业务体系的数字孪生构建作为核心，进行统筹规划和顶层设计。实现转型的关键途径，是形成一整套适应管理和操作的标准与规范体系，从而倒逼业务流程的转型升级。而数字化转型所要实现的最终形态，将是由人负责创新与设计，而由机器进行基于知识的迭代和重复训练，是在更高层面的人机交互与融合。