数据驱动的交通信号控制感知—评估—诊断—优化闭环技术（一）：总体框架

文图｜吴浩 张锋鑫 朱宏 唐克双

一、背景现状

交通信号控制是道路交通管理的核心手段之一，也是公安交通管理部门的重要日常工作之一。然而，各地公安交通管理部门普遍存在交通信号控制技术人员不足和专业性不强的问题，导致很多路口的信号控制方案不尽合理，也难以及时根据交通需求的变化进行优化调整。自2016 年公安部交通管理局部署推进城市道路交通信号灯配时智能化和交通标志标线标准化工作配时以来，各地公安交通管理部门加大了信号控制智能化方面的投入。天津、厦门、杭州、海口等数十个城市建设了交通信号配时中心，通过购买服务的方式引进专业化的运维服务团队。

尽管上述措施在一定程度上缓解了交警人力资源不足和专业性不强的问题，但进一步提升我国交通信号控制智能化、精细化和协同化水平仍然面临挑战。一是检测数据质量不佳。根据不完全统计，2020 年全国约25%的交通信号路口配置了检测器，且检测器经常出现损坏、通讯中断、错漏检等问题，导致数据质量及其可靠性欠佳。二是检测信息颗粒度粗。目前交通信号控制大都依赖线圈、地磁、视频等采集的路段断面、时段集计流量、速度和占有率信息，无法获取个体车辆的起讫点、路径和轨迹信息，难以精细刻画城市路网车辆出行需求时空分布和运行规律。三是数据融合利用效率低。目前交通信号控制运行状态指标计算和配时方案优化主要以交通波模型、韦伯斯特延误模型等为建模基础，以车道组的时段平均流量为核心输入，难以高效融合利用车辆起讫点、路径和轨迹等交通流检测信息。四是评估与优化业务割裂。现有的交通信号控制评估主要根据交通检测信息计算通行状态和控制效益指标，然而评估指标计算和优化方案生成之间往往缺少问题诊断环节，导致优化方案难以针对实际存在的问题“对症下药”。五是配时运维依赖人工决策。现有的信号配时运维主要依赖人工巡查和交警上报的方式发现问题，然后通过运维人员对发现的问题进行优化，再经过交警审核后下发方案，信号控制优化系统或平台的自主评估和自主决策能力欠缺。

针对上述挑战，《关于进一步加强城市道路交通信号控制应用工作的指导意见》和《公安交通管理科技发展规划（2021—2023 年）》相继下发，对交通信号控制检测设备配置、智能运维、联网联控、信号控制与交通组织协同优化等方面提出明确要求。场景目标导向的交通信号控制效能评价指标体系的提出，定义了多方式交通、非饱和交通、过饱和交通三大类共14 种典型场景，针对每一个典型交通场景构建评价指标集，提升信号控制评估和优化的靶向性。行业标准《道路交通信号配时运行管理规范》（已报批）的编制，规范了信号配时运行管理的技术要求。然而，为了更有效应对挑战，仍需构建系统性的行业技术和产品，支撑数据资源的高效复用，提升交通信号控制运行效率。

二、交通信号控制感知—评估—诊断—优化闭环技术

随着智能网联汽车、移动导航等新技术的不断发展与深入应用，网联车辆（泛指搭载定位设备，可以实时上传位置和速度信息的车辆）的样本量和渗透率逐步提高，海量、高频（秒级）网联车辆轨迹数据的实时获取成为现实。电警卡口设备（指闯红灯自动记录系统和道路车辆智能监测记录系统等能够记录车辆通行信息的设备）在我国道路交通管理业务中广泛应用，能够记录车辆通过检测区域的信息，包括车辆号牌、通过时刻、车辆类型、所在车道等，并且通过车牌匹配还可以获取车辆的路径信息。电警卡口数据不仅具有运行维护好、检测精度高、覆盖范围广的特点，而且是公安交通管理部门自主掌握的数据资源。上述两类车辆出行时空连续感知数据具有良好的互补性，可以精细刻画城市路网车辆出行需求时空分布和运行规律，为构建数据驱动的交通信号控制感知—评估—诊断—优化闭环技术带来新机遇。

（一）总体技术流程

交通信号控制感知—评估—诊断—优化闭环技术主要包括状态感知、运行评估、问题诊断、方案优化以及仿真引擎五个技术模块，各个模块之间实现运行数据共享、逻辑紧密耦合和业务场景贯通，总体技术流程如图1 所示。

图1 交通信号控制感知—评估—诊断—优化闭环技术流程

首先，对所采集的卡口电警和车辆轨迹等动态检测数据以及路网拓扑和几何参数等静态配置数据进行治理，针对单点交叉口、干线及路网等常见交通场景，从不同的时空维度对交通运行状态进行全面感知，计算各项感知指标结果；其次，通过融合预优化技术与仿真推演技术，计算感知指标参考区间，并对感知指标计算结果进行定量分析；再次，从供给不合理、需求不合理、非常规问题三个维度构建问题诊断体系，建立问题诊断与运行评估之间的映射关系，对各项交通问题进行诊断；从次，从信号控制、渠化设计、交通组织及需求管理出发构建优化方案库，并建立问题诊断与优化方案之间的对应关系，精准定位潜在的优化目标及参数；最后，通过植入仿真引擎，进一步对优化方案的效果进行实时推演及反馈，通过感知手段定量分析潜在方案优化效益，形成技术上的逻辑闭环以及自主评估和自主决策，摆脱对人工决策的依赖。

（二）状态感知

首先，融合利用电警卡口、网联车辆轨迹等多源检测数据，基于行业标准《道路交通信号控制方式第2 部分：通行状态与控制效益评估指标及方法》（GA/T 527.2—2016），从通行状态、控制效益两方面出发，对单点、干线和路网不同时空维度上的80 余项运行状态指标进行计算。既覆盖了现行标准中的主流指标，也融合了基于车辆出行时空连续感知数据的特色指标。通行状态指标指反映各类信号控制方式下交通运行状况的一般性指标，以及在特定信号控制方式和时空约束下反映交通运行状况的特定指标，例如关键路径流量/行程速度/排队长度、不均衡系数、在网车辆数等；控制效益指反映信号控制调整前后特征指标变化幅度的指标，以及反映信号控制效果的指标，例如饱和度、路径延误/停车次数、有效带宽、供需均衡指数等。此外，进一步定义了单点、干线和路网的总体描述性指标——运行指数。

（三）运行评估

在实际工作中，交通管理者往往难以直接通过状态感知指标的大小来确定信号配时方案的好坏，即在当前时段的交通需求条件下状态感知指标到底是偏高还是偏低。类似医院的体检，各项体检指标均需要一个合理的参考区间才能辅助判断身体状态的好坏。因此，运行评估的主要功能是确定状态感知指标的合理参考区间，并对状态感知指标进行打分和分级。例如，某场景下饱和度指标计算结果为0.9，但其参考区间计算结果为0.6 ～0.8，则可得到饱和度偏高的结论。为确定合理参考区间，引入预优化的概念，即基于当前交通需求，采用轻量化的信号控制优化模型，计算得到较为合理的信号配时方案。同时，运用仿真推演、交通波重构等技术，计算得到各项指标的合理参考区间。在此基础上，结合参考区间和状态感知指标，对交叉口运行的优劣程度进行打分（0 ～100 分）和分级（优、良、中、差）。

（四）问题诊断

单个感知指标的运行评估结果难以表征整个路口、干线或路网的运行问题，且难以建立与优化方案之间的对应关系。例如，长周期可以减少停车次数，但可能会增加车均延误，这两类指标的评估结果往往是此消彼长。此类情况难以让交通管理者做出相应决策，而此类问题诊断和“对症下药”的环节仍依赖人工经验。因此，首先从供给不合理、需求不合理、非常规问题三方面出发，面向点、线、面场景梳理了40 余类常见的信号控制问题。其中，供给不合理是指因其信号控制、渠化设计或交通组织措施不合理所导致的交通问题，例如，周期、相位相序、行人过街时长设置不合理等。需求不合理是指因交通需求异常所导致的交通问题，例如，拥堵瓶颈等。非常规问题则包括了交通事件、公交优先等特殊问题；其次，建立了评估指标与问题诊断之间的“多对多”映射关系，针对每一个诊断问题，通过综合分析多个相关感知指标的评估结果，精准地对相应的交通问题进行诊断并量化其严重程度（无此问题、问题轻微、问题显著、问题严重）。

（五）方案优化

问题诊断的结论可直接映射到潜在的交通信号控制优化目标及措施。例如，当问题诊断结论为“相位相序不合理”时，其潜在的优化参数则为“优化相位结构”。因此，针对点、线、面三类场景构建优化方案库，涵盖信号控制、渠化设计、交通组织以及需求管理四个方面，包含绿信比微调、相位相序优化、相位差优化、协调路径优化等在内的20 余类优化措施。方案库中每类优化措施均有独立、可定制的算法模块支撑，用户可基于自身数据及算法储备选取或替换对应的算法，具有良好的可拓展性。同时，建立不同严重等级下的问题诊断结论与优化措施之间的对应关系。例如，若诊断结论为“相位相序不合理”且严重等级为“问题轻微”，则可通过“优化绿信比”进行解决；若诊断结论为“相位相序不合理”且严重等级为“问题严重”，则需“优化相位结构”。通过将优化措施对应到不同严重程度的问题诊断结论，精准施策，对症下药，能够有效降低方案优化的成本。

（六）仿真引擎

在下放优化方案之前，交通管理者往往需要预运行方案以确定优化方案的控制效益，以及验证是否会带来潜在的问题。因此，进一步引入仿真推演技术，输出不同优化方案的状态感知指标，定量分析优化方案的潜在控制效益，达到“闭环”的效果。仿真引擎采用开放的仿真架构和数据库设计，可同时接入开源仿真软件SUMO 和微观仿真软件TESS NG，通过融合开源地图工具OpenStreetMap 与多源感知信息，可高精度复现真实交通场景。仿真引擎不仅可服务于运行评估中的预优化，对优化方案进行事前、事中与事后评价，同时还具备较好的可拓展性，兼容数字孪生功能。

三、交通信号控制感知—评估—诊断—优化闭环服务平台

通过交通信号控制感知—评估—诊断—优化闭环服务平台集成上述技术和算法，平台架构如图2 所示。

图2 交通信号控制感知—评估—诊断—优化闭环服务平台架构

平台采用低耦合设计理念，从系统架构和技术架构设计上实现了分层解耦，以数据、算法、仿真三类核心要素驱动平台的运行，整体分为业务应用、业务服务、数据治理、数据采集四层：业务应用层提供交通状态感知、评估、诊断和优化一体化闭环功能，能够帮助交通管理者实时了解交通状况，精细分析交通数据，提供全面的决策支持，同时具备迭代优化和智能化管理能力；业务服务层提供了平台运行的支撑，其中算法服务是平台的核心，提供了多种感知、评估、诊断和优化算法与模型，其中，仿真服务以三维孪生引擎技术为核心利用交通模型和仿真技术，模拟不同的交通场景和策略执行情况，评估交通控制方案的效果并进行预测；数据采集和数据治理则是仿真引擎模块的数据基石，数据采集实现了交通状态实时感知、多源数据整合与挖掘，数据治理确保了数据规范性、数据质量和数据安全，并进一步促进数据共享和标准化。