智驾峰会
您正在使用IE低版浏览器,为了您的雷锋网账号安全和更好的产品体验,强烈建议使用更快更安全的浏览器
智能驾驶 正文
发私信给张祥威
发送

0

同济大学马万经:交通管控存在测不准等问题 网联化后将呈现四个趋势 | CCF-GAIR 2019

本文作者:张祥威 2019-07-22 14:30 专题:CCF-GAIR 2019
导语:网联环境下的一个很重要的特点是可以提供非常多的数据。

同济大学马万经:交通管控存在测不准等问题 网联化后将呈现四个趋势 | CCF-GAIR 2019

雷锋网新智驾按: 2019 第四届全球人工智能与机器人峰会(CCF-GAIR 2019)于深圳正式召开。峰会由中国计算机学会(CCF)主办,雷锋网、香港中文大学(深圳)承办,深圳市人工智能与机器人研究院协办,得到了深圳市政府的大力指导,是国内人工智能和机器人学术界、工业界及投资界三大领域的顶级交流博览盛会,旨在打造国内人工智能领域极具实力的跨界交流合作平台。  

无论是单车智能还是车路协同,抑或通过城市大脑联结所有交通数据,均离不开建立在网联化基础上的大交通系统。

同济大学教授、同济大学交通运输工程副院长马万经在近期分享的《网联环境下的智能交通管控》的主题演讲中预测了交通系统发展的四个趋势,分别是从假设走向真实、从局部走向整体、从单目标走向多目标和从均质化走向个性化。

在马万经看来,现有的交通管控存在“测不准”、“算不准”和“评不准”三个难题,但随着网联化和人工智能技术的介入,人们在掌握大量出行数据后将可以解决这些问题。届时,人的出行需求将被提前知晓并被进行统筹协调,这将有效提高现有出行效率。

从汽车行业发展看,网联化也正为汽车厂商和电信运营商所接受。随着5G技术在中国的兴起,智能汽车或将率先在国内大面积出现。

同济大学马万经:交通管控存在测不准等问题 网联化后将呈现四个趋势 | CCF-GAIR 2019

*同济大学教授、同济大学交通运输工程副院长马万经

以下是马万经的演讲全文,雷锋网(公众号:雷锋网)新智驾进行了不改变原意的编辑:

我从学术角度以及人工智能应用到的技术角度分享一些思考。

从背景上看,移动互联网的发展给我们带来了很多的空间,有50%的人口生活在城市,到2030年可能会变成60%,这对交通出行带来很大的挑战。车辆技术在进步,从普通车辆变成自动驾驶车辆甚至变成移动的生活空间,这可能会对交通产生颠覆性影响,同时,当数据成为技术基础设施,我们开始可以获得多种多样的基础数据。

同济大学马万经:交通管控存在测不准等问题 网联化后将呈现四个趋势 | CCF-GAIR 2019

交通工具的利用率如何,决定了我们投放资源的有效使用程度。根据相关数据,小汽车有80%的时间是空闲的,95%的时间是静止的。高峰时,公交的满载率可能达到120%,但在很多情况下,它的能力是不能被充分利用的。如何解决这些问题成为需要去思考的要点。于是,共享交通模式在全世界内发展,我们有共享汽车、共享自行车,有多样化的出行模式。为什么交通领域有很多层出不穷的技术出现?因为这和我们每个人的生活息息相关。

交通本身还是一个国民经济中非常重要的领域,这也是为什么有这么多资本涌入这个行业。在特朗普上任之前,白宫的办公室专门对人工智能的发展写了一份报告,提到了人工智能可能带来经济、人口等各方面的变化。麦肯锡说,现在的交通正经历着巨大的变革。在一百多年前,人们一直在研讨马车带来的一系列问题,可是现在看这个问题不见了,因为汽车出现了,交通的信号控制已经获得飞速发展。

从交通管控的技术发展角度看,大概在60年代以前,人们更多在研究如何做一些管控方案,后来,随着检测、计算和控制技术的发展,人们开始调整管控策略,以实现更好的管控交通效果。现在,城市还会有各种各样的交通问题,我们反思这些问题是如何发生时发现,其中有一部分问题很可能是交通管控所能够解决的,换言之,有一部分问题是交通管控系统本身导致的。

交通管控系统存在“三不准”

如果交通管控本身存在技术问题,我认为有三个方面:

同济大学马万经:交通管控存在测不准等问题 网联化后将呈现四个趋势 | CCF-GAIR 2019

第一,测不准。实际上,我们投入了非常多的精力去建设交通的感知体系,比如,线圈、视频、RFID等很多的设备,但是如果仔细分析这些信息是否足以让我们非常全面、细致、准确地了解交通的演变,会发现可能还远远不足。比如,我们还不知道任何一个驾驶员这一时刻从哪里到哪里,他的来龙去脉很难获得。所以,如何更准确地获得交通管控所需要的信息,而不仅仅是获取断面的流量信息,这些问题是我们测不准的。

第二,算不准。即便可以提供驾驶员的信息,那么,我们能不能针对一个相对复杂的网络或变化复杂的交通流,做出一个非常好的方案?这件事本身也受到很多限制。当然,人工智能的快速发展可能会提高计算的效率和准确度。

第三,评不准。交通系统中有很多有意思的问题,比如,很多人说,一看都对,一做都错。一看都对可能是因为你只看到一个侧面,一做都错是因为,每个方案都是解决系统的一部分,而系统本身也在迅速发生各种各样的变化,所以很难准确测评某个效果到底怎么样。如果我们做了改善,改善之后又堵了,那么这个工作到底有效还是无效,这类问题需要通过更多的办法、更多的数据进行更好更全面进行分析。

随着技术的进步,我们正在进入车路协同的环境,这会提供各种各样的信息。比如,原来只知道流量的信息,现在可以知道车辆的位置、ID、加速度、状态、转向等等,这些数据都可以提前获取,而不是等车过了路口后才被获取。

对于车辆而言,之前看信号灯的变化,有了网联环境后,人们可能提前就知道了管控方案,甚至知道未来的方案会发生什么变化,这对信息输入、调控手段会发生重要影响——检测对象很可能会变成检测工具,以前用很多装备去检测车辆,现在车辆本身可以提供很多信息。同时,控制对象变成控制手段,之前车辆只能被动服从管控系统,现在车辆知道了管控方案后可以做出主动的调整。

同济大学马万经:交通管控存在测不准等问题 网联化后将呈现四个趋势 | CCF-GAIR 2019

因此,有很多思考结果出现,其中一个就是,以后的交叉口或城市道路网是自治控制的。也就是说,以后路上可能有一种非常理想的情况是,没有信号灯,所有的车可以像鱼一样在路上游来游去。世界上很多国家都在做类似的工作,特别是自动驾驶车辆出现后。

很多人认为那个时代还很遥远,让所有车都变成自动驾驶车,这个事情很困难,即便二十年之后自动驾驶技术成熟了,但是我们不能否认,有人喜欢自己开车,路上还是会有行人。从现在到未来的控制是一种网联混合流控制,我们有公交车,有大车小车,行人和自行车,以后会混入不同智能水平的车辆,可能是辅助驾驶,半自动驾驶或者高级自动驾驶。还有一些人可能带着一些可穿戴设备,这些装备可以和路测装备连接,这些新型混合流如何控制,是现在到未来相当长一段时间内要面临的问题。

数据可能来源于各种各样的监测器,也可能来自车辆或者行人提供的信息,同样地,管控手段也会变成既有传统的管控手段,也有可能直接控制车辆或者任何一个有通讯功能的个体。

未来交通系统的四个趋势

在这个背景下,我们做了一些思考,认为可能会出现以下几个趋势:

第一,从假设走向真实。过去为了让系统变得可以建模和被描述,人们做了非常多的假设,问题是,这些假设本身已经偏离了系统本身的特点。比如,路上的行为,特别是混合流情况下的行为,如何更准确的描述它们,这些准确度会影响到之后的建模分析。

同济大学马万经:交通管控存在测不准等问题 网联化后将呈现四个趋势 | CCF-GAIR 2019

现在有了人工智能,可以获得更多的数据,如果可以更好的在这个模型中描述交通个体参与的行为,就可以获得整体的感知,比如,它的交通能力是什么,速度是多少。如果想让获取的数据更加真实,可以用更好的工具,比如仿真。如果考虑到自动驾驶车辆会进来,如何模仿车辆本身对于交通流的影响?如果是真车,可以把真实车辆和现实的仿真系统对接,也可以有一些微缩的车辆和现实系统进行对接,如此一来,在实验室内一定程度上模仿真实车辆或者微缩车辆、路测设备和管控系统之间的交互,这也是一个重要的方向,这会让控制算法有一个相对真实的环境。

必须注意到,网联环境下的一个很重要的特点是可以提供非常多的数据。有人说自动驾驶上路后会有什么好处?其中一个重要的好处就是,它可以向我们提供非常高精度的轨迹数据,有了这些数据后,之前基于断面数据得出的方案,可能会迅速演变成针对所有车辆全部行驶过程的一系列方案,从而可以做到更好的交通管控方案的优化,也可以做到更准确的评价。

现在,人们已经做了很多工作,比如管控系统的优化,甚至做城市大脑,做了之后人们会反思一个问题,做之前这个系统怎么样,做之后这个系统怎么样?如果路网堵了,是不是管控系统的问题?如果路网不堵,是不是意味着管控系统没有问题?这都不是可以简单回答的,因为出行状态的好坏跟管控本身并不是直接的关系。

我们可以去分析方案的对错、好坏,比如,如果希望在路上行驶时看到的是一路绿灯。当所有路口放在一起进行协调,怎么评价协调效果是好还是坏,我们开发了协调指数。在不同场景下,协调指数可以反映出到底应不应该协调,协调方案好还是坏。

第二,从局部走向整体。为了分析系统的好坏,为了让系统可控,可以把一个完整的过程分成若干个部分。然后在做优化时只优化其中一部分,比如,仅仅优化系统的车道功能或者空间设计,或者时间设计。能不能把这些问题放在一起做?由于我们有更好的计算方法,有更多的数据可以为计算方法提供很好的支撑,所以可以从时间和空间、资源或者相关联的要素上进行集成。

同济大学马万经:交通管控存在测不准等问题 网联化后将呈现四个趋势 | CCF-GAIR 2019

还有一个从局部走向整体的典型案例是对不同阶段进行集成,每个人的出行不会被分为先看交通方式再看目的地,出行是连贯的,在具体的优化或设计一个网络或者一个管控策略时,人们考虑的是整体的选择过程,从哪儿来到哪儿去,经历了什么,路过了什么,这些信息如果能够捕捉得到,就可以进行更好的优化。

同时,集成还涉及到动态和静态方案的整合。交通系统本身具有非常大的随机性,计算量也很大,数据要求很多,更多时间考虑的是基于它的统计规律做一些相对全面系统、静态的方案,基于实时检测数据做出更好的实时响应方案,这两个方案之间怎么做出最好的搭配,这显然是一个很有意思的问题。如何在实时方案的支持下,将真实的交通响应做到最好?如果我们有更好的数据和算法,这些统计规律能够捕捉得更精确,真实状态就能够响应得更及时。

还有一个例子可以说明我们可以从局部走向整体。以公交车为例,从业务上讲,公交车的调度和控制分属于两个不同的部门,公交车属于交通公司管辖,信号灯属于交通管理部门管辖。如果考虑到现实中的真实运行情况,就像洛杉矶的交通局分析的,公交车在非高峰时段是不满的,服务效率是低的。那么,能不能考虑集成全部框架,从公交车本身运营调度到信号调度,再到乘客响应等全部放在一起,从而可以及时决策在什么时间,公交公司选择哪一辆车发出,到哪一个站接哪一个人,送到哪一个站,这个工作可以循环进行。可以及时收到每个人的申请,把申请分配到相应的车,告诉你出发时间,按照申请再把这个人送到相应的地方,这显然就是一种所谓集成的服务。它可能更贴近人们本身的需求,因为从一个出行者的角度看,无所谓到底用哪一辆车,他们只是希望能够按照自己的要求实现出行目的。

第三,从单目标走向多目标。交通系统本身是多目标的,从系统管理角度,目标也是不一样的,每个构成部分的目标也是不一样的,如何实现多目标的平衡?有了更好的算法之后,我们可以做到更加真实。有了一定的数据和信息之后,我们可以做得更精细。

同济大学马万经:交通管控存在测不准等问题 网联化后将呈现四个趋势 | CCF-GAIR 2019

举个例子,在一个行人交叉口,人们其实可以从各个方向过马路,而不是直行过马路。传统的逻辑是人过马路的时候车不走,车走的时候人不走。当收集到更多数据后会发现不一定非要这么做。比如,按照传统的逻辑,可能会有更多的人会闯红灯。我们通过数据反馈过会现,原来的假设是不对的,要重新审视已经存在或者认可的结论。

第四,从均质化走向个性化。有了车路协同和车联网,每个车辆都可以进行动态的调控,设施也可以进行动态调控。一个典型的案例是,在车路协同环境下的柔性车道可以被用在公交专用道上。其实,要不要把专道开放,这远超出了管控的范畴。但如果从设施利用率的角度看,要提供效率,可以让一部分小汽车进入到公交专用道上,算法可以让公交车前面有一个清空距离,在这个距离内,小汽车对公交车的运行影响很小。这种方法也可以用在快速路上,快速路上有各种各样的场景,比如施工区或优先车队,都可以用类似的方法,通过柔性车道的管理来实现运行效率的提升。

同济大学马万经:交通管控存在测不准等问题 网联化后将呈现四个趋势 | CCF-GAIR 2019

另一个从均质化走向个性化的例子是,如果有了车路协同的环境,就可以提供辅助的驾驶,但是怎么样提供最好的辅助?比如,现在比较流行的HUD应该到底怎么样提供信息,才能让驾驶员顺畅响应而不是对他造成一种干扰?我们做过一个实验,如果希望驾驶员去关注自动驾驶车辆,我们可以在他的方向盘上施加一个转矩,比如,当人在开车过程中应该向左打转向,我们会在方向盘上设定一个向左的动作。实验表明,90%的人会跟着这个方向盘反映过来,同时总有10%的人会向右,这跟人的行为模式是有关系的。如何设计好个性化服务,根据人本身的特征提供更好的辅助措施,这会促使我们的很多车路协同工作是有效的,而不是造成驾驶的分心。

所以,我们设立了一系列方法去研究车路协同环境下,在什么时间、出现什么信息、通过什么方式提醒驾驶员。

我们还用华盛顿一段路上的实验数据,验证了一个发现,就是只要控制几辆车的速度,就可以改变整体交通拥堵时长。对这个反向的发表文章引起很多人的关注。

回归出行本身

展望一下未来。让我们跳出现在管控的模式,返回来看人的出行。

出行本身无非是什么时间前往什么地点,每个人的出行中,除了出行过程的时间,其实还有预定的时间,等待的时间和支付的时间,以及各种各样意外的时间,整体上会耗费很多时间。每个人都希望有个小秘书帮他处理所有出行相关的事情,这个出行小秘书可能会成为未来的发展方向,这也是出行即服务的非常重要的视角,出行小秘书解决了人们原来在交通上花费的那些额外的支出。

同济大学马万经:交通管控存在测不准等问题 网联化后将呈现四个趋势 | CCF-GAIR 2019

现在的出行方式是,每个人去找各种各样的方式,比如去机场,乘出租车,坐地铁等。以后可能不需要这样,那时候出行系统中会增加两层,一层是服务提供者,一层是数据提供者,人的部分信息会被这些提供者获取,并反过来向我们提供最优方案,这显然是类似于小秘书做的工作。

可以想像的是,实现这一结果需要对个性化有更好的描述,这是人工智能或者大数据能够做到的事情。如何针对不同特点的用户提供不同的方案是非常关键的。

同济大学马万经:交通管控存在测不准等问题 网联化后将呈现四个趋势 | CCF-GAIR 2019

对于交通管控而言,未来如果很多人都用小秘书去申请出行服务,意味着系统可以获得每个人的出行服务需求,假设需求量很大,并且人们会执行系统提供的出行方案,故事就发生变化了。那时候,交通管控系统可能很早就知道了未来会有多少人在什么地方出行,同时,系统还可以通过信息服务改变人们的出行路径,改变出行方式。

这样做的结果是,交通管控工作从原来的出行之后开始介入,变成了出行之前介入。过去,我们想方设法预测未来,现在我们开始规划未来。通过更具有系统性和主动性的智能管控影响交通,是未来非常重要的发展方向。

雷锋网原创文章,未经授权禁止转载。详情见转载须知

同济大学马万经:交通管控存在测不准等问题 网联化后将呈现四个趋势 | CCF-GAIR 2019
分享:
相关文章

文章点评:

表情
最新文章
请填写申请人资料
姓名
电话
邮箱
微信号
作品链接
个人简介
为了您的账户安全,请验证邮箱
您的邮箱还未验证,完成可获20积分哟!
请验证您的邮箱
立即验证
完善账号信息
您的账号已经绑定,现在您可以设置密码以方便用邮箱登录
立即设置 以后再说