近日，赛文交通网举办了“全息概念下的交通感知与数据融合”在线研讨会，武汉市公安局交通管理局科技管理处警务技术三级主任黄传明发表了“全息概念下的交通感知与数据融合”主题演讲。
黄传明从交通传感器旧欢新颜、全息路口试点情况与研究、海量的多元交通感知、智能设备、物联主动产生数据及全息概念下的数据融合的期望这五个方面进行了解读。黄传明指出全息路口、基于人工智能的信号控制是未来必然的发展方向，也是当前技术下的终极应用，试点和研究是有必要的，并认为数据真正的融合技术不是关键，要解决广义的数据融合还需要经历一个长期的过程。以下为演讲内容，有删减：

01

交通传感器旧欢新颜

最早的长江大桥的流量检测器并没有选取线圈检测，因为长江大桥是钢铁结构，线圈根本检测不了。当时也没有视频检测器，更没有地磁检测器，并且当时雷达检测器的成本非常昂贵，最终选择了超声波检测器，如下图所示右边的从上端对每个车道进行感知，该系统一直沿用到2000年以后，最终由现在的卡口替代检测，数据的精度和进度已经无法同日而语了。

 下面介绍几种现今在用的交通检测器。一是线圈交通流量检测器，SCOOT系统与SCATS系统采用的标准检测器，都是线圈。经过多年的应用，形成了一整套的适合不同的路面与应用场景的标准规范。对线圈的切割面积、线圈的围绕匝数（围绕多少圈）、线圈切割倒角、线圈的填充材料都进行了详细、严谨的研究与应用，最终形成了一套适合不同路面、不同应用场景的标准规范。下图是标准的施工图，尺寸以毫米为单位，非常精准。在填充工艺与材料上，填充至少要分三层，材料用水泥、沥青、油膏、环氧树脂等材料；在线圈倒角工艺上，采取了切除辅助线，用塑料垫片进行工艺处理优化倒角；在线圈路缘石工艺上，制作非常规范严谨。

将地磁与线圈统一归类为断面检测，线圈在数据检测上细腻、准确、稳定实时感知。地磁则是间式通讯，在城市道路无法解决管道的问题上发挥了作用，安装快捷有效，但存在电池的使用寿命的问题。二是视频检测。随着人工智能的技术发展，视频检测得到了快速的发展，在交通检测上，已经由断面检测，到轨迹跟踪，更有大量的交通事件识别等大量的应用，在各行种业的应用广泛。三是雷达检测。雷达技术稳定、算法成熟，随着价格下降，性价比越来越高，其在交通中的应用也会更多。如果刻意追求精度的话，当然要属激光雷达莫属，成本近百万，特斯拉最终完全放弃雷达的自动驾驶方案。综上所述，元老级的线圈稳定、实时、可靠，如果满足应用场景及管道允许的情况下，我依然会选择线圈；视频检测应用广泛，将是今后长期发展的首选；随着雷达的性价比逐步提高，将得到更多的应用，也将成为新的选择对象。

02

全息路口试点情况与研究

2017年下半年，武汉理工大学计算机学院李琳博导和我组成团队，开始进行全量、全样（全息路口）下的，基于人工智能的信号控制研究。2018年8月，在武汉市汉阳区汉阳大道进行第一处试点研究（只一个路口），鹤山路是一个标准的十字路口，采用雷达高精跟踪、视频跟踪采集全量交通数据，并结合现有区域控制机的断面监测数据、道路监控视频等的多源交通数据，可以实时反映路口最真实的交通状态，并进行人工智能的计划控制研究。2019年1月，在武昌区中南片区进行第二处试点研究（三个路口），于武昌区武珞路中南路、中南路中南二路、武珞路丁字桥路等3个路口,进行了基于基于雷达目标跟踪及结合视频目标检测和跟踪的全量全样交通特征采集示范试点研究。在武汉沌口（汉南）经济开发区智能网联示范区进行了2个全息路口的试点，已完成信号及电警数据对接，信控信息包括：路口信息、信号机信息、相位参数、路口阶段、阶段参数、车道信息、配时方案信息、周期信息、交通流数据、信号机实时状态等，已达到无人驾驶的精准精确的控制研究。将研究结果，于2019年11月申请第一批专利（3个），2020年5月申请第二批专利（3个）。下左图是基于高精地图的模拟案例，右图是实时动态的仿真模型。

在基于人工智能信号控制的研究，把多元数据进行融合，并且把特征提取出来。采取车辆的加速度、速度加速度和位置的结构特征，由卷积神经网络负责提取。高位特征在单个路口的信号控制上，采用深度循环Q学习的算法，下图是单个路口的人工智能的算法线路图。在三个路口中其中有一种情况，交通状态相似的两个路口，当其中一个路口数据不足时，可以从基于一个路口的模型进行迁移学习（如下图）。

区域路网由多个路口组成，每个路口可以看做一个智能体，故而区域协调可以用多智能体强化学习（MARL）来解决。以区域内的平均延误作为评价指标，对区域进行优化控制。下图是整个技术路线图，基于多智能体强化学习的城市区域交通信号调控，多路口协作图Max-plus算法和动作联动加速算法。

虽然相关研究获得了中国研究生智慧城市技术与创意设计大赛三等奖、第八届CCF大数据学术会议最佳学生论文奖、湖北省总工会第三届“工友杯”职工创业创新大赛“双十佳项目”奖、武汉市总工会职工创业创新大赛“十佳创新奖”等奖项，但在研究过程中一直在考虑“全息路口是否为伪命题”，因为每个路口需要百多万的建设费用，经济效益比在哪里？是否可以通过数据融合与人工智能解决海量的投入？我们通过什么方式可以解决全息路口的成本问题？这需要我们深思！

03

海量的多元交通感知

路口、路段建设了大量的智能交通设施，包含电子警察、视频监控、交通卡口、违停抓拍、高点监控等，数据量很大，覆盖面广，足以满足现在的交通控制的数据采集要求。我们一些平安城市的监控，再加上n+的智慧系统产生的数据，如智慧城市、智慧道路、智慧路灯、智慧公交、智慧监管、智慧应急等，这些数据都可为交通所用。就以智慧路灯为例，武汉市高新大道全线路灯采用智慧路灯，多杆合一，将5G设施、显示屏、交通指示牌、交管监控设备等全部集成在路灯杆上，能够减少能源消耗，大幅节省电力资源，提升公共照明管理水平。同时也可以为智慧交通提供丰富的数据。

04

智能设备、物联主动产生数据

说到交通感知，绝对不能忽略智能设备、物联感知设备等主动产生数据这个情况。试想一下，如果可以得到每台车的导航定位数据，那么还需要建设交通感知设备吗？在我们进行基于人工智能的信号控制的研究中，充分的考虑了这个要素，申请了“基于全量全样实时交通数据的多参数融合方法及系统”，“一种多模态数据融合的机动车移动模式识别方法及系统”两个发明专利，用算法来弥补交通感知设备的限制。目前主动产生数据的设备，肯定是我们的手机和智能终端，包括一些智能穿戴设备。每天打开手机，就会有数10个甚至上百个 App系统，在不停的收集我们的个人信息，其中最主要的就是我们的轨迹和定位信息。这些数据将会成为智能交通和智慧城市是一个重要的数据来源，并且在物联网和5G的技术以及未来其他技术的帮助下，这种主动产生数据的将会再次呈指数量增长。

05

全息概念下的数据融合的期望

关于数据融合和全息路口的数据融合，我有几个想法。1、管理部门并没有做好全息路口或者交通数字孪生的心理准备。2、全息路口、基于人工智能的信号控制是未来必然的发展方向，也是当前技术下的终极应用，试点和研究是有必要的。3、交通感知是基础，可以通过多途径获得，尤其是设备主动产生的数据尤其重要。4、包括5G在内的国建新基建战略，对智慧交通将是最大的推动力。当建设强度达到一定程度，数据自然产生。5、数据真正的融合技术不是关键，要解决广义的数据融合还需要经历一个长期的过程。