《端午全國公路網出行預測報告》發布，智慧交通如何“預知”未來？

　　每到小長假，駕車出行是不少人的選擇，于是堵車成了一大交通難題。但今年端午，情況也許會有所不同。

　　日前，交通運輸部路網中心發布了《2018年端午全國公路網出行預測報告》。報告指出，端午小長假第一天6月16日上午9時-12時是出行高峰時段;尤其是10時-11時擁堵程度最高。受集中返程的影響，小長假最后一天6月18日下午15時-21時為返程高峰時段，峰值出現在16時-17時。報告預計，高速公路網省域擁堵高發地區主要集中在廣東、北京、江蘇、浙江、河北等交通出行需求旺盛或旅游自駕較為集中的地區;另外，四川、云南、廣西、湖南、貴州等熱門旅游省份也容易發生擁堵情況。對于城市擁堵分布情況，報告預計，北京市、廣州市、深圳市、上海市等一線城市及省會城市周邊高速公路易發生擁堵;重慶市、成都市、昆明市、杭州市等熱門旅游城市也容易發生擁堵情況。

　　除了交通運輸部發布全國公路網出行預測外，北京、深圳等多地交警部門也發布了端午假期出行預測。

　　交警部門發布道路擁堵預測信息，目的在于引導市民出行，避免出現車輛“扎堆”行駛至某一條主干道上，從而實現“治堵”的目的。而能夠預測道路擁堵情況，還要得益于智慧交通的發展。那么，究竟智慧交通是如何實現“預知”未來，助力“治堵”的呢?

　　智慧交通：關鍵在于交通要素的互聯互通

　　在解答上述問題前，首先應該明確什么是“智慧交通”。

　　“智慧交通”是各個省市地區交警支隊交通指揮中心的配套建設項目，用于將交警指揮中心建設成為交管科技信息化的展示中心、資源匯聚整合中心、研判決策中心、管控服務中心，進一步成為交通管理應用平臺“六合一平臺”和交警集成指揮平臺的數據“大腦”。智慧交通項目建設完成后，依托公安網、互聯網、視頻網“三張網絡”，構建地理信息、數據匯聚、信息交換、系統維護“四個支撐”，實現實戰指揮、源頭監管、研判決策、民生服務、執法監督“五大實戰應用”。

　　智慧交通的建設內容包括交通管理與規劃、出行者信息服務、車輛運營管理、電子收費、智能車輛、汽車移動物聯網、自動公路、綜合運輸和緊急事件與安全。

　　(圖片源自前瞻產業研究院)

　　從智慧交通的定義及建設領域可以看出，智慧交通的關鍵在于各個交通要素的互聯互通。以交通預測所在的“出行者信息服務”領域為例，要打造車流誘導系統、智能車載導航系統和多渠道信息服務系統，關鍵在于要讓靜態的道路、橋梁、附屬設施，和動態的車流狀況、天氣狀況相連接，只有將各地的信息匯聚到統一的平臺，具備人工智能技術的“大腦”才能在信息充分的前提下，做出相對正確的判斷，隨后平臺才能夠將“大腦”的判斷再返還到手機、導航儀等終端，讓駕駛員掌握到“大腦”預測的信息，從而做出新的選擇和判斷。

　　但要如何讓各個交通要素的互聯互通呢?可以從硬件和軟件兩個方面來談。

　　硬件：感知與收集動態的交通信息

　　硬件的作用在于感知與收集交通信息。道路、橋梁等靜態的交通要素信息只需經過一次采集即可掌握，但車輛是動態行走的，因此需要相應的硬件設備來對車輛的移動軌跡進行感知。

　　監控設備是能感知車輛信息最直接的硬件工具。其一，監控設備能夠“看”見某條道路上車輛的多與少，直觀地反應道路的擁堵狀況。其二，監控設備能看清車型，從而為后端決策提供更全面的信息，比如下班高峰時段貨柜車占用道路多，則能出臺相應規定限制高峰時段貨柜車出行。其三，監控設備能看清車牌，一些地區擁堵的原因是由于外地車涌入，以深圳交警今年發布的端午交通預測為例，深圳交警經過對市區車牌識別點的過車輛進行統計分析發現，今年“五一”以來外地車比例持續上升，同時因端午假期周邊城市來深游玩增加，預計假期市內外地車將占全市車輛的三成半。

　　電子車牌將成為最好用的感知工具。電子車牌的基本技術措施是：利用RFID高精度識別、高準確采集、高靈敏度的技術特點，在機動車輛上裝有一枚電子車牌標簽，將該RFID電子車牌作為車輛信息的載體，并由在通過裝有經授權的射頻識別讀寫器的路段時，對各輛機動車電子車牌上的數據進行采集或寫入，達到各類綜合交通管理的目的。這項全新技術可突破原有交通信息采集技術的瓶頸，實現車輛交通信息的分類采集、精確采集，抓住交通控制系統信息源準確的關鍵。所有車都安裝上電子車牌后，交警部門能夠直觀掌握所有車輛的所有信息，有了準確可靠的信息源，智慧交通就只剩了后臺信息處理和應用的問題了。雖然電子車牌必然成為趨勢，但目前電子車牌的相關政策仍在醞釀中，因此就目前而言，監控設備仍是應用最廣泛的感知設備。

　　軟件：大數據+人工智能完成數據分析

　　收集到交通信息后，海量的交通數據如何管理、如何快速應用?這是各地政府、交通企業、交通系統集成商共同面臨的難題。讓人去分析顯然不現實，因此要借助先進的技術手段分析數據，輔助人的決策。

　　智能交通大數據管理平臺應用是核心。智能交通大數據平臺主要包括：城市交通信息數據系統、城市交通綜合監測和預警系統、城市交通碳排放實時監測系統、公交都市管理系統、公眾出行信息服務系統。通過建立大數據平臺，通過對多維度、海量的歷史數據進行分析后，就可以利用各種傳感器傳回實時交通信息，從而實現科學的、自動的管理交通、應對突發交通事件。

　　此外，通過深挖數據，除了能夠實現交通狀況預測外，還能發現許多交通問題。比如可以發現哪些交通違規行為最頻繁，交通違規行為大多數是在什么情況下發生的，哪些區域最容易發生交通事故……通過分析這些深層次的數據，相關部門能發現道路設計中存在的缺陷，優化路網;或是有針對性地加強對駕駛員的某一個交通安全意識。

　　人工智能技術是讓城市交通真正能夠擁有“大腦”并實現自我調節的必需品。首先，人工智能能夠將海量非結構化的視頻數據結構化，提煉出車牌、車型、車主等信息，從而規范駕駛員行為、進行車輛管理等。其次，人工智能能夠以海量交通數據為基礎，分析交通運行規律性和相似性，建立智能學習模型，通過機器學習去預測流量、擁堵等多項交通信息。通過實時監控分析道路車輛，依據動態交通數據，“大腦”還能實現自動切換和調配信號燈時間，將治理擁堵的工作落到實處。此外，人工智能還能根據城市民眾出行偏好、生活習慣、消費習慣等，分析出城市人流、車流的遷移規律，從而給予更精準的交通預測。

　　障礙：數據整合程度仍待加強

　　雖然預測道路信息已經不是難事，但精準性仍有待提升。影響交通的因素紛繁復雜，除了道路、車輛、人口外，還有天氣、軌道交通狀況等，如果解決交通問題，只著眼于交警部門，顯然是不夠的，還要將公安交警、交通運管、鐵路、民航、郵政快遞等部門信息納入其中。而目前智慧交通建設仍處于數據整合、協同應用的融合階段，還面臨系統割據、信息孤島嚴重、數據碎片化和大數據應用程度低等挑戰。

　　其次，由于區域經濟發展不平衡、地方保護主義，當前各地區在組織和實施智慧交通項目時，缺乏統一行業標準，這造成許多指揮交通系統相對獨立，銜接和配合度不高。而出行是一個沒有邊界的活動，車輛能夠跨越不同區域行駛，如果無法將數據及智慧系統統一調配和處理，智慧交通的作用將變得極其有限，預測也只能在有限的環境下進行，無法達到更高的精度。

　　因此，要讓智慧交通能真正實現“預知”未來，在政策方面，要加強指揮交通的頂層設計，加快行業標準的統一化與規范化，減少重復建設，打破信息孤島，促成交通信息及資源共享;在硬件方面，增加關鍵卡扣和道路感知設備的布控，感知設備不僅包括監控設備，還有測速設備等;在軟件方面，加強對數據的整合、挖掘和分析，大力發展人工智能技術，加強“交通大腦”的能力。只有提升了預測的能力，對道路狀況未雨綢繆，智慧交通才能真正稱得上“智慧”，“治堵”才能有真正的成效。

?