一、智能網聯與大數據時代智慧公路內涵
對智慧公路的理解
智慧公路現在是一個新名詞，過去經常談論的智慧交通，現在也作為一個專門的名詞，智慧公路每個人都有不同的理解，雖然官方有官方的說法，但我想結合同仁的一些思考，認為它是一個借助移動互聯網、物聯網、大數據、云計算、人工智能這些新一代信息技術，以人車路環境的全面精準感知智能決策為核心，通過人車路互聯與協作，構建可實現協同管控與創新服務的公路系統�，F在這一代的智慧公路，是在新技術，特別是信息技術和人工智能的推動下帶來的管控，是傳統管控的全面變革。
（1）感知能力
具體而言，過去智能交通有感知層、傳輸層、決策層、應用層等等，但在新的時期，每一層都有新的變化。比如說感知能力，傳統的智能交通手段比較單一，都是在路側裝一些固定的交通流設施，比如微波檢測器、視頻檢測器等等。而且感知參數相對比較單一，都是一些交通站，很多都是交通流的感知參數，而且因為是固定點，覆蓋范圍比較有限，往往是在關鍵路段布設，視頻也不是全網覆蓋的。而在網聯時代，智慧公路的信息采集就多元了，甚至擴展到公路以外，公路上的視頻、ETC收費，也可能為未來數據采集手段提供新的渠道。還有眾包數據、導航數據、網絡簽到數據，手機信令等等通信數據，相信5G作為通信模式給大家提供服務的同時，也為產生新的數據源。這些數據源不僅是對車、人監測，對自動駕駛和智能車輛發展也有很大作用，同時有利于感知系統的提高，比如駕駛行為、車輛性能、能耗排放，還有車輛級的定位。交通流除了傳統的車速交通量以外，還有一些事件的檢測，道路運行，天氣環境，基礎設施的全面檢測。特別是人的檢測，它可以知道全過程全路徑，為后面進行動態的源頭需求調控提供了一個很好的基礎。
（2）傳輸能力
以前都是單向傳輸，后臺匯聚，出現信息不對稱，出行者不知道全局的信息，而管控者也未必知道，剛才說每個人的需求。在新的時期是雙向傳輸，且信息共享、對稱，這樣就形成人車路多方協作的機制。比如說進行分流誘導，大家可以進行合作的模式，可以借助ETC的動態收費調整，誘導大家進行路網的均衡。過去傳統的傳輸帶寬的速度有限，現在帶寬速度大大提升，對于安全、娛 樂的服務包括自動駕駛的場景，都提供了新的可能。
（3）管控決策能力
在進一步感知和傳輸能力基礎下，管控決策的能力也得到了大大的提升，特別是現在云計算等計算能力的提升。在傳統的智能交通里面，因為信息不全面，計算能力有限，往往是監而不控，或者是局部的路網實現輔助人工的控制。但是未來可以實現全網的可監可控，因為是雙向的傳輸，信息指令可以發送至每一輛車，所以能控制交通流每一個車輛，而且控制范圍，過去是局部的路段，未來可以全網分流的控制。模型驅動的，離線的預案式的調控措施，未來隨著動態數據的接入和計算能力的產生，就可以用多元的數據加上模型，模型驅動和數據驅動，兩層驅動的決策模型，以及云計算和邊緣計算結合協同能力，這樣計算能力大大提高反應能力。
過去是單智能體決策，后臺作為管理中心，進行路網的感知調動和控制能力。未來是多智能體的決策，不僅后臺匯聚每個路側單元和每個車載單元，同時可以進行決策，這樣可以集中控制單個智能車輛自主決策能力結合，后面還需要有很多模型，來解決個體最優和系統最優怎么協同的問題。過去的決策能力固化，一旦決策之后很長時間不變了，包括預案的形成。未來隨著人工智能的發展，這個方法是可以自動學習的，像掃地機器人一樣，可能一開始第一個方案不行，但是會不斷地學習和更新，具有自學習的能力。當然，未來的邊緣云和中心云進行協同計算，可以提供半分布式的計算服務，可以滿足實時性和復雜的計算能力的需求，這都是通信技術和計算能力的技術帶來的新變化。
（4）服務能力
服務能力也有一些全面的提升，過去是面向公眾的基本服務，包括數字廣播、大屏廣播，都是實現無差異的，或者是即到即享，我到了這條路上，才能得到提醒的服務，或者是無差異的，但并不是你所急需的信息。而未來，信息傳遞的范圍在延展，交互性也在不斷發展，實現服務模式創新，提供個性化、定制化、門到門全鏈條服務。就是說公路是一個載體，但是在這上面的人，提供他所利用這個公路的吃喝玩樂的，一條龍的服務，而且更多是定制化的服務。
二、智慧公路泛在管控創新場景及效果評估
1、管控目標及面臨問題
實際上對于智能管控來說，最終的目的無非就是剛才說的效率提升，這是第一目的，當然安全按道理來說是最重要的目的，和節能減排和通行有密切的關系。今天從通行效率提升和安全兩方面結合給大家做一個介紹。目前的高速公路不高速，應急應變能力差，安全風險高，都是大家經常吐槽的事情。根本的原因，實際上就是供需矛盾，路上車流量大，道路通行能力有限，特別是在雨雪天或者是事故發生的時候，通行能力就進一步的折疊。另外有一些服務瓶頸，比如說收費站或者是高速路出口，通過效率低，設了ETC可能有一定的緩解。隨機性的干擾，車輛亂變道，事故高發。
2、場景1——公路泛在控制誘導一體化（交通需求三級動態調控）
比如說供需矛盾方面，大家都知道道路通行能力是給定的，而且它符合拋物線的規律，比如說隨著流量的增加，達到最高的流量的時候，就開始衰減，所以說變成了流量反而下降，需求量增長，但是流量下降。由此怎么調控這個流量，不讓交通流量浪費，又不因為流入過多的流量造成這樣的瓶頸或者是擁堵，造成能力的下降。
過去的調控主要是一些匝道控制，駛入流量第一層次的控制，我們后面提出來多層次的控制，多級控制。
（1）匝道控制場景
往往根據路段的運行情況，通過匝道，就可以動態調控駛入的流量。通過仿真做分析。僅僅是控制流量，有時候在高速公路很難完全行得通，因為畢竟，又不是大雪封路，大家不能進入，這很難做到，城市里面可能還好一些，公路里面很難做到，但是我們可以通過動態的線索達到類似的目的，因為速度和流量是有相關性的，根據下游的通行能力的情況，包括在雨雪天的情況，我們來推算出來是可以進入，這樣一個合理的流量情況，也就相應地合理的動態情況，可以利用大屏發布限速信息，調控進入下流的流量情況，達到流量限制的作用。
（2）路段速度控制場景
因為現在可以做到全路網的感知，以及面向導航的個性化的服務，就可以不僅用上面的誘導屏，和車載端或者是APP導航，做一些分流的服務。未來隨著ETC的車載端未來的功能的提升，這些功能做一個延伸的考慮，實際上也是可以的。
（3）路網誘導分流
當然了任何的效果都需要進行仿真去驗證效果如何，包括調控多少流量需要前面幾個上游節點去分流，而且分流的時候還要考慮到有多少人遵從，多少人不遵從，這個效果可以用仿真進行實時在線的推演。
3、場景2——車輛編組行駛及專用道共享，提高通行能力
剛才說到是一個分級流量的情況提高通行能力，第二個場景，怎么去實實在在地提高通行能力，現在隨著自動駕駛和智能網聯的發展，未來車輛進行編組式的發車，甚至自動駕駛因為可以保持安全時距。如果說未來隨著技術不斷的提高，可以適當減少安全時距的話，都有可能提高通行的能力，進而也可以減少油耗，但是如果實現，究竟需要多少輛車進行編組，什么時候駛入和駛出，這是需要后臺進行策略制定的，或者通過計算進行這樣的決策支持，也可以通過仿真模型構建，進行策略的設計。
比如說在匝道匯入等等這樣的情況之下，車輛怎樣按照不同的比例重組，長距離和遠距離從哪一個出口出，怎么樣讓他提前變換車道，這些都可以進行仿真決策。在里面具體仿真的話，傳統的交通流的仿真和新時代的網聯的時代，自動駕駛和編組發車，變道行為都有一些變化，這也需要理論和仿真技術的支持。
4、場景3——事故點或施工區路段預警，提高局部通行能力
大家經常見到一些高速公路，一旦發生了事故車輛，后面的車往往是提前不知道的，快接近他的時候，甚至接近它的時候，才發現前面有故障車輛，近鄰的車道變不過去的時候，就只能等在那，都等在那就形成了排隊，如果沒有及時停車，就會撞車了，或者是發生串車事件，就是剛才說的連環相撞的。因此如果能夠用現在的新技術，在廣域的范圍內了解前面有事故發生，提前變道，剛才說了既可以提高通行能力，也可以減少連環相撞的事故發生。這里面就需要我們決策，不光是怎么樣實現通信，我們還要知道應該提前多少米告知后車，當然這里面用了一些不同的換道模型和跟車模型了。就是在什么樣不同的提示點位置和不同的車間距變化，成功換道的概率是多少和車速關系是什么樣，這是非線性的過程。這樣就可以知道，我們在提前多少米告知的時候，一方面道路的通行能力得到最大的保障，另外一方面時間也會得到保障。
5、場景4——道路安全風險實時評估及管控
過去我們對于安全的防控，特別是這段時間連著出了幾個大事故，大家也都知道。但是過去還是缺乏一些人車路綜合感知，包括對違規車輛的追蹤。未來感知技術大大提高，可以去利用車輛在途車輛的隨機點，比如說在走的過程中，事故是隨機發生的，但是有的時候，是在合流區分區或者在一些固定風險點的時候發生的，可以根據不同的情況設計參數。人車路環境應該采集什么參數，可以進行一些設計。
這些就需要看一下比如說指標，比如說對人的指標，包括車的指標，這是需要人和車共同聯合判斷的，比如說加減速、平緩變道、壓線行駛、疲勞駕駛、車道偏離他們應該達到什么情況下進行預警。
比如說在不同路段上的速度，現在不是固定限速的，但是跟道路限行有關系，跟天氣有關系，包括跟載重的高度有關系，車高車重都有關系，通過聯合分析，可以知道最佳限速值。另外像隨機的風險，當然就可以利用現在不僅是智能車輛的監管，另外一方面，特別是對于運營車輛，當發生嚴重的危險行為的時候，可以通過后臺控制它，控制這個車，讓它減速或者是轉移到應急車道進行行使。
這些固定點，到高速公路里面合流區、分流區、施工區，也都是一些典型的預警地方，這些預警地方，通訊的方案怎么設計，誰告訴誰信息，數據流誰傳遞給誰，內容應該傳遞什么樣的消息，在什么時間點傳遞，傳遞的閾值什么樣，這也需要后臺精準的設計。這是原來做的一些東西。
當然了像這些效果，也是需要提前進行仿真的，現在大家說花那么多錢建智慧公路到底效果有多少，到底減少了安全事故的發生，效率提升了多少，都可以通過仿真做的，比如說剛才講的合流區的，主路的停車，大車的混入、主路的大流量或者是主路快車，可能都有分別的風險點，我們如何化解，最后的效果怎么樣，都可以仿真得出來。
因為現在是全面感知全路網給老百姓提供出行的安全信息，都是更多發布的路況擁堵的信息，未來也可以做路段的交通安全的評估，告知哪些路段是風險的，是不是可以避開這些風險的路段，這些可以根據采集到的，比如說速度的方差，加減速的分布還有車輛間距，大車混入率，等等這些參數來評估不同路段的風險，進而告知出行者。
6、場景5——道路全息泛在感知及智慧決策
未來對我們的決策能力提出了很高的要求，這個就跟剛才說的智慧公路大腦，先感知再評價，再致因分析，再提出對策和決策，這樣的全鏈條，從而改變過去檢而不控的結果。包括方案實施之后，通過現在的自學習還可以進行效果的反饋和修正調整。這里面比如說感知，未來的變化，實際上我相信每個人在下面都有困惑，需要在什么地方安裝感知器，不能說哪個省份有錢，哪一條路有錢就鋪傳感器，但是實際上就造成了很多浪費，有些引起了重疊。首先要知道安裝傳感器的目的是什么，需要采集什么樣的參數，采集的參數是為了提高管控的還是提高安全性還是運營效率的。這些我們可以做一些功能和信息需求，以及新技術下感知能力的提供，進行一些耦合性的分析，運營監控，突發事件監控或者是沿線狀態感知，以及信息的傳輸性安全，或者是一體化信息發布，不同的目的，我們需要什么樣的信息，而且精度要求什么樣，比如說導航的數據的精度和路側的精度能相比嗎？肯定是不能相比的，但是它有優點，可能有廣域的優點，不同的需求要求不一樣，對于時間連續性不一樣，對于空間連續性要求都不一樣，根據這些分析，我們知道路網上，知道在什么地方部署什么樣的采集器，獲取相應的參數。
未來ETC收費之后，也可以作為一個新的采集點，可能對于未來全面采集的方式也會有很大的變化，布設什么樣的設備，采集什么參數，我們也要知道，我們剛才說在什么地方安裝，剛才需要路段之間的相關性分析，比如相鄰的路段，都不重新鋪設了，做一個相關性的分析，當然還有一個數據的修復和補足，很多傳感器，包括交調的數據很多是不可用的數據，質量很差。未來需要進行數據質量的控制，包括在線的修復補足，才能支持真正的應用，否則的話智能管控肯定是空談，因為你沒有堅實的數據基礎。
當然了做交通流預測也是關鍵的，因為這個既然要監控必須實時的感應，去進行未來的交通流的預測，通過深度學習可以進行短時的預測。當然還有致因的分析，發現擁堵最終的目的是要知道原因是什么，是因為事故發生的還是因為大流量發生的，還是因為什么樣發生的，需要通過大數據挖掘進行致因的分析。當然最后是方案的生成，各種模型驅動、優化驅動也好，都需要模型生成，輸入一個在線仿真平臺進行驗證，進而再進行一個標準的評估，最后進行一些反饋等等。
三、展望：智能網聯交通系統將迎來黃金時代
未來隨著智慧公路特別是無人駕駛的發展，還有一些硬件感知的發展，我們叫車網聯的全新時代，特別是隨著5G和高精度地圖的推廣，車路，包括人車的協同控制，也是飛速發展，也成為解決智慧公路里面很多的問題，這樣提供一些新的途徑，這里面大數據技術和人工智能技術，也是作為一個支撐技術，承擔著很大的責任。未來可能智慧公路建設，為了它的真正落地能發揮效果，應該進一步開展相應關鍵技術的研究，提升評估效用的效果，多方協作，使公路更為智慧智能，為百姓提供更好的服務。
