一、智能网联与大数据时代智慧公路内涵
对智慧公路的理解
智慧公路现在是一个新名词，过去经常谈论的智慧交通，现在也作为一个专门的名词，智慧公路每个人都有不同的理解，虽然官方有官方的说法，但我想结合同仁的一些思考，认为它是一个借助移动互联网、物联网、大数据、云计算、人工智能这些新一代信息技术，以人车路环境的全面精准感知智能决策为核心，通过人车路互联与协作，构建可实现协同管控与创新服务的公路系统。现在这一代的智慧公路，是在新技术，特别是信息技术和人工智能的推动下带来的管控，是传统管控的全面变革。
（1）感知能力
具体而言，过去智能交通有感知层、传输层、决策层、应用层等等，但在新的时期，每一层都有新的变化。比如说感知能力，传统的智能交通手段比较单一，都是在路侧装一些固定的交通流设施，比如微波检测器、视频检测器等等。而且感知参数相对比较单一，都是一些交通站，很多都是交通流的感知参数，而且因为是固定点，覆盖范围比较有限，往往是在关键路段布设，视频也不是全网覆盖的。而在网联时代，智慧公路的信息采集就多元了，甚至扩展到公路以外，公路上的视频、ETC收费，也可能为未来数据采集手段提供新的渠道。还有众包数据、导航数据、网络签到数据，手机信令等等通信数据，相信5G作为通信模式给大家提供服务的同时，也为产生新的数据源。这些数据源不仅是对车、人监测，对自动驾驶和智能车辆发展也有很大作用，同时有利于感知系统的提高，比如驾驶行为、车辆性能、能耗排放，还有车辆级的定位。交通流除了传统的车速交通量以外，还有一些事件的检测，道路运行，天气环境，基础设施的全面检测。特别是人的检测，它可以知道全过程全路径，为后面进行动态的源头需求调控提供了一个很好的基础。
（2）传输能力
以前都是单向传输，后台汇聚，出现信息不对称，出行者不知道全局的信息，而管控者也未必知道，刚才说每个人的需求。在新的时期是双向传输，且信息共享、对称，这样就形成人车路多方协作的机制。比如说进行分流诱导，大家可以进行合作的模式，可以借助ETC的动态收费调整，诱导大家进行路网的均衡。过去传统的传输带宽的速度有限，现在带宽速度大大提升，对于安全、娱 乐的服务包括自动驾驶的场景，都提供了新的可能。
（3）管控决策能力
在进一步感知和传输能力基础下，管控决策的能力也得到了大大的提升，特别是现在云计算等计算能力的提升。在传统的智能交通里面，因为信息不全面，计算能力有限，往往是监而不控，或者是局部的路网实现辅助人工的控制。但是未来可以实现全网的可监可控，因为是双向的传输，信息指令可以发送至每一辆车，所以能控制交通流每一个车辆，而且控制范围，过去是局部的路段，未来可以全网分流的控制。模型驱动的，离线的预案式的调控措施，未来随着动态数据的接入和计算能力的产生，就可以用多元的数据加上模型，模型驱动和数据驱动，两层驱动的决策模型，以及云计算和边缘计算结合协同能力，这样计算能力大大提高反应能力。
过去是单智能体决策，后台作为管理中心，进行路网的感知调动和控制能力。未来是多智能体的决策，不仅后台汇聚每个路侧单元和每个车载单元，同时可以进行决策，这样可以集中控制单个智能车辆自主决策能力结合，后面还需要有很多模型，来解决个体最优和系统最优怎么协同的问题。过去的决策能力固化，一旦决策之后很长时间不变了，包括预案的形成。未来随着人工智能的发展，这个方法是可以自动学习的，像扫地机器人一样，可能一开始第一个方案不行，但是会不断地学习和更新，具有自学习的能力。当然，未来的边缘云和中心云进行协同计算，可以提供半分布式的计算服务，可以满足实时性和复杂的计算能力的需求，这都是通信技术和计算能力的技术带来的新变化。
（4）服务能力
服务能力也有一些全面的提升，过去是面向公众的基本服务，包括数字广播、大屏广播，都是实现无差异的，或者是即到即享，我到了这条路上，才能得到提醒的服务，或者是无差异的，但并不是你所急需的信息。而未来，信息传递的范围在延展，交互性也在不断发展，实现服务模式创新，提供个性化、定制化、门到门全链条服务。就是说公路是一个载体，但是在这上面的人，提供他所利用这个公路的吃喝玩乐的，一条龙的服务，而且更多是定制化的服务。
二、智慧公路泛在管控创新场景及效果评估
1、管控目标及面临问题
实际上对于智能管控来说，最终的目的无非就是刚才说的效率提升，这是第一目的，当然安全按道理来说是最重要的目的，和节能减排和通行有密切的关系。今天从通行效率提升和安全两方面结合给大家做一个介绍。目前的高速公路不高速，应急应变能力差，安全风险高，都是大家经常吐槽的事情。根本的原因，实际上就是供需矛盾，路上车流量大，道路通行能力有限，特别是在雨雪天或者是事故发生的时候，通行能力就进一步的折叠。另外有一些服务瓶颈，比如说收费站或者是高速路出口，通过效率低，设了ETC可能有一定的缓解。随机性的干扰，车辆乱变道，事故高发。
2、场景1——公路泛在控制诱导一体化（交通需求三级动态调控）
比如说供需矛盾方面，大家都知道道路通行能力是给定的，而且它符合抛物线的规律，比如说随着流量的增加，达到最高的流量的时候，就开始衰减，所以说变成了流量反而下降，需求量增长，但是流量下降。由此怎么调控这个流量，不让交通流量浪费，又不因为流入过多的流量造成这样的瓶颈或者是拥堵，造成能力的下降。
过去的调控主要是一些匝道控制，驶入流量第一层次的控制，我们后面提出来多层次的控制，多级控制。
（1）匝道控制场景
往往根据路段的运行情况，通过匝道，就可以动态调控驶入的流量。通过仿真做分析。仅仅是控制流量，有时候在高速公路很难完全行得通，因为毕竟，又不是大雪封路，大家不能进入，这很难做到，城市里面可能还好一些，公路里面很难做到，但是我们可以通过动态的线索达到类似的目的，因为速度和流量是有相关性的，根据下游的通行能力的情况，包括在雨雪天的情况，我们来推算出来是可以进入，这样一个合理的流量情况，也就相应地合理的动态情况，可以利用大屏发布限速信息，调控进入下流的流量情况，达到流量限制的作用。
（2）路段速度控制场景
因为现在可以做到全路网的感知，以及面向导航的个性化的服务，就可以不仅用上面的诱导屏，和车载端或者是APP导航，做一些分流的服务。未来随着ETC的车载端未来的功能的提升，这些功能做一个延伸的考虑，实际上也是可以的。
（3）路网诱导分流
当然了任何的效果都需要进行仿真去验证效果如何，包括调控多少流量需要前面几个上游节点去分流，而且分流的时候还要考虑到有多少人遵从，多少人不遵从，这个效果可以用仿真进行实时在线的推演。
3、场景2——车辆编组行驶及专用道共享，提高通行能力
刚才说到是一个分级流量的情况提高通行能力，第二个场景，怎么去实实在在地提高通行能力，现在随着自动驾驶和智能网联的发展，未来车辆进行编组式的发车，甚至自动驾驶因为可以保持安全时距。如果说未来随着技术不断的提高，可以适当减少安全时距的话，都有可能提高通行的能力，进而也可以减少油耗，但是如果实现，究竟需要多少辆车进行编组，什么时候驶入和驶出，这是需要后台进行策略制定的，或者通过计算进行这样的决策支持，也可以通过仿真模型构建，进行策略的设计。
比如说在匝道汇入等等这样的情况之下，车辆怎样按照不同的比例重组，长距离和远距离从哪一个出口出，怎么样让他提前变换车道，这些都可以进行仿真决策。在里面具体仿真的话，传统的交通流的仿真和新时代的网联的时代，自动驾驶和编组发车，变道行为都有一些变化，这也需要理论和仿真技术的支持。
4、场景3——事故点或施工区路段预警，提高局部通行能力
大家经常见到一些高速公路，一旦发生了事故车辆，后面的车往往是提前不知道的，快接近他的时候，甚至接近它的时候，才发现前面有故障车辆，近邻的车道变不过去的时候，就只能等在那，都等在那就形成了排队，如果没有及时停车，就会撞车了，或者是发生串车事件，就是刚才说的连环相撞的。因此如果能够用现在的新技术，在广域的范围内了解前面有事故发生，提前变道，刚才说了既可以提高通行能力，也可以减少连环相撞的事故发生。这里面就需要我们决策，不光是怎么样实现通信，我们还要知道应该提前多少米告知后车，当然这里面用了一些不同的换道模型和跟车模型了。就是在什么样不同的提示点位置和不同的车间距变化，成功换道的概率是多少和车速关系是什么样，这是非线性的过程。这样就可以知道，我们在提前多少米告知的时候，一方面道路的通行能力得到最大的保障，另外一方面时间也会得到保障。
5、场景4——道路安全风险实时评估及管控
过去我们对于安全的防控，特别是这段时间连着出了几个大事故，大家也都知道。但是过去还是缺乏一些人车路综合感知，包括对违规车辆的追踪。未来感知技术大大提高，可以去利用车辆在途车辆的随机点，比如说在走的过程中，事故是随机发生的，但是有的时候，是在合流区分区或者在一些固定风险点的时候发生的，可以根据不同的情况设计参数。人车路环境应该采集什么参数，可以进行一些设计。
这些就需要看一下比如说指标，比如说对人的指标，包括车的指标，这是需要人和车共同联合判断的，比如说加减速、平缓变道、压线行驶、疲劳驾驶、车道偏离他们应该达到什么情况下进行预警。
比如说在不同路段上的速度，现在不是固定限速的，但是跟道路限行有关系，跟天气有关系，包括跟载重的高度有关系，车高车重都有关系，通过联合分析，可以知道最佳限速值。另外像随机的风险，当然就可以利用现在不仅是智能车辆的监管，另外一方面，特别是对于运营车辆，当发生严重的危险行为的时候，可以通过后台控制它，控制这个车，让它减速或者是转移到应急车道进行行使。
这些固定点，到高速公路里面合流区、分流区、施工区，也都是一些典型的预警地方，这些预警地方，通讯的方案怎么设计，谁告诉谁信息，数据流谁传递给谁，内容应该传递什么样的消息，在什么时间点传递，传递的阈值什么样，这也需要后台精准的设计。这是原来做的一些东西。
当然了像这些效果，也是需要提前进行仿真的，现在大家说花那么多钱建智慧公路到底效果有多少，到底减少了安全事故的发生，效率提升了多少，都可以通过仿真做的，比如说刚才讲的合流区的，主路的停车，大车的混入、主路的大流量或者是主路快车，可能都有分别的风险点，我们如何化解，最后的效果怎么样，都可以仿真得出来。
因为现在是全面感知全路网给老百姓提供出行的安全信息，都是更多发布的路况拥堵的信息，未来也可以做路段的交通安全的评估，告知哪些路段是风险的，是不是可以避开这些风险的路段，这些可以根据采集到的，比如说速度的方差，加减速的分布还有车辆间距，大车混入率，等等这些参数来评估不同路段的风险，进而告知出行者。
6、场景5——道路全息泛在感知及智慧决策
未来对我们的决策能力提出了很高的要求，这个就跟刚才说的智慧公路大脑，先感知再评价，再致因分析，再提出对策和决策，这样的全链条，从而改变过去检而不控的结果。包括方案实施之后，通过现在的自学习还可以进行效果的反馈和修正调整。这里面比如说感知，未来的变化，实际上我相信每个人在下面都有困惑，需要在什么地方安装感知器，不能说哪个省份有钱，哪一条路有钱就铺传感器，但是实际上就造成了很多浪费，有些引起了重叠。首先要知道安装传感器的目的是什么，需要采集什么样的参数，采集的参数是为了提高管控的还是提高安全性还是运营效率的。这些我们可以做一些功能和信息需求，以及新技术下感知能力的提供，进行一些耦合性的分析，运营监控，突发事件监控或者是沿线状态感知，以及信息的传输性安全，或者是一体化信息发布，不同的目的，我们需要什么样的信息，而且精度要求什么样，比如说导航的数据的精度和路侧的精度能相比吗？肯定是不能相比的，但是它有优点，可能有广域的优点，不同的需求要求不一样，对于时间连续性不一样，对于空间连续性要求都不一样，根据这些分析，我们知道路网上，知道在什么地方部署什么样的采集器，获取相应的参数。
未来ETC收费之后，也可以作为一个新的采集点，可能对于未来全面采集的方式也会有很大的变化，布设什么样的设备，采集什么参数，我们也要知道，我们刚才说在什么地方安装，刚才需要路段之间的相关性分析，比如相邻的路段，都不重新铺设了，做一个相关性的分析，当然还有一个数据的修复和补足，很多传感器，包括交调的数据很多是不可用的数据，质量很差。未来需要进行数据质量的控制，包括在线的修复补足，才能支持真正的应用，否则的话智能管控肯定是空谈，因为你没有坚实的数据基础。
当然了做交通流预测也是关键的，因为这个既然要监控必须实时的感应，去进行未来的交通流的预测，通过深度学习可以进行短时的预测。当然还有致因的分析，发现拥堵最终的目的是要知道原因是什么，是因为事故发生的还是因为大流量发生的，还是因为什么样发生的，需要通过大数据挖掘进行致因的分析。当然最后是方案的生成，各种模型驱动、优化驱动也好，都需要模型生成，输入一个在线仿真平台进行验证，进而再进行一个标准的评估，最后进行一些反馈等等。
三、展望：智能网联交通系统将迎来黄金时代
未来随着智慧公路特别是无人驾驶的发展，还有一些硬件感知的发展，我们叫车网联的全新时代，特别是随着5G和高精度地图的推广，车路，包括人车的协同控制，也是飞速发展，也成为解决智慧公路里面很多的问题，这样提供一些新的途径，这里面大数据技术和人工智能技术，也是作为一个支撑技术，承担着很大的责任。未来可能智慧公路建设，为了它的真正落地能发挥效果，应该进一步开展相应关键技术的研究，提升评估效用的效果，多方协作，使公路更为智慧智能，为百姓提供更好的服务。
