对话刘向宏:滴滴智慧信号灯这一年

赛文交通网 中字

2017年初,滴滴成立智慧交通FT团队,将智慧交通作为公司发展五大战略之一。

3月,滴滴和济南交警合作,在经十路上首次试点互联网+信号配时优化。

8月,密西根大学终身教授刘向宏(Henry  Liu)加盟滴滴,出任智慧交通首席科学家,全面领导滴滴智慧信号控制研发团队。随后,滴滴在国内各大城市快速复制互联网+信号业务。

回顾2017年,滴滴已在济南、武汉、成都、苏州、贵阳等城市优化超过1200个信号路口,使得交通延误时间平均下降10-20%。

岁末,赛文交通网专访刘向宏,回顾滴滴过去一年在互联网+信号方向的工作进展。

对话刘向宏:滴滴智慧信号灯这一年

赛文交通网:您是2017年7月份加入滴滴,是什么原因让您回到国内加入滴滴?

刘向宏:最主要的原因是我意识到一个非常重大的创新机会。滴滴数据非常独特,然后领导层做智慧交通的决心非常大,我觉得我回到滴滴可以把我多年在美国的科研积累应用到实践当中去,然后对实践产生很好的影响。

所以这是我回来最主要的原因。

赛文交通网:滴滴的数据为什么能帮助到互联网+信号优化?

刘向宏:其实信号优化的核心应该是信号评估,如果我们能连续地对信号的状态作出评估,其实我们就可以对它做出优化。

我们有大量的车辆轨迹数据,所以对单个交叉路口来讲,可以对其延误时间和排队长度都作出很好的判断,那这些其实就是信号优化的基础。

我想强调的另外一点是连续地做出数据采集的能力,我们能连续地采集数据、连续地对效果做出评估,对每一次调整做出评估,所以这也就使得我们有了信号优化的一个依据。

在单个交叉路口可以评估每个方向的延误、排队长度,对于一条干道来讲,我们可以利用很多滴滴平台车的车辆轨迹,看到它的停车次数、在哪一个交叉路口停下了,这些都是我们去做干道优化或者干道协调的基础。

对一个区域来讲,我们也可以看出有哪些车是从哪一个方向来的、拥堵点在哪里,这些都是我们从点到线到面对于这些交叉路口的交通状态做出评估的依据。

只要我们有了这些交叉路口的状态评估,其实不难对它做出优化。

赛文交通网:目前互联网数据还要借助一些传统的数据,比如地磁的数据、卡口的数据,从技术上来说,未来有没有可能只有互联网数据就可以来做优化的工作?

刘向宏:我认为未来的交通控制是依据车联网,未来5年、10年、20年以后,当所有的车都联网以后,那这些车的状态就可以应用到交通控制当中,基于基础设施的一些传感器的依赖会降低,但是并不是说基于基础设施的传感器会不需要,我想未来也一定是多元数据的一个融合。

赛文交通网:互联网数据很重要的一个指标叫“渗透率”,大概意思就是每百辆车当中会有采集到多少量的数据,那么从技术的角度,有没有一个指标或者怎样描述什么样的渗透率是符合要求?

刘向宏:其实我觉得这应该是一个误解。对于信号优化来讲,渗透率不是问题,而样本量是问题,我们并不是追求高渗透率,而是要追求多的样本数。

我们目前做的信号优化主要还是固定配时的信号优化,固定配时的信号优化是依据一个稳定状态的流量作出判断、做出优化。当我们观察了很多车以后,其实就可以对稳定的交通状态作出评估,作出评估以后就可以做出优化。

对话刘向宏:滴滴智慧信号灯这一年

这是(上图)济南目前滴滴平台的车过去五分钟的车辆轨迹,这条路是济南的经十路,你可以看到车在上面跑,如果你打开看,每一个路口可以看到很多的车经过这些路口,其实通过这些车辆轨迹可以清楚的看到最大的排队长度和拥堵。

所以通过这些车辆轨迹就可以计算或者评估路口的运行状态,通过这些路口运行状态的评估也可以去思考如何调整这些优化参数。

所以不是渗透率的问题,而是样本量的问题。

声明: 本文系OFweek根据授权转载自其它媒体或授权刊载,目的在于信息传递,并不代表本站赞同其观点和对其真实性负责,如有新闻稿件和图片作品的内容、版权以及其它问题的,请联系我们。
侵权投诉

下载OFweek,一手掌握高科技全行业资讯

还不是OFweek会员,马上注册
反馈
打开