互聯(lián)網(wǎng)公司的優(yōu)勢(shì)在于擁有大量基于位置信息的交通數(shù)據(jù)，那么如何利用這些數(shù)據(jù)來做信號(hào)配時(shí)優(yōu)化呢？在2017年COTA年會(huì)的信號(hào)控制論壇上，滴滴孫偉力博士發(fā)表了《基于滴滴車輛運(yùn)行軌跡的信號(hào)配時(shí)優(yōu)化》主題演講。
孫偉力首先闡述了“檢測(cè)-評(píng)估-優(yōu)化-實(shí)施-再檢測(cè)”的閉環(huán)控制邏輯，然后利用滴滴大數(shù)據(jù)快速迭代的思想，分享滴滴智慧信號(hào)燈項(xiàng)目在濟(jì)南的落地實(shí)施優(yōu)化的案例。
以下根據(jù)會(huì)議演講內(nèi)容整理。
我主要講怎么用滴滴的軌跡數(shù)據(jù)對(duì)交通信號(hào)燈做優(yōu)化。
對(duì)交通工程師來講，最大的問題是數(shù)據(jù)從哪里來？有了數(shù)據(jù)之后，我們希望最終形成一個(gè)閉環(huán)系統(tǒng)。
首先從檢測(cè)開始，檢測(cè)數(shù)據(jù)可以來源固定檢測(cè)器，也可以是互聯(lián)網(wǎng)大數(shù)據(jù)；其次，要快速評(píng)估，評(píng)估延誤時(shí)間、停車速度等；第三，評(píng)估之后要進(jìn)行優(yōu)化模型；最后將配時(shí)方案下發(fā)。然后又重新采集、評(píng)估、優(yōu)化，最后形成信號(hào)控制閉環(huán)。
如果能夠通過我們的數(shù)據(jù)形成一個(gè)閉環(huán)，其實(shí)是能有效的彌補(bǔ)交警有限的精力，我們希望用自動(dòng)化的過程形成閉環(huán)來提供一個(gè)工具共同解決交通問題。
下面給大家分享幾個(gè)案例。
案例：經(jīng)十路
第一個(gè)是濟(jì)南經(jīng)十路，雙向十車道的主干道，當(dāng)時(shí)做的是六個(gè)路口。
在滴滴的優(yōu)化方案上線兩三周后，我們做了前后對(duì)比，看六個(gè)路口所有車的平均延誤時(shí)間，優(yōu)化后早晚高峰下降了10％左右，平峰期下降了6％左右。補(bǔ)充一點(diǎn)，經(jīng)十路的周期、相位相序等受現(xiàn)場(chǎng)條件限制很大，濟(jì)南交警在經(jīng)過了長時(shí)間摸索后形成了一些經(jīng)驗(yàn)，而我們?cè)谶@六個(gè)路口做的只是相位差調(diào)整。
大家都在關(guān)心滴滴、百度等互聯(lián)網(wǎng)公司到底能進(jìn)行多少數(shù)據(jù)處理，路上有多少車是滴滴的車。滴滴的車有等客狀態(tài)和載客狀態(tài)，等客狀態(tài)不清楚是因?yàn)榻煌ㄍＯ聛磉€是因?yàn)榈瓤屯Ｏ聛?，所以我們將等客狀態(tài)數(shù)據(jù)剔除。篩選后的滴滴車輛大概能占到3－7％的比例。
我們要用這些數(shù)據(jù)做的最簡單的事情是數(shù)車、統(tǒng)計(jì)過車數(shù)。除此之外，滴滴在擁有高精度的軌跡數(shù)據(jù)之后，我們能知道這輛車在交叉口的停留時(shí)間和位置。比如一輛車如果停在交叉口100米左右，那我們就知道它前面可能會(huì)停了十五輛車。所以，滴滴單輛車的軌跡數(shù)據(jù)不僅包含了自己的信息，還有一些信息能夠反映周邊的狀況。
當(dāng)我們有了很多數(shù)據(jù)的時(shí)候，用統(tǒng)計(jì)大數(shù)據(jù)的力量，能夠得到相對(duì)比較精準(zhǔn)的交通信息。所以我們?cè)谀玫奖葘?duì)數(shù)據(jù)做的第一件事情，是把每一個(gè)周期里面包括流量的數(shù)值和它在周期里面的相對(duì)位置做估計(jì)。我們估計(jì)的是平均值，但是如果這個(gè)模型能夠接近反映真實(shí)的情況，我們就能知道現(xiàn)場(chǎng)的交通狀況。
在目前的軌跡數(shù)據(jù)情況下，我們不可能做到實(shí)時(shí)，而是對(duì)每個(gè)交叉口的不同時(shí)間段做平均的估測(cè)。首先我們沒有做預(yù)測(cè)，第二不是每個(gè)周期重復(fù)的做流量估算。
我們將早上六點(diǎn)半到晚上七點(diǎn)，每半個(gè)小時(shí)平均流量的估計(jì)做對(duì)比，一天平均誤差能控制到8.6％左右。這個(gè)數(shù)據(jù)一開始是按照車聯(lián)網(wǎng)數(shù)據(jù)來做的，誤差也能控制在10％以下，這樣的誤差對(duì)交通控制其實(shí)已經(jīng)是高質(zhì)量的數(shù)據(jù)。
我們第一步要模型化，將滴滴幾個(gè)周期的比對(duì)數(shù)據(jù)形成原始圖，通過模型制作流量估計(jì)后做一個(gè)模型化的圖，可以看每個(gè)路段、路口的延誤時(shí)間，或者是最大的排隊(duì)長度，意味著我們的模型能夠比較準(zhǔn)確的反映真實(shí)狀況。
我們做的另一件事是時(shí)間段的劃分，時(shí)間段的劃分針對(duì)六個(gè)交叉口，采用東向西方向的直行延誤圖，每個(gè)圖的橫坐標(biāo)是從早上六點(diǎn)到晚上24點(diǎn)，縱坐標(biāo)是車輛延誤時(shí)間，能夠看到早高峰和晚高峰車輛延誤時(shí)間明顯高于平峰期。拿到交通圖之后，我們就可以通過聚類了解一天的時(shí)間段應(yīng)該劃分為幾個(gè)。
還有溢流的問題。因?yàn)槲覀冎皇钦{(diào)整了濟(jì)南的相位差，但是交通流還是很大，現(xiàn)場(chǎng)還是會(huì)堵，所以我們想能否通過相位差的調(diào)整盡量消除紅燈期間停在交叉口的車輛數(shù)。
我們統(tǒng)計(jì)了所有滴滴的車通過交叉口時(shí)，每千輛車有多少輛車在紅燈期間會(huì)停留在交叉口范圍，這個(gè)數(shù)字從原來50個(gè)、60個(gè)降到6個(gè)和13個(gè)。
溢流其實(shí)永遠(yuǎn)在交通流量非常大的情況下難以消除，但我們能做的就是盡量減少對(duì)交通路網(wǎng)的損害。
案例：緯十二路
第二個(gè)案例是在緯十二路，是濟(jì)南南北方向的一條干線，我們對(duì)這條路的相位差、綠信比、周期時(shí)長都做過一些調(diào)整。
優(yōu)化的效果，主路的延誤時(shí)間有明顯下降，但整個(gè)交叉口的延誤在晚高峰稍微增加了一點(diǎn)。原因很簡單，我們保持了最重要的交叉口的橫向相位差不變，但其他的道路因?yàn)橹饕紤]縱向，橫向的東西方向會(huì)受到一些影響。
在這個(gè)例子里面，我們其實(shí)還是關(guān)注南北方向交通的通行。因?yàn)檫@條路沒有這么堵，在早晚高峰的時(shí)候做綠波帶也是有可能的。做單向綠波帶其實(shí)是非常簡單的事情，協(xié)調(diào)的核心問題是雙向綠波帶問題。通常情況下，一個(gè)方向的綠波帶加大，另外一個(gè)方向的通行可能會(huì)受到影響。但如果出現(xiàn)一個(gè)方向到得早，另外一個(gè)方向到得晚的情況，我們可以通過調(diào)整相位差，讓兩個(gè)方向的協(xié)調(diào)都會(huì)改善。
最后講綠信比的優(yōu)化。
將一個(gè)交叉口的四個(gè)方向的左轉(zhuǎn)和直行分成八個(gè)相位，，按相位把軌跡數(shù)據(jù)分開，分別做延誤時(shí)間分布圖。同樣橫坐標(biāo)是時(shí)間、縱坐標(biāo)是車輛延誤，縱坐標(biāo)的范圍是從0－400秒。緯十二路的路口周期時(shí)長只有200秒，如果車輛的延誤時(shí)間超過了周期，那么這輛車就沒有能一次停車通過交叉口，而是需要多次停車后通過。如果這樣的車比例很多，那就意味著這個(gè)相位的綠燈時(shí)間可能不足。這個(gè)時(shí)候我們?cè)偃タ从袥]有和它競爭綠燈時(shí)間的相位是延誤時(shí)間很低、綠燈充足的，這能夠提示我們把綠燈時(shí)間在某個(gè)相位增加或稍微減一點(diǎn)來改善交叉口通行狀況。
此文章來源賽文交通網(wǎng)?。?！
