霹圖衛軟件科技（上海）有限公司（PTV）中國區總經理 姜靖

　　研究城市交通系統往往是圍繞四個方面展開，需求、基礎設施、交通工具或者說出行方式，以及ITS。核心的問題是解決人的問題，交通的復雜性和困難的地方是在跟人打交道。人的社會經濟特性對每一個交通環境都會產生影響，出了這些問題可以在同一個平臺進行就是交通模型。現在的交通模型不僅是傳統意義上的四階段法或者是微觀仿真，同時也是實時交通管理系統和智慧出行系統的計算核心。
　　這里就不針對需求和基礎設施展開討論，而是簡要的談談交通模型在智能交通系統方面的應用。
　　共享汽車和共享出行現在是全球業界討論的話題，包括國際交通論壇，國際交通論壇ITF是政府間的國際組織，它是有59個成員國，中國是成員國之一。ITF是全球唯一一個涵蓋全出行模式的國際組織，PTV是ITF企業合作董事會成員之一。
　　ITF開展了一項在里斯本關于共享出行的研究，首先做了這樣的假定，我們保留大運力的公交系統，其他所有的出行都是以共享出行的方式完成。最后的結果非常令人震驚，只需要5%的車輛就能滿足同數量的交通出行。在這樣的情況下，城市將不再為交通擁堵、停車、城市的空間問題而頭痛。這是一個極致的情況，個人認為可以朝著這個方向去努力，慢慢向這個方向去過渡。
　　PTV為MASS智慧出行打造了MASS加速計劃，MASS MODULE是針對運營規劃，為運營商提供決策支持，包括共享出行服務的車型，每種車型所需要的數量，服務水平比如乘客的等待時間，車輛的繞行力等等。如果已經有模型可以加MASS MODULE的模塊，這樣就可以將MASS和所有的出行方式進行整合的分析，這樣就可以分析他們之間相互的影響。政府也可以在同樣的平臺上，針對新的出行方式、新的出行工具，而展開的對于基礎設施改造研判的工作。
　　在明年底我們將推出PTV OPTMA，為運營商提供以模型為基礎的派車及運營服務，這是MASS MODELLER的案例。這個共享出行服務區域大概是50平方公里，出行的需求通過網絡來搜集一共有1378個上下乘客點，預約時間是1分鐘，最大的等待時間是15分鐘，最大繞行率是50%。在這個案例分析里面，我們選擇的是六座車，在把所有的需求導入模型之后，圖1是模型里面需求的空間分布，圖2是需求的時間分布，我們可以看到在晚上7點的時候有最高的出行需求。

圖1. 模型空間分布

圖2. 每小時交通需求數

　　這是模型的結果，這里我們對兩種方案做了一個比較，一種是車的數量是100輛車，另外一種方案是257輛車。我們可以看到257輛車可以滿足所有的服務，出行的需求，100輛能滿足75%的需求。在這個時候決策者做一個決定，我是否愿意多出157的投資來滿足25%的需求。

表1. 模型結果

圖3. 模型結果

　　在這個圖表上面我們可以看到橫坐標是車的數量，縱坐標是滿足需求的百分比，在150輛車的時候可以滿足90%出行的需求。下面這張圖橫坐標是在車里面平均乘客的數字，縱坐標是百分比。我們可以看到90%的情況下，車里面乘客的數字是4個人。我們剛才假設的條件是6座車，在這里決策者或者運營商是否可以做這樣的決定，我們不需要六座車，四座車就能滿足我運營的需求。
　　MASS CONTROLLER是幫助城市將車、人、基礎設施、控制系統緊密的結合，進行全局的需求分析、系統優化、實時控制，圖4列出了一個智能城市交通系統需要的組件。在實時控制方面PTV OPTMA可以幫助決策者對全路網當下和接下來發生的交通狀態進行分析、評定，并預先設定解決方案，比如交通誘導或紅綠燈的配時方案。

圖4. 實時的城市運營系統組件

　　OPTMA是模型應用的延伸，通過實時數據將離線模型轉化成實時模型，它同時是數據放大器，可以彌補數據采集的缺口，也就是不需要在全路網部所有路口采集的設備，只需要部分實時數據的輸入。在模型的基礎上，可以生成全網交通的流量，它同時也是數據中心，它包括需求數據、實時采集的數據、大數據、信號燈數據、公交數據等等，它更是一個決策支持的平臺，可以幫助我們實現自動化的智能交通控制系統。
　　這里對交通管理目標采用不同的方法做了一個比較，對于檢測數據的方法，它在數據很大的情況下可以對交通現狀進行評價，但不能做交通預測，也不能做方案比較和優化。由于數據量很大，可以做交通現狀的評價，但它對交通預測只限于常態的交通，對于易常的交通無法預測。因為機器學習學習不了還沒有發生過的事情，因為它不是在模型的平臺上，所以不可以做多方的比較和決策的支持。交通模型既可以做現狀的評價也可以做交通預測，也可以做方案遴選和決策的支持。
　　需要強調的是對交通狀況的研判不能只考慮速度，而是要同時考慮速度加上流量。在交通方向它可以整合不同的數據源，為用戶提供只需唯一的平臺來展示全路網的交通狀況，可以根據實時數據和交通模型來做交通的評定、月側。同時根據設定的KPI，在這個模型里面有很多的參數，不管是時間延誤、排隊的長度、速度、密度等等你可以自己去選擇。設定KPI來做不同方案比較，最后系統會幫助你來選擇最優的解決方案。
　　這是我們希望的結果減輕交通擁堵，減少尾氣排放，減少時間延誤和交通事故。在優化方面，在現有基礎設施基礎上我們對它進行優化。圖5所示為OPTMA功能系統的結構圖，它分離線和在線的兩個部分。離線部分是一個模型，而是以動態交通模型，包括路網的數據、OD數據還有路徑選擇的數據，還有交通策略。在這個基礎上模型可以對我交通網絡進行基礎的評價，在這個離線模型里面還包括公共交通網絡還有時刻表的信息，作為公交的實時在線控制基礎。

圖5. 組件式功能系統結構圖

　　在線的部分通過多元的數據以及實時路徑的數據可以生成路段的速度，再加上斷面的流量，在我們模型里面可以生成綜合交通的狀態，同時路網中發生交通事故，道路的施工等等交通的實踐也可以導入到模型里面來。這些事件也對我的交通狀態進行影響，我的模型是在在線的環境里面，不斷地對交通的狀態進行在線仿真。
　　在這樣的基礎之上，系統對交通狀態現狀進行評價并且可以做短期和中期的預測。系統有一個報警的模塊，也可以將信息發布到信息顯示牌，可以發送到網頁，可以預測巴士到站的信息。里面有一模塊可以做多出行形成計劃，同時也可以與第三方的平臺來做一個對接。還有一個很強大的功能，我們在同樣一個模型上面能生成PTV可以和這個系統對接，就可以做自適應紅綠燈配時方案。
　　維也納連續8年被評為生活品質最高的城市，PTV OPTMA是維也納智能交通系統的核心軟件。這是第三方做出效果的評價，它可以節省實踐50%，減少顆粒污染60%，減少二氧化碳排放量15%。
　　下面介紹一下OPTMA不同模塊的用戶界面，圖6為短期交通預測的界面，我們可以看到在紅色的地方發生了一起交通事故，每5分鐘有一個全路網交通模型的更新，并可以看道不同的時間節點上排隊增加和消散的過程。而且系統可以自動地檢測到事故并且發出報警，用戶可以自定義發出報警的門檻值，比如速度、流量密度和排隊長度等等，并且和可以第三方系統進行對接。

圖6. 短期交通預測界面

圖7. 監測和控制界面

圖8. 實時方案評定

　　在系統里可以預先設定好的，針對發生不同的交通狀況，采取不同交通管理的措施。交通管理者可以在菜單里選擇不同的措施，并生成不同的解決方案來近來比較。在這里可以設定不同的KPI，在這里有三個不同的方案，可以在同一個界面上選擇一個最優化的方案（如圖8）。
　　每天在短時間內我們的交通網絡可以發生非常多的交通事件，怎樣管理信息的發布，也是信息管理者需要重視的問題。OPTMA可以幫助交通管理者對不同的交通事件，對交通影響的程度進行排序，將最緊急、最重要的信息發表出去。同時，模型有每一條道路在當下和未來的流量速度，也就是說我們可以對每一條道路的交通狀況進行預警。
　　同時OPTMA可以預測巴士到站的時間（如圖9），并將公共交通和私人汽車交通的相互影響，在同樣的界面上顯示。在這里可以看到一輛巴士被困在車流里排隊的情況，同時我們可以看到排隊的長度和延誤的時間。可以生成全路網路口的紅綠燈配時方案，達到相關聯的信號燈控制。中央系統每5分鐘優化一次，特定的地點可以達到秒級優化，而且可以和公交優先信號燈來配合，對期望的效果進行調整。

圖9. 公交實時到站信息

　　還有一個特點是我們不需要太多的探測設備，比如說我們知道在路口需要做自適應的紅綠燈配時，我們需要不同方向交通的流量，一定要探測設備來探知交通的流量。我們不需要太多的探測設備，不要忘記我們智能交通系統里面有一個交通模型作為基礎，有一個全路網的交通流量。