郭仁忠:基于“双智”的智慧交通建设思考

本文关键词推荐标签
城市 智慧城市 规划 产业发展 交通 大数据 会议 智慧 1 公众号 创新 产业 空间 规范 城市治理 协同 方案 基础设施 评估 生态 道路 现代化 可持续 目标 调查 理论 平台 布局 数据 出行 大数据平台 协同发展 行为 研究 程度 探索 融合 模式 汽车

📝 规划笔记——推荐一则来自腾讯智慧交通微信公众号的文章:

去年3月份,住建部和工信部启动“双智”发展试点工作,随即又在5月份召开具体工作部署会议。会议指出,从产业发展的角度出发,智慧城市基础设施和智能网联汽车协同发展有利于探索汽车产业转型的新路径;从城市治理角度出发,又有利于探索城市建设转型的新路径;从社会角度出发,有利于探索整个社会发展转型的新路径。

从智慧城市基础设施和智能网联汽车之间关系来看,智能网联汽车主要是针对的是汽车产业的转型发展。但是,汽车产业的转型发展需要城市提供应用场景,也需要城市提供相关的环境来做支撑和测试,所以说汽车产业的转型实际上依赖于城市场景。

同时,智慧城市、城市治理现代化发展、城市交通拥堵问题治理等等,也需要汽车本身智能化的转型升级,这是相互成就的两个方面。在此逻辑之上,每个试点城市的终极目标应该首先瞄准交通问题。

目前,各大城市都有很多问题,比如环境问题、生态压力紧张,包括产业发展、老百姓的幸福指数等等,其中交通问题尤为突出。交通涉时间成本、碳排放,老百姓的幸福指数等各种社会成本,关系到城市的每一个人。但是究其根本,城市交通的主要问题始终是道路交通问题,即汽车问题。

“双智”发展主要着重于城市交通,尤其是城市路面交通。在城市路面交通方面,目前我国在智慧城市领域已经进行了许多研究和探索。例如基于GNSS和GIS的汽车导航,这虽然是智慧交通一个重要的路径,但它并不能根本解决城市拥堵问题。因为导航系统有时反而会增加城市的交通流量。例如通过人工智能技术实现智能化信号灯的管理、绿波管理,这些措施在一定程度上对城市交通流问题起到很大正面作用,但也都还没有真正从根本解决交通问题。

智慧城市基础设施和智能网联汽车的协同发展有可能给智慧交通发展带来一个根本性契机和重大的转型,也是一个机遇。究其原因是由于通过多年的研究,人们发现从各个角度来讲,许多交通问题仍旧存在。

第一是交通需求问题

由于现有数据模型大多无法精准预测城市的交通流量,导致交通需求不确定造成流量未知,致使交通无法进行主动管理,只能是被动应对。

第二是交通问题是个体之间的不合作

例如,车辆通过导航系统引导最后确导致形成羊群效应。目前,这类问题都还未得到良好的解决办法。

第三是交通信息不对称的问题

这是目前交通面临的主要问题,停车难就是这个问题中的一个显著现象。曾经有人说“找停车位浪费的时间阻碍了人类的进步”,理性上来说,该说法虽然略有夸张,但是确实有相关的调查显示有1/4的人认为找停车位在他们出行过程当中是最差的体验。

第四是车辆协同的难度大

举例说明,当信号灯绿灯启动的时候,车辆要逐次紧随向前行进,而实际上这样依次的启动非常浪费时间。据媒体报道,在 30秒的绿灯时间,日本东京大概能通过60辆车,国内城市能通过25辆车。从25辆到60辆,差距之大说明在同样的红绿灯、同样的路况条件下,交通治理高效可以使通行效率提高一倍。实际上,东京车辆的通行效率高原因在于,车辆在等待信号灯时通常保持4米距离,这样可以保证车辆在绿灯时可以同时启动,缩减车辆等待时间。而我国的情况则不然,这便造成了车辆间的协同问题。

“双智”背景下,智慧城市基础设施和智能网联汽车协同发展条件下,上述问题可得以解决。大概可以阐述为以下几类些应用场景。

首先是全面感知、集中调度

在导航行进过程中,虽然导航系统可以告知人们路网通行情况,向人们推荐最优路径,但是实际上每个驾驶员都会按照自己的偏好去选择路径。此外,不同导航系统都是根据实时数据来判断道路路况,其推荐路径会不断受外部干扰,这有可能造成导航实际实行下来并非最优方案。但是,在有了智慧城市基础设施和智能网联汽车以后,人们可以对整个城市的交通流进行全面的感知,形成中心化的集中调度方案,从全局角度出发对所有的车辆做相应的路径规划和相关交通流量全局的调配和优化,大大提高行车效率。

其次是车辆协同问题

通过智能网联汽车,车辆的协同能力会大幅度提升,反应速度会大幅提高。在绿灯时,即使车辆停靠相对较近,同样也可以同时启动,大幅度提升整体红绿灯路口的通行效率。

第三是提高车辆与道路间的协同关系

由于不同道路具有不同的通行能力,即使是相同的道路,在不同的时间也有不同路况,路面条件也不一样,所以应有不同限速。当出行低峰时,道路车辆较少,可以适当提高行车限速速度;当出行高峰时,即使限速实际上也无法提高行车通行率。有关实验表明,若把降低限速,如从40公里降到30公里,通行效率可能会更高。这说明做好限速动态调整,可以大大提升通行能力,而相关的实验也证明在车路协同的条件下,基于路况的可变限速是完全可能实现的。

第四是解决信息不对称问题

有了智慧城市基础设施以后,人们可以通过数字化平台将相关的停车资源在线表达出来。驾驶员可以在到某地方之前可以先预约停车位,减少停车找位时间,在总体上减少了出行时间,也减少了汽车通行的时间和距离,同时也节约道路资源。

沿此向下引申思考,预约车位是对停车位资源在既定时间段的使用,出行便是对道路资源在预计时间段的占用,所以无论是对停车位的占用还是道路资源的占用,本质上讲都是对城市交通资源的利用,而这种资源利用都都有一定的时间约束条件。如此,在双智发展的背景下,我们可以在总体上将城市交通需求从不确定变为确定,从而将交通治理从被动应对变为主动管理,改变交通管理方式,也改变人们的交通行为规范。

基于全面感知系统,有可能对整个城市交通资源、交通路网,甚至城市空间布局进行优化。因为通过全面感知网络,人们可以知道每一条道路资源状况,及时了解道路拥挤程度,从而对网络资源进行评估诊断和优化,灵活调整出行方案,这是从应用场景反馈到城市功能布局和城市路网资源、结构优化的问题,是双智和城市功能的互馈迭代。

基于“双智”发展智慧交通的基本逻辑应该是:首先,基础设施层面进行设施智能化升级改造、建立交通感知网络,使交通设施能够进行自动感知、在线控制和远程响应;其次,在此基础上,构建交通大数据平台,并进行相关数据融合和集成;最后,进行具体的场景构建,以及实际应用系统的开发。

多年来,智慧交通的探索总体来讲呈现点上突破,单兵推进的特征,智慧城市基础设施与智能网联汽车协同发展为其提供了一个全面创新的条件,我们要寻求相关理论体系创新和行为范式的重构。目前,现有的交通理论已经十分完善,但它是基于传统的交通条件和模式逐步构建的,而在智慧城市基础设施和智能网联汽车条件下,交通治理模型将发生根本性改变,理论层面也需要全面创新。

“双智”协同发展是一个非常有效、及时的的决策,相关应用场景需要共同挖掘。相信通过这样一个创新的机遇,智慧交通也将带来全新的发展。

郭仁忠:为了实现城市发展可持续和人民群众有感知,“双智”的推进应该从哪里切入?

关于基础设施与应用场景之间的关系问题,理想状态是先把路修好,做到基础设施先行。但是对于“双智”应用来讲,情况则不然。这是因为“双智”无论从智能化基础设施,还是从智能网联汽车角度理解,都是一个不断探索的过程。它的技术、应用模式、规章制度、标准规范,都是要不断探索、不断摸索、不断迭代,逐步成熟的。

在此逻辑上讲,我们不可能把所有基础设施都先规划好再去做场景应用,因为时间成本太高。创新要眼光长远,要做到基础设施和相关应用场景协同发展、相互成就。有什么样的基础设施,就可以逐步配套构建什么样的配套应用场景。

比如智能网联汽车,面向智能驾驶,目前可能只是一个远景蓝图。但是凭借智能网联汽车现金的发展,完全有可能在一些应用场景上做的更好。比如通过智能网联汽车,可以实现车与车之间的协同感知,减少汽车发生交通事故以及相互之间的擦碰;也能够协调车子之间的动作,实现车辆共同启动,提高协调性。实际上,这些场景比智能驾驶要容易的多,对车辆本身的改造成本也不高,也许只是一个雷达和一个感知系统就能实现。

整个“双智”系统发展过程是一个相互交叉、迭代、融合、协同发展不断推进的过程。我们不能把技术建好然后再进行开发应用,也不能完全没有相关规划。发展“双智”要有一个总体的部署,要根据每个城市的情况制定规划,让各个城市要根据实际情况,根据政府的经济发展能力,制定出切实可行、能够协同发展、同步发展、相互成就、迭代前进的计划。

来源:腾讯智慧交通微信公众号


本文为笔记导读,可点击本链接,至原文查看全文内容

您现在看到的是 Upnews (规划头条)博客文章,点击查看原文链接 >>>
本站作为自然资源与规划行业博客网站,仅记录与自然资源与规划行业相关信息,方便大家查询阅读
END
本站无留言讨论功能。交流讨论,欢迎加入国匠城知识星球APP。知识星球为学习型付费社群。在各大应用商店搜索“知识星球”即可下载安装。微信扫码加入。
城市规划学社
每日分享,每周专题
专题PPT,交流社群
城市数据学社
数据新闻,数据申请
数据教程,交流社群
规划管理交流
规划管理,经验交流
仅限规划管理工作人员加入
小编工具:无版权免费可商用图片搜索 规划行业搜索聚合
规划搜索
规划云-规划行业搜索
规划搜索,规划知识图谱

如有版权问题请联系 13132097@qq.com:规划头条 » 郭仁忠:基于“双智”的智慧交通建设思考


规划云首页
规划行业搜索引擎 多风格地图底图 mapv POI查询工具 getxy 在线协作工具 意向图片搜索 线稿自动上色 断面绘制工具 词频统计工具 style fenxitupeise upnews 国匠城 data