張立立，王 力

(北方工業(yè)大學(xué) 城市道路交通智能控制技術(shù)北京重點(diǎn)實(shí)驗(yàn)室，北京 100144)

0 引 言

作為理論與技術(shù)創(chuàng)新應(yīng)用的重要領(lǐng)域，城市智能交通長(zhǎng)期得到國內(nèi)外學(xué)者的重點(diǎn)關(guān)注，人工智能、云計(jì)算、大數(shù)據(jù)、網(wǎng)聯(lián)交通、自動(dòng)駕駛、智慧感知、邊緣計(jì)算等一大批理論與技術(shù)得以快速發(fā)展，尤其是人工智能已經(jīng)在交通狀態(tài)識(shí)別、交通流預(yù)測(cè)、交通數(shù)據(jù)分析、車牌識(shí)別、自動(dòng)駕駛與網(wǎng)聯(lián)交通中被廣泛使用，但關(guān)于人工智能在交通控制方面的研究進(jìn)展緩慢。因此，筆者就人工智能在城市智能交通領(lǐng)域的研究情況以表1中的條件對(duì)智能交通領(lǐng)域內(nèi)重要期刊近5年的研究成果進(jìn)行了檢索，共檢索文章316篇。

表1 國內(nèi)外期刊檢索條件Table 1 Search conditions of journals at home and abroad

分析并總結(jié)文獻(xiàn)檢索信息，結(jié)果表明：人工智能在城市智能交通領(lǐng)域中的研究主要集中在交通狀態(tài)估計(jì)、交通參數(shù)預(yù)測(cè)、圖像識(shí)別、車聯(lián)網(wǎng)與自動(dòng)駕駛、交通數(shù)據(jù)處理、交通系統(tǒng)與控制等6個(gè)方向，其中交通系統(tǒng)與控制的研究成果主要集中在英文期刊，如圖1～圖3。

圖1 國內(nèi)期刊檢索結(jié)果Fig. 1 Domestic journal search results

圖2 國內(nèi)博士論文檢索結(jié)果Fig. 2 Domestic doctoral thesis search results

圖3 國外期刊檢索結(jié)果Fig. 3 Foreign journal search results

針對(duì)檢索到的22篇有關(guān)人工智能在交通系統(tǒng)與控制研究方向應(yīng)用的文章進(jìn)一步分析，發(fā)現(xiàn)其中60%的文章關(guān)注于人工智能在宏觀交通系統(tǒng)管理方面的應(yīng)用，其余40%的文章則是在傳統(tǒng)交通理論和模型基礎(chǔ)上，利用人工智能算法實(shí)現(xiàn)信號(hào)控制決策，但該領(lǐng)域內(nèi)的持續(xù)性研究較少，究其原因可能包括以下4個(gè)基本問題：

1)傳統(tǒng)交通信號(hào)控制理論存在制約性

傳統(tǒng)交通信號(hào)控制體系的形成與當(dāng)時(shí)技術(shù)形態(tài)密不可分，包括電子計(jì)算機(jī)、控制器等的周期性運(yùn)行，其目標(biāo)為保障車輛通行安全[1]，其形成了以周期、綠信比、相位差的時(shí)間參數(shù)和相位、相序的空間參數(shù)為特征的交通控制理論。尤其是在歐美國家所制定的標(biāo)準(zhǔn)體系中，如NEMA-TS2等，已將其作為標(biāo)準(zhǔn)化定義運(yùn)用于交通控制軟、硬件邏輯設(shè)計(jì)中。雖然我國也制定了包括GB25280—2016等國家標(biāo)準(zhǔn)，但是目前行業(yè)內(nèi)的遵從度并不高。交通信號(hào)控制理論自建立至今，其基礎(chǔ)體系變化不大，其主要?jiǎng)?chuàng)新集中在優(yōu)化算法或控制方法上。然而，傳統(tǒng)交通信號(hào)控制理論體系未能匹配上人工智能在該領(lǐng)域的發(fā)展要求，其中最為關(guān)鍵的傳統(tǒng)交通控制理論中的相位相序的不變性成為最大的瓶頸?？梢哉f人工智能算法或其應(yīng)用領(lǐng)域的局限性與傳統(tǒng)交通信號(hào)控制的局限性的碰撞，在備受束縛的交通信號(hào)控制體系中，無法發(fā)揮其真正的能力。

2)支撐人工智能算法的計(jì)算能力、存儲(chǔ)能力和網(wǎng)絡(luò)能力的智能交通信號(hào)控制器有待研發(fā)

傳統(tǒng)交通信號(hào)控制器的研發(fā)和設(shè)計(jì)基于傳統(tǒng)的交通信號(hào)控制理論，目標(biāo)定位于執(zhí)行器，其并未考慮人工智能算法應(yīng)用時(shí)所需的計(jì)算能力、存儲(chǔ)能力和網(wǎng)絡(luò)能力等，因此限制了人工智能在交通控制領(lǐng)域的實(shí)際應(yīng)用。同時(shí)，面向未來的城市交通中物聯(lián)網(wǎng)、人聯(lián)網(wǎng)、車聯(lián)網(wǎng)等場(chǎng)景在算力、仿真、存儲(chǔ)、網(wǎng)絡(luò)、優(yōu)化等方方面的需求，交通信號(hào)控制器將以全新的形態(tài)成為邊緣計(jì)算、數(shù)據(jù)匯聚、網(wǎng)絡(luò)結(jié)合的城市關(guān)鍵節(jié)點(diǎn)。

3)傳統(tǒng)檢測(cè)數(shù)據(jù)無法全面有效表征受控交叉口交通狀態(tài)并作為人工智能算法訓(xùn)練輸入

傳統(tǒng)交通檢測(cè)數(shù)據(jù)(流量、占有率、排隊(duì)長(zhǎng)度等)能夠在單一方面有效刻畫當(dāng)前受控交叉口的交通狀態(tài)，但同時(shí)也忽略了交叉口其他方面的特征，其主要因?yàn)槟壳暗臄?shù)據(jù)多為加工后數(shù)據(jù)(第二、三手?jǐn)?shù)據(jù))，已經(jīng)在本質(zhì)上忽略了原始數(shù)據(jù)的豐富性和擴(kuò)展性。受控交叉口交通狀態(tài)的辨識(shí)應(yīng)滿足兩個(gè)條件：①當(dāng)前交通狀態(tài)應(yīng)包含控制策略做出最優(yōu)決策所需的全部信息，其為做出最優(yōu)決策的基礎(chǔ)；②沒有或僅存在少量冗余、非必須的信息，其主要影響人工智能算法的學(xué)習(xí)、訓(xùn)練和計(jì)算的時(shí)間。

4)基于實(shí)時(shí)數(shù)據(jù)驅(qū)動(dòng)的邊緣仿真系統(tǒng)有待研發(fā)

傳統(tǒng)交通仿真系統(tǒng)基于靜態(tài)、后驗(yàn)證性的設(shè)計(jì)理念，無法應(yīng)用于需要實(shí)時(shí)性演化驗(yàn)證的在線交通信號(hào)控制中。傳統(tǒng)仿真軟件如VISSIM，PARAMICS等仿真不夠真實(shí)，主要原因是參數(shù)標(biāo)定、模型標(biāo)定帶來的誤差過大且無法根本消除。由于仿真軟件產(chǎn)生的歷史時(shí)期和當(dāng)時(shí)技術(shù)條件的限制，無法獲得實(shí)時(shí)、高質(zhì)量的檢測(cè)數(shù)據(jù)，因此需要研究和設(shè)計(jì)跟馳模型、交通流模型等，模型的假設(shè)和約束進(jìn)一步削弱了仿真的真實(shí)性，但其確實(shí)促進(jìn)了城市交通領(lǐng)域研究的進(jìn)步，成為交通理論研究中重要的驗(yàn)證工具。未來需要利用實(shí)時(shí)檢測(cè)數(shù)據(jù)和歷史檢測(cè)數(shù)據(jù)自動(dòng)標(biāo)定參數(shù)，設(shè)計(jì)無模型的仿真驅(qū)動(dòng)內(nèi)核，才可能從根本上解決目前交通仿真的困境。

上述4個(gè)基本問題是構(gòu)建人工智能在城市智能交通控制領(lǐng)域理論與技術(shù)體系所需要著力解決的問題，筆者主要從邊緣計(jì)算、場(chǎng)景驅(qū)動(dòng)和交通控制資源化3個(gè)方面研究和設(shè)計(jì)新一代人工智能交通信號(hào)控制器的總體架構(gòu)。

1 新一代人工智能交通信號(hào)控制器總體架構(gòu)

2017年國務(wù)院發(fā)布《“十三五”國家科技創(chuàng)新規(guī)劃》，其中專欄9針對(duì)現(xiàn)代交通技術(shù)與裝備提出：“以提供高效、便捷、可持續(xù)交通為目標(biāo)，突破交通信息精準(zhǔn)感知與可靠交互、交通系統(tǒng)控制優(yōu)化、城市交通控制功能提升與設(shè)計(jì)問題，促進(jìn)交通運(yùn)輸業(yè)與相關(guān)產(chǎn)業(yè)的融合發(fā)展?！?/p>

未來城市交通控制應(yīng)主要?dú)v經(jīng)全人工駕駛交通控制、混合駕駛交通控制、全自動(dòng)駕駛交通控制3個(gè)階段。為此，在進(jìn)行智能交通信號(hào)控制器研究時(shí)，既要考慮面向全自動(dòng)駕駛交通控制中交通要素全連接情況，又要兼顧當(dāng)前全人工駕駛交通控制的傳統(tǒng)控制形態(tài)。筆者給出以邊緣計(jì)算為基礎(chǔ)、以場(chǎng)景驅(qū)動(dòng)為要求、以交通控制資源化為支撐、以人工智能為核心的新一代智能交通信號(hào)控制器總體架構(gòu)：首先，利用檢測(cè)資源實(shí)現(xiàn)場(chǎng)景驅(qū)動(dòng)并以此為系統(tǒng)感知；其次，以信號(hào)資源作為空間方案庫，以計(jì)算資源作為支撐實(shí)現(xiàn)基于人工智能的信號(hào)控制策略作為系統(tǒng)決策；最后，通過道路資源完成決策目標(biāo)作為系統(tǒng)的執(zhí)行，如圖4。

圖4 新一代人工智能交通信號(hào)控制器總體架構(gòu)Fig. 4 Overall architecture of a new generation of artificial intelligence traffic signal controller

1.1 邊緣計(jì)算架構(gòu)

邊緣計(jì)算定義為在靠近物或數(shù)據(jù)源頭的網(wǎng)絡(luò)邊緣側(cè)，融合網(wǎng)絡(luò)、計(jì)算、存儲(chǔ)、應(yīng)用核心功能的開發(fā)平臺(tái)，就近提供邊緣智能服務(wù)，滿足行業(yè)數(shù)字化在敏捷聯(lián)接、實(shí)時(shí)業(yè)務(wù)、數(shù)據(jù)優(yōu)化、應(yīng)用智能、安全與隱私保護(hù)等方面的關(guān)鍵需求[2-3]。邊緣計(jì)算是近年來伴隨著IOT(internet of things)技術(shù)成熟及智能設(shè)備大規(guī)模部署而產(chǎn)生的，其作用在于彌補(bǔ)以云計(jì)算模型為核心的集中式大數(shù)據(jù)處理關(guān)鍵技術(shù)不能滿足對(duì)邊緣設(shè)備所產(chǎn)生數(shù)據(jù)的高效處理，重點(diǎn)解決4個(gè)關(guān)鍵問題：①線性增長(zhǎng)的集中式云計(jì)算能力無法匹配爆炸式增長(zhǎng)的海量邊緣數(shù)據(jù)；②從網(wǎng)絡(luò)邊緣設(shè)備傳輸海量數(shù)據(jù)到云中心致使網(wǎng)絡(luò)傳輸帶寬的負(fù)載量急劇增加，造成較長(zhǎng)的網(wǎng)絡(luò)延遲；③網(wǎng)絡(luò)邊緣數(shù)據(jù)涉及個(gè)人隱私，使得隱私安全問題變得尤為突出；④有限電能的網(wǎng)絡(luò)邊緣設(shè)備傳輸數(shù)據(jù)到云中心消耗較大電能[4-7]。

智能交通控制器作為城市道路交通控制的關(guān)鍵節(jié)點(diǎn)設(shè)備，為交通控制提供檢測(cè)數(shù)據(jù)接入與處理、控制策略計(jì)算與執(zhí)行、網(wǎng)絡(luò)傳輸與協(xié)議轉(zhuǎn)換和數(shù)據(jù)存儲(chǔ)與數(shù)據(jù)安全等功能。但目前國內(nèi)外學(xué)者和企業(yè)在智能交通控制器研究和開發(fā)上的滯后，導(dǎo)致其難以滿足城市交通控制在實(shí)時(shí)性、計(jì)算力、網(wǎng)絡(luò)吞吐等方面日趨提高的要求。同時(shí)，人工智能在城市交通的關(guān)鍵節(jié)點(diǎn)控制中的應(yīng)用，也同樣面臨算力不足、存儲(chǔ)不夠等問題。邊緣計(jì)算在架構(gòu)設(shè)計(jì)上的優(yōu)勢(shì)正好契合當(dāng)前及未來城市交通控制與人工智能對(duì)智能控制器的要求。為此，筆者采用邊緣計(jì)算架構(gòu)設(shè)計(jì)新一代人工智能交通信號(hào)控制器。

如圖5，在煙花模型(firework)[8]的通用架構(gòu)上設(shè)計(jì)了交通煙花模型(T-firework)架構(gòu)，其主要包括煙模型管理器(firework manager)和煙花模型節(jié)點(diǎn)(firework node)兩部分。煙花節(jié)點(diǎn)將檢測(cè)數(shù)據(jù)、道路數(shù)據(jù)、執(zhí)行端數(shù)據(jù)、決策與算法、仿真等納入其中，可實(shí)現(xiàn)大數(shù)據(jù)實(shí)時(shí)分布式共享和處理，并使私有數(shù)據(jù)可在數(shù)據(jù)利益相關(guān)者的設(shè)備上處理以保障數(shù)據(jù)安全性。煙花模型通過創(chuàng)建虛擬的共享數(shù)據(jù)視圖，融合了物理分布上的各類數(shù)據(jù)源，而數(shù)據(jù)利益相關(guān)者(煙花模型節(jié)點(diǎn))為終端用戶提供一組預(yù)定義的功能接口以便用戶訪問[6]。

圖5 T-煙花模型Fig. 5 T-Firework model

1.2 場(chǎng)景驅(qū)動(dòng)架構(gòu)

傳統(tǒng)交叉口控制策略的實(shí)施一般將普通控制(欠飽和、飽和)與特殊控制(公交優(yōu)先、有軌電車、應(yīng)急救援等)分開考慮。針對(duì)普通控制利用交通狀態(tài)判別可以實(shí)施飽和控制或欠飽和控制；特殊控制基于部署的特殊檢測(cè)手段實(shí)施有針對(duì)性的檢測(cè)和控制。但在同一時(shí)空下分割的控制方法，未能充分考慮具有關(guān)聯(lián)性的實(shí)際交通需求的構(gòu)成，難以反映受控交叉口的多層次交通狀態(tài)。因此，有必要提出一種能夠統(tǒng)一表征多維度交通需求與控制策略之間映射關(guān)系的方法。

交通場(chǎng)景定義為交通需求到交通控制策略的映射，是實(shí)施經(jīng)精準(zhǔn)控制策略的先決條件，如圖6。

圖6 場(chǎng)景驅(qū)動(dòng)的定義Fig. 6 Definition of scene driven

考慮采用五元組的形式描述交通場(chǎng)景，如式(1)：

S=(R,M,P,B,O)

(1)

式中：R為原始數(shù)據(jù)的集合，具體有瞬時(shí)速度、加速度、坐標(biāo)、軌跡、ID等；M為原始數(shù)據(jù)到交叉口連接路段的映射，描述為離散交通狀態(tài)編碼；P為利用原始數(shù)據(jù)加工所得的指標(biāo)數(shù)據(jù)；B為基礎(chǔ)層場(chǎng)景，包括交叉口過飽和與欠飽和兩種狀態(tài)；O為疊加層場(chǎng)景，包括溢流、公交優(yōu)先、有軌優(yōu)先、應(yīng)急救援等非常發(fā)性交通需求引起的場(chǎng)景，如圖7。

傳統(tǒng)檢測(cè)數(shù)據(jù)多加工數(shù)據(jù)，難以有效支撐上述方法，因此筆者所提方法采用新型檢測(cè)手段，如廣域雷達(dá)、車聯(lián)網(wǎng)等能夠提供R所需數(shù)據(jù)形式的檢測(cè)方式。

圖7 交通場(chǎng)景分層結(jié)構(gòu)Fig. 7 Traffic scene hierarchy

1.3 交通控制資源化架構(gòu)

交通控制資源化定義為將交通控制中的各類要素進(jìn)行資源化，并以資源的形式重新組合與使用。交通控制資源化的結(jié)果是可以將城市交通控制描述為一類存在不確定性時(shí)最優(yōu)動(dòng)態(tài)資源分配的科學(xué)問題[9]并加以分析，且可以充分利用控制科學(xué)、人工智能科學(xué)中的已有方法作為有力工具進(jìn)行研究。交通控制資源的類型如表2。

表2 交通控制資源Table 2 Traffic control resource

由表2可知，交通控制資源化帶來如下變化：

1)信號(hào)資源化和道路資源化通過影響交通流實(shí)現(xiàn)供-需的改變，進(jìn)而影響路網(wǎng)的O-D路徑。

2)檢測(cè)資源化突破傳統(tǒng)檢測(cè)參數(shù)不能充分有效表征受控交叉口場(chǎng)景特性的問題，其立足人工智能的感知、辨識(shí)等方法，提出了有效參數(shù)映射至場(chǎng)景的方法。

3)計(jì)算資源化為人工智能的應(yīng)用解決了算力問題、存儲(chǔ)問題；檢測(cè)資源化解決了其感知應(yīng)用的問題；信號(hào)與道路資源化解決了其決策應(yīng)用的問題。

設(shè)計(jì)交通控制資源化架構(gòu)時(shí)，考慮到在實(shí)際應(yīng)用中對(duì)傳統(tǒng)交通信號(hào)控制體系兼容性的問題，提出了平行架構(gòu)設(shè)計(jì)方案，如圖8。在平行架構(gòu)中，針對(duì)具有共性特征的檢測(cè)部分和信號(hào)基礎(chǔ)部分建立連通：首先由于resourcing architecture采用了檢測(cè)數(shù)據(jù)的原始數(shù)據(jù)(raw data)作為輸入數(shù)據(jù)，因此可利用原始數(shù)據(jù)加工得到traditional architecture中所需的統(tǒng)計(jì)數(shù)據(jù)(processed data)，如流量、占有率、區(qū)域平均車速等；其次，traditional architecture中的信號(hào)基礎(chǔ)(相位、相序、周期、綠信比、相位差等)包含于resourcing architecture中，設(shè)計(jì)時(shí)考慮其為一類具有特殊性的信號(hào)基礎(chǔ)。

為保障車輛通行安全，信號(hào)基礎(chǔ)部分設(shè)計(jì)時(shí)遵循交通沖突理論和最小相位時(shí)間要求。

圖8 平行架構(gòu)Fig. 8 Parallel architecture

2 新一代人工智能交通信號(hào)控制器軟硬件架構(gòu)

在總體架構(gòu)基礎(chǔ)上，設(shè)計(jì)了智能網(wǎng)關(guān)和算力平臺(tái)。其中智能網(wǎng)關(guān)主要考慮多類型、不同協(xié)議的外設(shè)接入要求，提供協(xié)議匯聚與標(biāo)準(zhǔn)轉(zhuǎn)換功能；算力平臺(tái)主要包括控制器硬件結(jié)構(gòu)、控制策略框架和實(shí)時(shí)仿真，提供人工智能算法實(shí)現(xiàn)的基礎(chǔ)條件。

2.1 智能網(wǎng)關(guān)設(shè)計(jì)

智能網(wǎng)關(guān)不但為提供交通信號(hào)控制器提供強(qiáng)大的網(wǎng)絡(luò)吞吐能力，還提供多種檢測(cè)、控制等設(shè)備的接入?yún)f(xié)議匯聚和標(biāo)準(zhǔn)轉(zhuǎn)換功能，如圖9、圖10。其中：為保證網(wǎng)絡(luò)聯(lián)接需要滿足傳輸時(shí)間確定性和數(shù)據(jù)完整性，采用IEEE制定的針對(duì)實(shí)時(shí)優(yōu)先級(jí)、時(shí)鐘等關(guān)鍵服務(wù)定義的統(tǒng)一技術(shù)標(biāo)準(zhǔn)TSN(time-sensitive networking)[2-3]；當(dāng)前國內(nèi)交通領(lǐng)域的檢測(cè)及控制設(shè)備的接口及協(xié)議不統(tǒng)一等問題為設(shè)備接入、數(shù)據(jù)使用帶來很大困難，為此使用SDN(software-defined networking)[2-3]設(shè)計(jì)，將網(wǎng)絡(luò)的控制平面與數(shù)據(jù)轉(zhuǎn)發(fā)平面進(jìn)行分離，實(shí)現(xiàn)多非標(biāo)準(zhǔn)協(xié)議的匯聚及轉(zhuǎn)換的可編程化控制。

智能網(wǎng)關(guān)不但為交通信號(hào)控制器提供強(qiáng)大的網(wǎng)絡(luò)吞吐能力，還提供多種檢測(cè)、控制等設(shè)備的接入?yún)f(xié)議匯聚和標(biāo)準(zhǔn)轉(zhuǎn)換功能，如圖9、圖10。智能網(wǎng)關(guān)是設(shè)備連接和數(shù)據(jù)交換的核心，包含4層結(jié)構(gòu)，如圖9。考慮到當(dāng)前交通控制器通訊協(xié)議的非標(biāo)準(zhǔn)現(xiàn)狀，還設(shè)計(jì)了多種協(xié)議匯聚與標(biāo)準(zhǔn)轉(zhuǎn)換的接口，如圖10。

圖9 智能網(wǎng)關(guān)結(jié)構(gòu)Fig. 9 Intelligent gateway architecture

圖10 協(xié)議接口匯聚及轉(zhuǎn)換Fig. 10 Protocol interface convergence and conversion

2.2 算力平臺(tái)設(shè)計(jì)

2.2.1 智能交通信號(hào)控制器硬件結(jié)構(gòu)

智能交通信號(hào)控制器平臺(tái)依托Xilinx的Zynq?-7000解決方案實(shí)現(xiàn)，其特點(diǎn)在于搭載一顆xc7z030Soc FPGA芯片，片內(nèi)由主頻為1 GHz的雙核ARM Cortex-A9 MPCore處理器與FPGA共同構(gòu)成，兩種架構(gòu)的芯片相對(duì)獨(dú)立，便于片內(nèi)資源的調(diào)度和使用。其中，F(xiàn)PGA部分提供的BRAM、DSP、FF及LUT等資源數(shù)據(jù)量分別為9.3 Mb、400個(gè)、157 200個(gè)及78 600條的規(guī)模[10]，能夠滿足邊緣計(jì)算中對(duì)并行計(jì)算能力的要求。同時(shí)，ARM處理器的引入提升了軟件定義控制策略的能力。智能交通信號(hào)控制器軟件基于DM2016分布式計(jì)算平臺(tái)設(shè)計(jì)，部署在定向裁剪的Linux操作系統(tǒng)上，使其具有良好的可靠性和擴(kuò)展性，如圖11。其特點(diǎn)還包括以下4點(diǎn)：①高性能的FPGA芯片提供并行計(jì)算和萬級(jí)門電路規(guī)模，可支持多種擴(kuò)展需求；②提供算法硬件化能力，通過FPGA門電路實(shí)現(xiàn)控制邏輯和算法，提高算法執(zhí)行能力和穩(wěn)定性；③通過高性能的內(nèi)核ARM處理器和Linux操作系統(tǒng)，實(shí)現(xiàn)對(duì)控制邏輯的擴(kuò)展和提供可編程API接口；④通過有效封裝的驅(qū)動(dòng)層，可提供數(shù)據(jù)驅(qū)動(dòng)、計(jì)算驅(qū)動(dòng)、控制驅(qū)動(dòng)和網(wǎng)絡(luò)驅(qū)動(dòng)等能力。

圖11 智能信號(hào)控制器硬件結(jié)構(gòu)Fig. 11 Intelligent signal controller hardware structure

2.2.2 控制策略框架

為支撐場(chǎng)景驅(qū)動(dòng)和交通控制資源化的要求，在設(shè)計(jì)智能交通信號(hào)控制器控制策略組成時(shí)，采用SD(scene driven，software definitions——“場(chǎng)景驅(qū)動(dòng)，軟件定義”)控制策略數(shù)據(jù)流框架，如圖12。通過智能網(wǎng)關(guān)中協(xié)議接口匯聚及轉(zhuǎn)換，將輸入輸出數(shù)據(jù)與控制策略分離，實(shí)現(xiàn)針對(duì)任何交通場(chǎng)景的抽象和構(gòu)建；再通過虛擬化代理驅(qū)動(dòng)引擎和標(biāo)準(zhǔn)的編程模板，完成對(duì)所需任務(wù)控制邏輯的快速開發(fā)。

圖12 SD控制策略數(shù)據(jù)流Fig. 12 Data flow of control strategy based on SD structure

2.2.3 實(shí)時(shí)仿真設(shè)計(jì)

以歷史數(shù)據(jù)為基礎(chǔ)，實(shí)時(shí)數(shù)據(jù)為輸入的數(shù)據(jù)驅(qū)動(dòng)實(shí)時(shí)仿真是人工智能在城市交通控制中應(yīng)用的必要基礎(chǔ)。其設(shè)計(jì)的基礎(chǔ)考慮到仿真參數(shù)的標(biāo)定及實(shí)時(shí)性問題，提供了自適應(yīng)參數(shù)快速標(biāo)定和無模型驅(qū)動(dòng)方式，并且通過邊緣計(jì)算提供的算力為多類型控制策略提供實(shí)時(shí)仿真和演化仿真。其中，自適應(yīng)參數(shù)標(biāo)定體現(xiàn)在利用圖6提供的檢測(cè)資源形式和檢測(cè)器類型，可以標(biāo)定包括車道、路寬等靜態(tài)參數(shù)和車速分布、車頭時(shí)距、車型分布等動(dòng)態(tài)參數(shù)；并且其交通流特性和跟馳特性基于歷史檢測(cè)數(shù)據(jù)累積，實(shí)時(shí)檢測(cè)數(shù)據(jù)修正得到。實(shí)時(shí)仿真功能結(jié)構(gòu)如圖13。

圖13 實(shí)時(shí)仿真功能結(jié)構(gòu)設(shè)計(jì)Fig. 13 Design of real-time simulation function structure

3 新一代人工智能交通信號(hào)控制器進(jìn)一步應(yīng)著力解決的問題

3.1 實(shí)時(shí)故障診斷與預(yù)測(cè)性維護(hù)

智能交通控制器運(yùn)行的可靠性是城市交通控制與管理充分發(fā)揮作用的保障。目前國內(nèi)外的運(yùn)維多采用人工巡檢、故障被動(dòng)上報(bào)等手段，存在故障診斷的滯后性和高維護(hù)成本等問題。因此，考慮在邊緣計(jì)算架構(gòu)的硬件層、通訊層、數(shù)據(jù)層等均設(shè)計(jì)異常發(fā)現(xiàn)探針，對(duì)設(shè)備的全生命周期進(jìn)行監(jiān)測(cè)并對(duì)數(shù)據(jù)異常實(shí)現(xiàn)告警處置。其采用邊緣與云協(xié)同的運(yùn)維方式，通過本地的邊緣計(jì)算融合網(wǎng)關(guān)提供數(shù)據(jù)分析能力，第一時(shí)間發(fā)現(xiàn)設(shè)備潛在故障，同時(shí)提供本地存活，一旦與云端聯(lián)接故障，數(shù)據(jù)可以本地保存，聯(lián)接恢復(fù)后，本地收斂數(shù)據(jù)自動(dòng)同步到云端，確保云端對(duì)所有設(shè)備的完整視圖。同時(shí)預(yù)測(cè)性維護(hù)還可以減少維護(hù)工作量，降低維護(hù)人員勞動(dòng)強(qiáng)度；提高設(shè)備的可靠性，延長(zhǎng)設(shè)備的使用壽命；提高設(shè)備的利用率，減少維修費(fèi)用，從而降低維護(hù)成本[1]。

3.2 交通數(shù)據(jù)安全與防護(hù)

智能交通信號(hào)控制是連接交通參與者的重要城市道路交通關(guān)鍵節(jié)點(diǎn)設(shè)備，其不但承擔(dān)控制策略的執(zhí)行，同時(shí)也實(shí)時(shí)獲取和傳輸各類型交通信息。在網(wǎng)聯(lián)交通的背景下，以其為關(guān)鍵節(jié)點(diǎn)的輸入輸出數(shù)據(jù)安全必須予以重視。以信號(hào)控制器為攻擊主體，可分為4類(圖14)：①信號(hào)控制器作為主體直接被攻擊(不通過其他擴(kuò)展設(shè)備)；②擴(kuò)展設(shè)備為跳板，攻擊信號(hào)控制器(檢測(cè)器)；③外接設(shè)備為跳板，攻擊信號(hào)控制器(車聯(lián)網(wǎng)-信號(hào)控制器)；④信號(hào)控制器為跳板，攻擊外接設(shè)備(信號(hào)控制器-車聯(lián)網(wǎng))。為此，設(shè)計(jì)信號(hào)控制器時(shí)需充分考慮數(shù)據(jù)安全形態(tài)與軟硬件架構(gòu)，有效起到防護(hù)作用。

圖14 交通數(shù)據(jù)安全應(yīng)用場(chǎng)景分類Fig. 14 Classification of traffic data security application scenario

3.3 基于人工智能的感知與決策算法庫

邊緣計(jì)算、場(chǎng)景驅(qū)動(dòng)和交通控制資源化是人工智能與城市交通控制結(jié)合的基礎(chǔ)?？紤]到城市交通控制涵蓋感知、決策、執(zhí)行3個(gè)層面，因此需要研究基于監(jiān)督學(xué)習(xí)算法的場(chǎng)景感知、基于無監(jiān)督學(xué)習(xí)的交叉口空間方案選擇、基于深度強(qiáng)化學(xué)習(xí)的信號(hào)控制策略和考慮“人在回路”的交叉口混合增強(qiáng)智能控制決策方法等系列問題，建立基于人工智能的城市受控交叉口的感知與決策算法庫，滿足時(shí)變交通需求下具有高復(fù)雜性的交通控制要求。同時(shí)，利用FPGA的可編程邏輯門電路實(shí)現(xiàn)算法的硬件化，進(jìn)一步提升人工智能算法的訓(xùn)練和運(yùn)算速度，使其具備快速訓(xùn)練、實(shí)時(shí)仿真、精準(zhǔn)決策的能力。

4 結(jié) 語

面向滿足以人工智能為基礎(chǔ)的城市混合駕駛交通控制、全自動(dòng)駕駛交通控制、多元化公共交通控制、應(yīng)急救援交通控制等應(yīng)用需求，提出了基于邊緣計(jì)算、場(chǎng)景驅(qū)動(dòng)和交通控制資源化的新一代人工智能交通信號(hào)控制器的架構(gòu)和設(shè)計(jì)理念。通過所提的場(chǎng)景驅(qū)動(dòng)、交通控制資源化的全新概念，突破了傳統(tǒng)交通控制理論對(duì)人工智能應(yīng)用的制約，同時(shí)利用邊緣計(jì)算和SD的理論與技術(shù)設(shè)計(jì)的智能網(wǎng)關(guān)、算力平臺(tái)等又為人工智能算法的應(yīng)用提供了計(jì)算能力、仿真能力、通信能力和存儲(chǔ)能力，有效提高實(shí)現(xiàn)的可能性。下一步需要著力解決的理論與技術(shù)問題，在新一代人工智能交通信號(hào)控制器研究框架下被充分考慮。研究結(jié)果為人工智能在城市交通控制領(lǐng)域的應(yīng)用提供了基礎(chǔ)支撐和研究思路。