一提到道路交通控制，信号控制，仍然是行业里重要的管控和优化手段之一。对于信号管控，当前行业现状如何？信号的管控需求有哪些？又该如何解决？典型的信控场景有哪些？未来的信控又会怎样？

    对于信号管控的行业现状。总体来说，有以下几点特征：

    第一，城市交通特征的差异决定了管控目标的轻重缓急。

    对于像北上广深这样的一线城市，工作日早晚高峰主干道拥堵，通行时间长，相信大家都深有体会，如何借助信号管控的力量去平衡路网交通资源，实现跨区域的动态协调是信控管理的重要目标；而二线城市由于基础交通标准化建设的过渡需求明显，建设标准化、规范化、智能化的交通信号设施设备更为当务之急；三四线城市交通管控由于缺乏专业指导，红绿灯设置明显不合理的情况较为普遍，因此提供智能化的合理优化方案刻不容缓。

    第二：国内外信控系统百家争鸣的局面，大大提升了信控管理的难度。

例如上海就是澳大利亚的SCATS系统与宝康等国产信号机并存，北京更是并存SCOOT、海信、ACTRA、TACA等多种信号机，行业里笑称“八国联军”。2020年赛文交通网信号机市场调研报告统计，全国使用2种品牌信号机的城市高达39%以上。

    带来的问题就是，不同品牌信号机和信控系统难以有效融合。如果统一管控的问题不能有效解决，那么信号优化控制其实也成了一句空话。

    因此，引申的行业现状的第三点就是：各大城市试图打通不同的信控系统，力图实现信号机的统一管控。

    2020年，赛文交通网对常州市、大连市、东莞市、佛山市、福州市、广州市等83座城市调研结果显示，已经有北京、大连、海口等27座城市建设了统一信控平台，占32.5%；有22座城市正在进行可行性论证，占26.5%，合计有59%的城市用户已经或者希望建设统一的信号管控平台。

    在实现手段上，大多数都是通过从信号机到信控平台再到中心平台的间接方式，来实现统一管控。

    如何实现求同存异的统一直接管控，在根本上实现协议统一，保留不同品牌信号机的特点；同时支持分层、分级控制，让信号机的共性与个性并存；未来还能支持车路协同场景的管控应用，是行业共同的探索和挑战方向。

    总结了行业现状，那么城市交通管理者的管控需求究竟是什么？又需要怎样的解决方案？

    现有的信号管控，实际上分为中心控制、路口控制两级。不管是系统中心的管理人员，还是路口控制的民警，核心诉求都是实现信控管理的智能化，在真正意义上为他们的日常工作减负。而智能化落地到实处，具体体现在四个方面：

    交通感知层面，数据来源的多元化；分析决策层面，场景方案的动态化；控制操作层面，信号管理的简单化；效果研判层面，判断标准的规范化。

    从传统行业和互联网行业的当前服务能力来看。传统行业具备专业的信号优化团队，但依赖人工配置，智能性不足，比如配时方案时段划分较为固定，主要来自管理经验；问题发现以依赖外界的交通反馈等；相比之下，互联网服务商主要提供了数据上云的服务，但是如何有效利用数据，实现数据赋能，当前仍然没有提出较为精细的信号场景管控方案。

    此外，在信号优化效果方面，缺乏标准化的方案评价和反馈机制，优化效果究竟是好是坏，缺乏定量判断标准。

    另一方面，由于现有的信号管控机制是中心到路口的集中式控制模式。系统架构层面的弊病也十分明显：比如中心系统过于庞大复杂，难于维护；响应速度有时延，效率低；当中心通讯中断的情况下，路口无法动态优化。

    针对这些问题，解决方案在系统架构层面，应该考虑将中心到路口的两级管控，升级成边端实时计算、路口全自动放行、中心远程控制的三级信号管控机制，有针对性地弥补现有集中式信号管控的不足。

    管控层面上，即使中心通讯中断，边缘智能管控设备仍然可以对信号机动态优化，根据路网实际流量，对路口信号灯进行相位插入、跳过，绿灯延长或提前结束等操作，同时由于数据传输是从路口到边端，大大提升管控效率，减少时延，能完成周期内对路口的信号干预。

    服务层面上，方案上应该实现数据全息化、管控智能化、以及场景精细化。在交通感知方面，支持雷达、摄像头等设备数据的统一接入、标准化处理，同时实现数据质量的自动判别和主动修复；控制操作方面，提供对跨品牌信号机统一管控的能力，包括国外以SCATS为代表的信号机，以及按最新国标《交通信号控制机与上位机间的数据通信协议》GBT 20999-2017协议对接的国产信号机；分析决策方面，需根据不同的信控场景，比如单个路口的优化、区域优化、交保路线、公交优先等场景，以目标导向，靶向治理。实现从问题的主动发现、到方案自动生成、动态优化、按场景提取定量化指标评价的闭环管理。

    那么对于这些不同的交管场景，对于信号管控的需求又有哪些不同呢？ 

首先是单个路口的智能管控，需实现根据路口上下游实时交通流量，动态干预路口各方向绿灯时长。比如，如果上游流量大，本路口的绿灯会提前结束，避免排队溢出；如果上游流量小，则绿灯提前开始，减少不必要的排队等候，将传统的单路口控制模式，升级成上下游路口的协调控制模式。

    在数据感应上，感知设备应融合视频、雷达等数据，解决现有信号机线圈感应精度低，数据质量差的问题；时段划分上，实现了按照路口流量自动划分时段，替代了人工划分固定时段的手动配置模式。 

    区域层面，应该实现动态子区划分，通过均衡时空资源分配，最终达到路网通行全局最优。在解决策略上，会包含区域主通道识别、子区动态划分、协调参数计算三大步骤。主通道识别的目的在于判断区域内的交通需求分布，根据有效的车辆轨迹判断出大流量路径。

    其次是根据路段、交叉口的供需矛盾和拥堵指数，识别出主通道中的瓶颈路口，进行瓶颈路口和协调路口的子区动态划分工作；最后则进行协调参数计算工作，给出信号绿信比、路口相位差等一整套配时方案。

    保障警卫车辆的畅通出行，智慧赋能路口信号控制，就是交保路线场景下我们的重要管控目标。在交保任务的执行过程中，我们了解到交管人员首先是要提前做好绿波保障方案，在警卫车辆的通行过程中，注意力需要十分集中，一方面需要人工跟踪车辆的视频路口位置，另一方面还要手动执行锁相位的操作，操作过程复杂、专业要求高。

    另外，为了保证任务的顺利执行，经常进行道路封闭管制，严重影响社会车辆的正常通行。

    对这些痛点，交保路线场景下对信控管理的需求有：在车辆识别上，需突破高低相机联动、摄像头预置位自动切换的技术，实现对警卫车辆的智能跟踪；信号干预上，利用人工智能算法，一方面优先保障警卫车辆在路口通行，另一方面在警卫车辆行驶过路口后，对牺牲的社会车辆通行时间进行自动补偿，最大化发挥信号管控的智能性。

    对公交车辆的信控管理上，希望实现公交优先场景。在项目的实际建设中，通过对公交车行程时间真实数据的采集和分析，我们发现公交车可调的行程时间比例，高达28~55%。这部分时间，主要来自行人过街的停车时间、路口红灯的等候时间、以及拥堵状态下的停车耗时。

    因此，通过对公交车的GPS精准定位，在公交车行驶到人行横道上游时，通过对人行横道的边缘管控设备发出请求，可以将对行人的过街请求进行延时处理，确保公交先行。

    同样地，当公交车行驶到路口时，通过边缘管控设备的智能联动，可以对路口信号灯进行延长、提前、插入的动态干预，大幅度减少公交车的停车耗时。

    不仅公交车需要优先行驶，救护车、消防车、工程抢险车辆的通行，更需要。虽然这些特殊车辆拥有一定的闯红灯特权，但是如果通行路段拥堵，也一样要排队等候。所以在信控策略上，也不太一样。

    一方面，特车先行场景通过一键录入特殊车辆的号牌、起终点等信息，快速创建临时紧急任务；同时支持按照目的地动态规划车辆行驶路径，主动避开拥堵路段。

    另一方面，在路口信号的管控策略上，需要同时计算车辆到达路口的时间，和路口当前的排队车辆清空时间，实现绿灯的提前或自动延长控制。

随着5G等通信技术的不断成熟，智能网联、车路协同等场景也逐渐走入了大众的视野。我想，车路协同场景应该是一套整合了无人驾驶技术、边缘管控技术、以及智能信号控制技术的综合应用解决方案。

    当前文一开始提到的，信号灯“求同存异”的统一直接管控技术不再是技术壁垒，真正意义上实现对信号机的分层和分级控制，最大程度的发挥信号机自身的功能优势，那么车车探测通信、车路实时通信、车灯感知通信的未来也一定即将到来。