5月26日，信控中国俱乐部以“传统交通数据与互联网数据融合应用”为主题，组织俱乐部会员走进了武汉市公安局交通管理局进行交流。

武汉交管局早在2015年就开始与互联网公司就智能交通方向进行合作，目前与阿里巴巴、腾讯、百度、滴滴等互联网公司均达成了合作事宜。合作过程中，如何将传统交通数据与互联网数据进行应用结合一直是个重要命题，实际上这也是国内目前传统智能交通行业与互联网公司之间技术合作急需突破的难点。

武汉市公安局交通管理局副局长宋嵘及信号灯专班成员，包括信控中国俱乐部高级会员共27人参加了本次活动。

活动交流之前，武汉市交管局科技处信号灯专班黄传明首先带领大家参观了武汉市常青路范湖转盘和苗栗路，并现场演示了路口LED 可变车道。其中，范湖路的主要特点是信号控制与路口LED指示标志的结合使用。

在参观之时，一位环保卫士向小编透露，该路口原来是环岛，路口非常拥挤，交通事故频发，改造之后效果得到了很大的改善。

在武汉市公安局交通管理局现场，由宋局长带领，经过交管局专业人士的讲解，信控中国俱乐部成员对武汉市智能交通建设情况进行了基础了解。

活动交流时，武汉市交管局科技处信号灯专班何洋介绍了武汉市信号灯建设等情况。

武汉市全市信号灯共计2901处，其中，中心城区由交管局直管路口有1551个，1551个路口中区域控制共有1366个路口，占比88．07％。远城区共有1452个路口，区域控制路口仅有518个。

2015年与阿里巴巴的合作是基于阿里大数据和海信信号控制系统合作，提出的通过大数据来评价信号配时合理性，提供决策修正的一个功能模块，目前分为互联网评价和配时优化两个模块，每个模块里面又分路口和路段分析评价两部分，从失衡指数、进口速度、延误时间和路口流量来评判路口的信号灯放行情况。路段主要针对绿波协调路段，从旅行时间、平均速度和拥堵指数来评判。

2016年开始与滴滴合作，主要是通过由海信信号控制系统提供路口配时方案，其根据自身信号控制算法，选择不同优化方案后，得出新的配时方案反馈给海信信号控制系统下发后，再通过其浮动车数据评估路口延误，不断迭代直至生成最优方案。

2017年，在前几番探索的基础上，武汉市交管局与图盟科技合作，打造全市路口拥堵评价体系平台，通过互联网数据来评价路口的拥堵情况，主要通过交通拥堵指数、道路拥堵里程、路口溢出次数等来判断路口信号配时是否合理，是否需要调整信号配时甚至调整交通组织。

“对症下药”是前提

虽然目前很多城市拥有很多传统数据及互联网数据，但实际应用效果并不乐观。行业内都在谈融合，到底应该怎么融呢？

北方工业大学城市道路交通智能控制技术北京市重点实验室研究员张福生首先分析了不同的数据在不同的数据应用情况下的使用效果。具体情况如下图：

张福生还指出，目前大多数地方的融合要么是简单加权平均取，要么是哪个可用就用哪个，属于比较简单的融合。在互联网数据与传统数据融合上，应该首先了解各自数据特性与应用目标，从细分场景需求上去选择数据，数尽其用才是真的融合。

同时，张福生还提出了几点疑问供讨论：

数据准确的含义？

数据怎样融合？

控制对数据的要求到底是什么？

有了数据又怎样？

质量标准、应用需求标准？

清华大学副教授李瑞敏同样认为，正是因为行业有需求所以才关心数据融合，因此要谈数据融合首先要知道用这些数据的使用目的。

青岛海信网络科技股份有限公司城市交通事业部总经理马晓龙从信号控制系统研发的角度看问题，他认为融合分时间和空间维度，首先要了解对象、场景和问题。当各种数据融合以后，如何能使它得到更好的利用就涉及到场景的细分，当把场景细分的很清楚之后就可以得到更好的效果，而关于效果，还是希望得到互联网数据评价区域控制效果。

尴尬的“数据”

马晓龙表示，信号控制系统现在处于很尴尬的位置，不是需要什么数据而是有什么数据，先建设还是先设计是个大问题。

上海市城市建设设计研究总院智能交通所所长高翔认为在与互联网数据融合前，应当首先将传统检测器的在线率、完好率提上来，并用好这些检测器的数据。很多时候并非是缺少互联网数据，而是没有完好的传统检测器提供数据，或有了数据没有用好。我们要做的融合应当是在好的传统数据基础上的融合，而不是放任传统检测器在线率低、完好率低的现状，却光想着如何与新的互联网数据的融合。

并提出另外一个思考：当互联网数据进来之后，信号控制系统是否还要延用原有的算法模型，用传统数据和互联网数据模型融合之后仍旧生产一个断面的数据，再去用传统的模型做控制算法？还是可以用另外一套新的思路、基于全数据的新模型去解决控制问题？

此外，在与互联网数据融合时也不能忽略信号控制系统的制约，如果信号控制系统是封闭的，即使获得了各类数据而不能被信号控制系统所接受，不论数据融合是怎样的效果，都无法发挥作用。

广东振业优控科技股份有限公司CEO陈宁宁表示，信号优化工作开展过程中一直在尝试不同数据，如何融合是一个精细化的过程，因为存在时间和空间的不稳定性等，同一家数据在这条路口可以用不一定在其他路口可以用。

陈宁宁在做信号优化过程中，拿到一个数据首先问数据怎么来的，提倡互联网公司在给大数据的成果时至少要说明统计口径、统计方式和统计时段等基本统计规则，然后做信号优化服务时大概知道是否可用。信号优化服务对数据的要求不是多，也不是大，而是要针对性的反映问题。早晚高峰期间，遇到拥堵情况，5分钟之内就需要应急给出调整方案，这种场景下数据的作用显然就不如制高点视频效果更直接，更有效。

数据检验补充

滴滴出行孙伟力博士从互联网企业的角度认为做数据融合，对指标的相互校验最重要。

同时，孙伟力还从单点控制、干线协调控制、区域协调控制三种信号控制方式对固定点检测器与移动检测器可检测的控制效益评估指标进行了分析比较。

北京工业大学城市交通学院副教授于泉则从两个观点来说明融合问题。

第一，交通控制的定位是什么？城市很多的问题不仅是单纯依靠交通控制能解决的，整个城市是综合的交通管理。比如建设一栋楼，必然吸引大量的交通出行，城市停车场的管理、出入口设置等都间接影响了交通控制的效果。

第二，关于大数据。交通控制当中需要的数据不仅仅是路口的数据，相关的路段、出入口包括周边人口等都要利用。交通控制处于末端，前端有很多因素影响了交通控制效果。

交警目前的数据足够了，互联网数据是锦上添花。那么如何融合？于泉认为交通控制应该分两条腿走路，一条腿是利用好已有的传统数据，第二条腿就是互联网浮动车数据的补充。

最终融合从两个方面来看，一个是正确性，也就是说不同来源的数据反映的交通流规律相互符合，相互正确；一个是准确性，也就是说不同来源的数据精度都满足交通控制的要求，直白的说就是上传来的数据都和实际相差不大。

浙江浙大中控信息技术有限公司总工程师沈建惠表示，信号控制的主要目标是治堵缓堵，就像我们所说的不管黑猫白猫，能抓到老鼠就是好猫。但是我们现在有些时候猫还没有找到就探讨黑猫好，还是白猫好。目前治堵方面阶段性的工作有，但是它的效果不是持续的，因此会产生反弹效果，说明某些局部问题没有改善。

结语

会议同期，华中科技大学教授赵宪尧以“庖丁解牛”的思维对城市解决方案提供者与用户提出了不同的建议。武汉理工大学赵欣、李琳博士及连云港杰瑞电子有限公司智慧城市事业部部长项俊平、重庆攸亮科技股份有限公司总经理戴高、迈锐数据（北京）有限公司副总经理王冀川分别从自身经验发表了自己的看法。

最后，宋局长根据武汉市交警实战工作情况提出了目前所面临的一些难题同与会专家探讨。针对这些问题，专家们给出了建议。

主持人信控中国俱乐部高级会员王小刚以四句话对会议进行了总结：数据要融合补充，结论要交叉验证，时空要协同分析，方案要反馈优化。