中国人工智能学会

Chinese Association for Artificial Intelligence

返回CAAI官网 加入CAAI

CIIS 2017 演讲实录丨朱金清：基于滴滴轨迹大数据的智慧交通控制

发布时间：2017-10-25

10月12-13日，第七届中国智能产业高峰论坛在佛山开幕，在第二天的专题论坛上，滴滴智慧交通大数据首席工程师朱金清发表了主题为《基于滴滴轨迹大数据的智慧交通控制》的精彩演讲。 

11-1.jpg

朱金清

 滴滴智慧交通大数据首席工程师

以下是朱金清的演讲实录：    

尊敬的各位来宾，大家上午好。我是来自滴滴的朱金清，今天我带来的分享是基于滴滴轨迹大数据的智能交通控制。今天讲的主要是信号控制部分。 

信号控制分为四个部分。一是信号控制及优化的现状；二是滴滴交通大数据特点和应用方向；三是基于轨迹大数据做智能交通控制；四是案例分享。 

行业痛点：高成本低效率的信号灯调优流程、性能评估，还有配时优化。配时优化下发前，预估效果如何；确保有一定优化效果后，做方案下发；下发完后怎么看优化好坏，一般情况下做路测验证。做一个路口优化或者几个路口优化基本需要五天时间，同时传统的信号优化依赖于路口监测器数据，包括地磁等；一段路或者几个路口优化，现在优化方案，很少这周优化一下，下周再进行优化。我们怎么做优化的？我们的优化周期每天都有新的数据产品，甚至实时数据产生，实时知道路口交通状态如何，这个周期的配时是否合理，这些数据都可以拿到。交通大数据的特点，目前来看数据量非常大，应该说是全球最大的车联网，把所有车联在一起，车可以达到千万，我们日（峰值）定单超过2 000万，在全国400多个城市，每日路径规划请求超过90亿。从大数据我们可以看到，每天需要处理2 000万峰值定单量，70 TB每日定位轨迹数据，提供全国最实时的路况，大数据平台几千台的规模，人工智能做精准流量反推、路径规划等，还有网络安全方面的技术积累。同时我们的滴滴数据，可能跟传统的出租车上报数据，轨迹数据直接用计费业务，所以可能看到对数据采集频率和质量有非常高的要求，在计费期间，轨迹数据1~3秒上报一次，基本上可以完全模拟出到底从哪儿到哪儿，GPS数据与实际行驶路径匹配准确率达到100%。我们的实时性，从实时路况可以看到，每辆车路过，在这两分钟之内，我们会形成每条道路路况数据，刷新频率2分钟一次。我们的车辆现在可以覆盖专快车、顺风车、共享单车等。在我们APP上也接入OFO的数据。还有每天接到全国几万个交通事件报道，在我们平台上，司机很愿意用司机端产品，比如说每个路口经过时信号灯配置是否合理，我们上报事件是全国上报事件最多的。轨迹数据包括了OD数据，规划全路径的轨迹数据。我们与传统的导航数据不一样，这辆车开车过程中，是处于接单状态还是在旁边等顾客。如果在旁边等顾客，这时上报的轨迹数据我们会去掉；如果在导航时，有时中间有事停下来，但是其实根本不知道状态。我们里面有顺风车和拼车，在拼车过程中，如果我是带一个人，接下来要接第二个人，中间接人时轨迹数据我们会去掉，因为我们知道当时的状态是接人，会停在那儿，不代表真实路况。区域数据我们会在很多方法用这些轨迹，包括信号灯、潮汐车道，还有交通诱导、实时公交、一站式出行等。 

我们的优化逻辑，信息优化闭环，在政府那边拿到的卡口或者GIS数据，我们全部融合到信号灯优化平台里，会对每个路口进行评估。最后有时间大家可以看一下，每一个路口的时间排队等都在我们平台上可以实时看到。我们有自己的交通流模型，给每一个路口做新的优化，会产生新的配时方案，跟交管局合作实现路口下发。这个路口明天跑的过程中，每辆车跑过去都知道每一个路口拥堵情况如何，都可以实时知道这个路口配时好坏。不是每一个路口做完，一年或者好几个月不动。我们会在平台进行周级别优化。上线一周后，周末会出一个报告，结果怎样，效率提升多少，是否有多大优化空间，新的配时也会产生出来。比如逼近最佳配时了，就不会有新的配时入口方案出现。这么多辆车的轨迹怎么算配时？通过轨迹数据，不能马上得到最精准的流量数据，所以我们有一套算法。轨迹数据里右边的图是时空图，一辆车开过来，蓝色的车是滴滴的车，灰色是公共车辆，每一辆车停了多久都知道，停时就知道离路口距离有多远，所以可以大概预估前面还有多少辆车。通过这样的算法，不是通过现在一个周期的数据马上得到，我们会叠加一个星期或者两个星期的数据，会把早高峰时间段，配时一样，把这个轨迹全部叠加在一起，就可以算出每一个路口的流量。我们现在预估的流量，基本上能达到90%，误差率百分之八点几，不可能跟实际完全一样。由于大数据积累，滴滴开始到现在，所有滴滴轨迹数据都保留着（历史上任何时候的轨迹），这段时间叠加下来，都可以通过概率模型算出每一个入口的流量。有了这个流量后，后面就可以有交通模型。同时滴滴轨迹数据的优势有空间连续性，横轴是时间，纵轴是距离。每一条线信号灯，这个包括六个入口信号灯，绿灯时我们车会经过，所以会看到一辆车从上流通过；这就代表一辆车过来，在这个路口停了一下，在那个路口又直接过去。这是滴滴轨迹数据，本身就可以告诉你这辆车在哪一个路口停了，停了多久，我们基本上就能知道一些情况。 

我们会建立自己的交通模型，右边是仿真后的交通时空图，通过这个时空图调整后，在这个图上把每一个信号灯的绿灯时间往右挪一下，通过这个模型就可以知道有一个目标函数。我们现在一般最少延误，一流路口以一流控制的方式，有这样一个最优化模型，就能得到最佳配时。 

济南经十路缓解拥堵，在上线完后，拥堵下降10%。全国6个城市上线，平均延误降低10%，每周滴滴车主时间节省1900小时。截止到8月，若我们的车子在所有车里占5%的话，累计为所有车辆节约28万个小时。 

同时我们在全国各地跟各个交管局合作，这是我们从某个城市拿到卡口数据，每天几千万数据上传，我们会对它的数据进行融合。 

（视频播放略） 

这是对每一个路口的全程诊断，每一个路口的指标情况都可以进行在线实时查看。我们最终需要实现三个大功能，全程路口到底哪一些路口配时需要优化，提升空间多大；还有就是对它进行优化，告诉你哪一些路口配时需要调整成什么样子。我们最终希望这个产品给我们合作伙伴一起使用，包括信号优化厂商，或者交管局，或者交管局下面常驻的信号优化工程师。最终还有一部分，除了诊断、优化，还有就是评估，会告诉你这个路口优化完后，这个信息优化完后，提升空间多大，到底优化了多少。如果有兴趣使用这个平台的，可以下来进行沟通。 

我的汇报到此结束，谢谢大家！ 

（本报告根据速记整理）

CAAI原创 丨 作者朱金清
未经授权严禁转载及翻译
如需转载合作请向学会或本人申请
转发请注明转自中国人工智能学会