银江智慧交通研究院副院长徐甲：HI@AI的城市全域交通信号服务

雷锋网 (公众号：雷锋网) 按： 7月12日-7月14日，2019第四届全球人工智能与机器人峰会（CCF-GAIR 2019）于深圳正式召开。峰会由中国计算机学会（CCF）主办，雷锋网、香港中文大学（深圳）承办，深圳市人工智能与机器人研究院协办，得到了深圳市政府的大力指导，是国内人工智能和机器人学术界、工业界及投资界三大领域的顶级交流博览盛会，旨在打造国内人工智能领域极具实力的跨界交流合作平台。

智慧交通是智慧城市较为成熟的场景之一，并且已经得到规模化推广，在2019第四届全球人工智能与机器人峰会上举办的智慧城市论坛上，银江智慧交通研究院副院长徐甲发表了题为《HI@AI的城市全域交通信号服务》的主题演讲。

HI即人的智能，HI@AI意为专家的智能基于人工智能，在银江股份的城市全域交通信号服务中，人工智能是一个工具化和辅助的定位，徐甲主要从人和机如何耦合的视角来阐述智慧交通的落地。

从2016年到2018年杭州摆脱了“全国最拥堵城市top10”，城市交通情况大为好转。有个直观的数据是，救护车到达现场的时间缩短一半，这背后就有银江的功劳。

银江交通大数据管理平台采用数据中台技术技术，进行了性能优化和易用性开发。传统研发人员不需要了解平台架构，就能够在平台上进行开发，大大节省了时间。在不断的实践过程中，银江股份逐渐沉淀出包括交通超能计算平台、AI全域信号优化平台、AI全域仿真平台、AI情指勤督平台等系列城市交通平台解决方案。目前，银江具备数据驱动、全域解决多维度的融合能力，希望与合作伙伴互为生态，一起构建强大的业务能力中台，全力解决城市交通拥堵问题。

从场景上来说，银江根据具体业务、具体场景的需要，建立了数据中台，深入挖掘不同数据的功能性价值。利用己身HI（Human Intelligence专家经验）&AI（Artificial Intelligence人工智能）能力，银江驱动平台AI化，把AI思维和技术引入现有产品和服务，实现更大价值、更强竞争力应用。同时，通过AI优化内部管理，对准海量作业场景，大幅度提升内部运营效率和质量，提升其在数字化发展之路的整体创新能力以及对行业需求的洞察力和理解力。目前，行业应用场景已包含智慧交通、智慧健康、智慧司法等细分领域。

以下是徐甲在 CCF-GAIR 大会上的演讲内容，雷锋网对其进行了不改变原意的编辑整理：

徐甲：各位朋友下午好，我来自银江股份有限公司，大家对“杭州城市大脑”项目应该有所耳闻，银江股份在这里面扮演的角色主要是负责城市、地面、交通信号的整体的优化。

人机耦合优化交通信号

说到城市的交通，因为昨天有智慧交通的专场，今天上午也有其他的公司汇报是跟城市交通有关，但是视角可能是不同的，有的是从顶层设计，或者是数据，或者是交通数据本身。我今天讲的视角更多的是从HI@AI，为什么叫HI@AI？我们定义成是人的智能、专家的智能基于人工智能，也就是人工智能是一个工具化和辅助的定位，其采用的核心技术线，是专家经验与机器智能的超算为中心，数据、模型、算法、服务为辅，共同实现HI@AI。我更多是从人和机如何耦合的这个视角来解释我们是怎么落地的。

其中主要是有两点，一个是在研发AI工具的时候更多的是以人为用户，实际去控制交通信号的团队，我们把他作为一个用户。另外一个角度就是最后有了这个工具之后，怎么用一个完整的落地方案把这些前面的技术，这些点串联起来，最后向客户也是政府方提供完整的服务。

首先介绍一下背景，第一个背景就是交通基础建设的背景，大家都知道智慧交通建设到现在基本上有20多年了，现在的现状整体的大规模的建设趋近于饱和，或者更准确地说现在大部分的建设都不是从无到有的建设，而且对现有的设备提高利用率或者优化使用的建设，另外一种就是局部的建设。但是这些建设跨越了这么长的时间，涉及到的人和单位非常大，存在很多遗留的问题。除此之外还存在的问题就是“重建设、轻运维”，现在的设备虽然都很先进，但在使用过程中并没有能够进行较好地运维，另外一个就是资源的分配不均衡，主要体现在一些城市的检测设备分布不是基于现在城市居民交通出行习惯来构想，设想的不全面导致资源分配不均。

第二个从数据利用和交通控制的角度，现在的大趋势希望数据能够进行整体运营，不再是以建设的思维来部署软件，而是希望软件部署了以后有更专业的人让它更发挥更大价值，而现在政府及企业，管理的职能也慢慢开始从分散走向集中，但依然还是面临人才稍显不足的情况。可能也有参与者本身的问题，规则意识和维权意识都稍显薄弱。

智慧交通需求变化

政府的需求也发生了变化，现在业主很追求科技感，追求AI技术、智能化、可视化，第二个他们也非常希望能很快看到治理效果，需要快速、有效，及高投入产出比，并且希望现有模式可以一直持续运营。还有一个背景现在很多城市在做智慧交通，他们也从费用的基础上做了革新，基本上能够保证专项费用的长期支持，领导自上而下也形成了更好的体系，即比以前更加重视这个事情，有了这个背景银江才有了这个契机在杭州能做这样的事情。

 

做这个事情有两个角度，一个是面向交通配时，优化人员，我们怎么去研发技术产品，有了这些产品之后，我们怎么把人与技术产品串联成完整的体系，现在称之为“人机共治的技术理念”。首先我们现在面临了很多交通问题，比如说交通黑点、边界管辖权不清晰，以杭州为例，大型活动多，占道施工普遍。

AI方面我们主要是做大家比较熟悉的这些场景，现在的AI水平更多负责一般化的场景，就是说人面临的复杂场景和AI面临的一般场景是有巨大差距，这些跟我们的技术问题有关系。

 

5套平台级工具

在这样的场景下，银江有这么5套平台工具，来辅助交通信号优化配时团队。其中AI全域交通信号滚动优化系统，主要是负责比较有规律化的，一般化的场景，通俗讲叫基本面的问题。AI信号专家实时推荐系统，则是当基本面的问题出现了稍微特殊的场景，我们把这些特殊的场景拎出来，基于人的经验，专家的经验进行配时推荐。针对城市交通信号的控制指标评价，即现在众所周知的高德、百度、滴滴每个季度、半年、一年发布交通报告，它们从很宏观的角度发布了控制指标评价，对于这项工作本身，或者是这个工作的方方面面，仍然缺乏很多量化的评价，基于对这个工作流程的理解，银江研发了很多指标去评价配时工作的好坏，除此之外，银江还有一个信号配时基础信息管理系统，这个就是把交通基础设施还有交通方案等都进行了模型化和档案化的管理。再有就是配时工作管理系统，主要就是涉及到工作流程的标准化，以及量化的管理，其实就是我们把人的工作，变成可视的流程，进行统一和标准的管理。

这个就是银江配时优化平台系统总体架构，最底层是数据和信号控制系统，然后是数据管家和路口管家这两个平台，就是把这些模型都档案化，再往上就是AI工具，主要是两个部分，信号专家和交通医生。对一些比较特殊的场景，或者是数据出现问题，或者是系统问题，给它进行诊断。在这之上，又有了全域交通仿真和全域滚动优化的模块，去处理更多的标准化和可预测的一种场景，然后在此之上进行指标和工作流的标准管理。

这个AI的工具一个比较大的组成部分就是这个全域的优化系统，银江现在做的全域优化的尝试，目前为止，我在其他地方没有听说过，就是把整个区域形成一个统一目标，比如银江针对高德的交通评价报告，根据它的区域的评价指数，我们把它当成一个目标进行统一优化。

AI全域交通信号滚动优化系统现在已经在公司周边的范围落地了大概30个路口的区域，今年下半年会拓展到130个路口左右，针对该范围区域，银江现在是大概半个小时或者是一个小时对它进行一次滚动优化模拟仿真，这个方法总体是基于一个预测控制的事项。算法里大概包括两个部分，一个是通过预测模型或者环境学习，去学习这个区域里的流量，交通信号控制的方案，还有我们需要关注的结果，比如说行车速度、效率指数，来学习他们之间的关系，最后形成一个对环境监视的作用。另外一个模型就是去搜索每个路口的交通信号配时，和环境之间进行互动。

这边的系统展示了未来半个小时或者是1个小时，如果是不使用我们计算出来的和使用我们计算的出来的，这两个交通态势进行对比，可以比较直观地看到使用我们推荐出来的方案之后，半个小时之后，交通态势会发生什么样的变化，这个也是基于刚才的预测来说的。

虽然说听起来这个技术非常先进，但是平心而论它只能处理可预测的部分，从理论来说可预测的部分，预测的上限我估计也就是80%左右，剩下的不可预测的交通态势是有随机性的，所以即便我们把这个算法做得很精细，依然还是有一些比例无法预测。

我们在这之上又叠加了一个部分，就叫AI交通信号实时推荐系统。实时推荐系统是说对于一些局部的路口，一旦出现了通行效率指标实时报警，就是之前没有预测到的，或者是预测错的，只能进行反馈式的调整，这种调整我们就配时专家团队以往的经验，将这些调控记录一直放在后台进行学习，学习的原理就是把每一个路口的固定检测器反应出的数据特征和人的操作动作的数据的关联性进行学习。

我们学习的流程大概是这样的，一个是数据来源，就是城市大脑报警，这个是触发的源头。还有配时推荐机器人，里面做了多种算法的融合，里面有算法选择机制，这个数据来源也是控制的方案，和固定监测器的数据。

最后输出的结果是控制方案或者叫超参数，什么叫超参数？这个基于杭州SCATS信号控制系统，它里面有一个人工输入的方式，它本身不是一个具体的方案参数，比如说周期值。在这个系统里面，它是控制参数的参数，比如说最小周期，最大周期，这个是完全基于杭州的实际场景研发出来的算法，推荐出来的结果是适用于杭州SCATS信号控制系统，我们再把结果下发到信号机。

那么这种模型其中主要的两个技术特征，就是我们用了空间的机制还有时间的机制的叠加，分成两层，第一层去学习这些空间特性，就是车道跟车道，路口跟路口，它们这些数据的关联度。第二个层级是学习时间，比如说上一个周期或者是上一个星期的今天等等。目前我们使用的神经网络模型大概有31层，超过20万参数。

我们在杭州一个路口检测了我们的算法，推荐出来的一套控制方案，实际上已经可以比较准确地学习到操作人员在类似的数据环境下进行的操作，甚至可以学习到在某一个方位进行开闭，实现了这样的结果。在这两套AI工具之上，我们现在正在做开发的就是整体的信号控制指标评价系统，我们对主城区超过1000个路口还有其他落地的城市，对信号控制等整体的工作和效能进行了多维度的评价。也包括这些路口，人工调配和还有AI调配的比例。

说到刚才的这些技术如何最终变成一个落地方案，就是我们通过点、线、面多层次的这么去结合技术。首先就是从区域的角度，可以设置区域的壁垒，将这个区域进行边界的控制，对关联路口的影响进行分析之后，然后把关联的路口作为一个组团的对象进行控制。

从人的角度来说，有了这些工具平台，最后还是要把它串联起来，变成一个完整的解决方案，我们的规划是提供三个解决方案，这三个阶段都能有合适的方案来解决。比如说从0开始，首先是由人进去，纯人工的摸清家底，整体机制提供专业的局部优化，在这种基础上提供我们现在说的HI@AI结合的服务，也就是在非常特殊的场景下，是依赖人，同时人的经验也会对算法进行反哺。再往上可能是在比较遥远的未来，我们想基本上实现全AI的方式进行交通信号控制，但是至少在现阶段，我们还是会停留在第二个阶段，就是人工智能和人类智能相结合的一个阶段。

我们通过在杭州以及包括杭州之外的几个城市总结出来的从0开始到提供这样的一个完整服务的工作，大概包含6个方面，一个是基础工作，和基础体制的梳理，再就是数据，组件运营团队以及提供服务，对于就是软件平台的定制开发部署。针对刚才说的HI@AI结合，或者是AI在这6个方面做的工作都是有不同的。

 我们现在除了在杭州提供刚才说的实操层面的服务，我们还提供多类目其他方位的服务，这些都是每一个城市要进行信号配时，以及形成一个良性的可循环模式必须的，比如说专题研究、舆情处置、信号巡检等等，这些都是面向客户的时候落地总结出来的工作内容。

针对不同的城市体量，或者是数据不同的基础，我们的服务必须要对每一种基础都兼容，我们现在会把解决方案分成4级，主要是从城市体量来说，因为每个城市的数据基础不同，所以我们的每个服务和工具都要有所取舍和差异化处理。从人的角度上来说一样是有差异的，这个都是要相辅相成的。以上是我分享的内容希望大家关注杭州城市大脑，关注银江股份，谢谢。

相关文章：

平安智慧城市-知鸟、松鼠AI、童心制物、先声智能获2019 AI+教育最佳成长奖 | CCF-GAIR 2019

城市的巨变之下，谁是“AI+智慧城市”的弄潮儿？ | CCF-GAIR 2019

平安智慧城市联席总经理胡玮：城市演进将迎来第三次“科技推力” | CCF-GAIR 2019

。