來源：北京交通發展研究院
淺談未來交通出行中
智慧化車輛路徑選擇的思考
隨著大數據、雲計算、自動駕駛、人工智慧等先進的技術與傳統智能交通系統的融合，呈現出通過交通工具與交通設施的智慧化革命，自下而上的推動交通運輸方式的改變，實現交通資源共享和統一配置，引導交通量動態平衡分布的發展趨勢。本文面向未來交通出行服務，從在交通運輸工具智能化發展的角度，結合智慧交通系統的發展趨勢闡述了在車輛路徑選擇上實現智慧出行應用的發展設想。
關鍵詞：交通出行 智慧 車輛 路徑 選擇
引言
近年來，隨著自動駕駛、車聯網等新概念逐漸由夢想照進了現實，智能交通系統的發展出現了一股由交通工具與交通設施智慧化來推動和促進人們改變出行方式的技術革新熱潮。從面向服務出行的角度，交通工具與交通設施的智慧化的過程，實質是從無差別滿足群體的出行需求向滿足個性化出行需求逐步發展的過程。因而，在這個過程中，做為滿足個性化出行需求的一個顯著標誌，即交通運輸工具對於需求的即時響應。而交通運輸工具的響應的「智慧」首先體現在車輛可根據需求對於行駛路徑的自主選擇。
本文以為服務於未來交通出行為藍本，淺談一下筆者關於車輛智慧化進行路徑選擇的思考。
不同出行場景下
路徑選擇的技術難點不同
對交通系統而言，交通出行結構的合理性取決於交通的供給與需求，因而，從城市交通規劃的角度上看，交通出行應儘可能地使居住與就業崗位以及其他功能的活動地點在時空上儘量靠近，從而為出行者提供更為便利的出行服務。所以，無論是從現狀入手治理「城市病」，抑或是打造新城市中心描繪可持續發展的藍圖，從根本上都需要處理好交通系統內外部之間關係，以出行結構促進土地使用的高度集約化，進而實現「一體化」的交通運輸服務。
近年來，「出行即服務」系統(Mobilityas a Service,MaaS)、車網聯(Connected Cars)、協同智能運輸系統(Cooperative Intelligent Transport Systems,C-ITS)、自動駕駛(Driving Automation)等不斷湧現的智慧交通應用實踐案例，印證了「一體化」是交通運輸服務的前進之路。
單就交通出行的狹義而言，交通運輸的一體化有兩層含義：一是實施交通需求動態管理，縮短交通出行時空距離，提高交通系統運行效率。另一層是不同交通方式的無縫銜接和零距離換乘，實現門到門的一站式交通運輸服務。於是，基於一體化概念的理解，筆者初步設想未來交通出行場景可分為自動駕駛場景和共享出行兩種，而在不同的應用場景下筆者認為車輛對於路徑選擇的技術難點也有所不同。
自動駕駛場景
自動駕駛應用場景主要分停車場應用和道路應用兩種情況。停車場應用包括停車資源動態分配，車位引導、費用一體結算等。道路應用相對複雜，主要涉及駕駛環境識別，車道識別，交通控制識別，其他行駛車輛或行人的識別以及對未知駕駛事件的應對等。在停車場應用中，其路徑選擇的核心環節在於自動駕駛車輛要在停車入位釐米級的路徑上控制住行車軌跡。而在道路應用中，重點突破的方向在於要根據複雜路況條件，結合個性化的出行需求確定最佳的路徑規劃方案。但無論哪種應用情況，在自動駕駛場景下，車輛對於路徑「智慧」選擇的技術難點在於環境全息感知下的多源異構數據採集與處理。
共享出行場景
網絡約車、分時租賃、定製公交、共享單車等新業態的迅猛發展已揭示了人們對於交通運輸工具共享的渴求，全新的、共享出行的生態環境和場景已具雛形。由此可預見，在未來的共享出行場景中，將提供多種不同交通出行方式的組合為滿足出行者對於個性化需求，實現多維度、立體式的服務。因此，基於上述場景應用的需求，車輛路徑選擇首要考慮滿足用戶需求響應與反饋的即時性與靈活性。當客戶通過手機 APP等終端發起請求，實時或在最短時間內選擇不同交通方式組合最優路徑盡才是滿足所有客戶的需要的反饋。如果路徑規劃出來的不是最優路徑，就會造成等候時間過長、資源利用率低、分配出現延遲差錯等，不能發揮出共享出行的優勢，更談不上對於運輸方式的改變。因此，在共享出行場景下，車輛對於路徑的「智慧」選擇技術難點在於從全局最優的角度，在多模式、全鏈條的條件下從出行路徑集合中確定有效的最優解。
路徑智慧選擇的
核心是算法
不論哪種應用場景下，車輛對於路徑選擇所面臨的具體技術難點雖有所不同，但是歸根到底突破這些技術瓶頸必須依靠適配算法的研發，這既是實現車輛對於路徑主動選擇的基礎，也是路徑選擇技術路線前進的方向。
在自動駕駛場景下，停車入位的過程是車輛通過自身攝像機、雷射雷達等設備對大型圖像信息的處理過程。車輛通過各種感應手段提取收集現場實景信息，根據數學模型進行計算得出相應的輸出量，比如加速度、偏轉角度、剎車等。同時，更是不斷重複將採集海量的場景數據輸入機器，通過神經網絡技術訓練機器，不斷優化輸出得到的釐米級路徑選擇方案，這個採集-處理-訓練的過程實際就是算法研發的過程。
而在道路應用下，車輛一方面需要綜合處理道路系統信息如link長度、車輛密度、實時路況、環境等，根據提取到的關鍵參數，以集體或群體行為規律模擬出路徑選擇。另一方面，車輛通過處理與外部環境，以及所有交通運輸工具可以共享交互的信息，以此來定位和選擇自身出行路徑。但無論是模擬集體群體在路徑上的堆積，抑或根據個體協作和信息共享來還原路徑，其本質上都是通過算法來抽象還原選擇思考的過程，以期車輛能在綜合各種影響通行因素的前題下，輸出通行效率最高的方案，達到路徑選擇的目的。
在共享出行的場景中，路徑選擇的首要考慮是出行需求響應與反饋的即時性與靈活性，因而，技術突破的重點是解決：時間窗口動態調整同時，充分考慮需求響應的空間範圍的變化。近年來，隨著大數據、雲計算、人工智慧等技術的發展，為解決多維度、全方位的出行需求響應與反饋提供了機器學習與訓練的方法。所謂機器學習是通過大數據技術對數據表徵的分析挖掘方法。其核心是通過數據訓練，由機器實現自動、半自動特徵分析提取高效算法來代替人工獲取的方法。目前，機器學習大多採用卷積神經網絡來訓練空間信息提取方法，用長短期記憶神經網絡來訓練時序建模方法。通過輸入海量的場景信息，訓練機器不斷學習識別不同的場景，在高精度地圖輔助下，將歷史數據與實時數據結合，實現在一定時間內滿足不同出行需求的響應與反饋。隨著共享出行應用的深入，基於大區域、全局範圍內的車輛路徑優化選擇已成為發展趨勢，唯有加強機器學習能力，即通過算法革新提高計算效率，才能逐步提高共享出行的交通資源調配能力，實現優於私人小汽車出行的出行服務。
系統設計要符合算法要求
在當前智能交通向智慧交通發展的階段，要在傳承交通工程經典理論的基礎上，藉助更為先進的通信、控制、信息等技術手段，通過「數據」和「計算」全面量化交通、城市、資源之間的關聯關係，探究交通參與者行為主體個性特徵、交通運行環境、城市空間結構，並以此為基礎建立人機互動、自我診斷和智慧決策的交通運輸服務系統。
因此，要實現車輛路徑選擇不僅要有核心算法，還需要能夠反映精準分析運輸服務對象的偏好和需求有的大數據，以及完成計算的超級運算能力，才能實現這一任務。「數據」與「計算」的能力需要藉助系統構建來實現，換而言之就是算法也需要與之匹配的系統來支撐。所謂系統就是按照系統頂層設計，採用貼合應用場景的通信網絡技術，通過結構化的綜合布線，將設備、功能和信息等集合到統一協調的系統之中，使資源得到共享以及利用率最大化。
與一體化運輸服務系統算法發展匹配的的架構，是摒棄傳統的「煙囪式」和「緊耦合的集成式」架構，基於「人、車、路、環境、事件」等設施設備互聯互通基礎之上構建的由端到邊雲結構。利用5G通信技術，消除了終端設備之間數據聯通障礙；利用晶片技術提高終端處理能力，實現分布式計算模式；利用邊緣計算及雲計算技術，通過人工智慧的深度學習與訓練，加強智能識別及全局數據資源共享與配置，最終形成設備端到場景邊緣再到雲端的融合互通架構，實現不同子系統、不同業務應用之間的協調同步，實現了數據資源的深度挖掘和應用。
因而，只有採用端邊雲的系統架構，才能符合應用場景，保證路徑選擇中算法實現的合理系統設計。當用戶端下達指令後，根據周邊終端設備人工智慧的識別，自動判斷使用合理計算方法，結合實時數據與歷史數據進行邊緣計算，從而形成局部最優的路徑選擇。同時通過運輸工具自身與網際網路相連，將採用的路徑選擇方案上傳至雲端伺服器，結合區域內的交通系統及採用的交通組織，如信號燈配時調整、車道變更、交叉路口延誤等。在全局角度動態調優方案，提高自動駕駛的可靠性和安全性， 提升智慧出行路徑規劃的準確性和可行性。因此，建立與路徑選擇算法研發相匹配的系統構建是實一體化交通運輸服務的必要條件。
結論
在自動駕駛、車聯網、協同智能運輸系統和出行即服務迅猛發展的今天，雖然主體不同、目的不同，但任何一種理念的實踐都不能孤立存在的，需要緊密聯繫在一起，因此，「一體化」是未來交通運輸的大勢所趨。所以，車輛對於路徑選擇的高端決策也必須著眼於一體化交通運輸的主要場景，以革新算法為鑰匙，著力突破路徑規劃的瓶頸，進而構建與之匹配的生態系統，成為智慧交通發展的基石，促進交通出行結構合理化。
參考文獻
[1]. 周豪.自行車與公交車組合出行條件下的換乘點選址優化研究 [D].北京交通大學.2019.
[2]. 陳曦.基於多模式交通出行網絡的動態綜合出行指數研究 [D].北京交通大學.2019.
[3]. 溫慧敏.全宇翔.孫建平.大數據時代城市智能交通系統發展方向 [J]. 城市交通.2017(09).
[4]. 陸化普.交通與土地利用一體化的主要內容與實現途徑 [J]. 綜合運輸. 2015(07).
[5]. 陳瑾.淺論路徑問題智能算法在智慧出行中的應用 [J]. 通訊世界. 2019(3).
[6]. 郭敏.為什麼要發展無人駕駛車輛 [J].中國公路.2020(01).
供稿：智能交通所 全宇翔