三個方面解析智能交通發展路上的技術障礙

智能交通，是數據采集與管理、識別技術、統計與運算技術結合的產物。在這個智能化系統中，忽視任何一個基本環節，都將導致智能的“不能”。對此，我們需要引起重視。智能交通話題越來越熱，但是，我們冷靜分析這些年的進展，就會發現，在我國智能交通領域，不少美好愿景提了多年，卻一直未能實現，這是為什么?從技術層面看，有三個關鍵因素，已經越來越成為障礙。

數據割據與斷層需要破題

智能交通的基本作用，是通過交通領域全業態數據的立體采集與處理，以支撐更聰明的交通建設、管理、運行決策。這種以數據支撐的科學決策，小到自動駕駛、出行時間管理，大到路網的運能調配、運送方式決策、交通管理績效評價等。

由于交通問題的多樣性和社會性，交通類數據的采集和處理本應是社會性的工作，然而，由于行政架構上遍布多部門，地理架構上遍布全國，事實上又形成了數據割據和斷層的局面。很多時候，掌握各類數據的各部門，沒有自發的愿望，也沒有機制去激勵其分享這些數據。涉及這類問題比較典型的，如公安系統的事故數據、醫療衛生部門的交通事故醫療救助數據、交通部門的交通設施維修數據。這些原本取之于民的數據并沒有統一的開放平臺進行交換和融合。這就導致了我們評價道路通行安全條件時，缺少了最重要的數據元素，每年各地該支出的養路資金和安保投入，也就缺少了重要的評價和決策依據。

再比如，公路貨運的智能化管理問題。動態的噸位數據和車輛行駛數據都在各個運輸公司手里，全國缺乏統一的平臺進行采集、管理和調度，造成貨運信息難匹配，貨車空駛多、浪費嚴重。

類似問題，需要在大數據時代背景下，突破行政管轄權屬的制約，通過政策乃至立法強行推動所有公共數據的公開;用更微觀的手段建立更宏觀的視野，更好地發揮中央行政干預優勢，締造全國“一盤棋”的智能交通數據支撐體系。

車輛身份識別和動態采集能力需要提升

鑒別和采集車輛身份的能力，是實現交通智能化管理的基本立足點。在每一路段上都能直接獲取途經車輛可識別的基本信息、掌握車輛的實時通行數據，才能建立車的基本通行統計類數據，從而實現實時監控、定性和定位采集、提前預測、及時預警，完成區域協調、路網流量調配、控制、疏導、收費和安防等任務。所有這些工作的關鍵，就是“車輛身份”的自動鑒別和采集。這涉及到手段和效率、成本和質量以及分析的思路和運用的方法。

對此，我國現行技術還有很多地方需要改善。比如，車輛牌照技術。與發達國家相比，我國當前的車輛牌照制作技術有大約40年的差距，不僅加工工藝差、效率低下、污染嚴重、仿造門檻低，而且不利于智能化識別，特別是不良視認條件或車輛高速運行狀態下，車牌信息采集成功率低，數據質量不可靠。這就嚴重影響了智能化管理的努力和進步。而近年來出現的高清號牌呈現技術，正在將車輛身份識別技術推向更高境界。倫敦現行的依靠車輛牌照拍攝技術建立的擁堵費征收系統，就是這個技術方向的杰出代表。

我國在有效建立車輛身份自動化識別與采集系統之前，大量的智能交通功能無法實質性推進。

數據分析能力需要人才支撐

在實現了數據共享、車輛身份自動識別效率提升后，我們要做的重點工作就是數據分析。為什么這么說?我們以“交通管理績效評價”為例，來解釋數據分析能力的重要性。

現在提起治堵，經常會聽到“公交優先”“路口要信號燈控”。這些措施，效果到底如何?城市交通管理的關鍵是實現居民出行時間的優化，即能夠獲得穩定和合理的通勤時間。如果因為設置了公交車道，但全社會的通勤時間增加而不是減少了，那就是畫蛇添足。如果我們能夠有一套可以細化到單車和個人的上路時間統計系統，就可以精確地對“公交車道”的效果進行科學的評價。

同理，信號燈控的社會價值，也可以依托這樣的系統評價。其基本的思路，就是獲得所有車輛的出行軌跡和起始點之間的時間記錄數據。如果獲得的這些數據幾乎沒有瑕疵，結論自然就能浮出水面。

具備這種數據分析能力后，不僅可以評價交通管理措施的效果，還可以準確地測算出通勤車流對路網的壓力點和時間點，進而預測各個路網將在未來某時刻會出現的交通流量，以及進行更精準的流速預告。這種服務能力，要比向社會提供一個全市路網車速的指數，有更現實的服務意義;對調配路網資源也有莫大好處，對及時調整交通控制措施、降低怠速排放、改善空氣質量等，也有莫大貢獻。

要具備這樣的數據分析能力，就要培養專業人才梯隊。這支隊伍不僅要懂計算機和通信技術，還要懂交通，懂統計學和社會學。總之，一支具備綜合學科技術素養的高素質隊伍才能勝任需要。在這方面，我們的人才培育機制，特別是用人機制，還有很大改善空間。

數據割據與斷層需要破題

智能交通的基本作用，是通過交通領域全業態數據的立體采集與處理，以支撐更聰明的交通建設、管理、運行決策。這種以數據支撐的科學決策，小到自動駕駛、出行時間管理，大到路網的運能調配、運送方式決策、交通管理績效評價等。

由于交通問題的多樣性和社會性，交通類數據的采集和處理本應是社會性的工作，然而，由于行政架構上遍布多部門，地理架構上遍布全國，事實上又形成了數據割據和斷層的局面。很多時候，掌握各類數據的各部門，沒有自發的愿望，也沒有機制去激勵其分享這些數據。涉及這類問題比較典型的，如公安系統的事故數據、醫療衛生部門的交通事故醫療救助數據、交通部門的交通設施維修數據。這些原本取之于民的數據并沒有統一的開放平臺進行交換和融合。這就導致了我們評價道路通行安全條件時，缺少了最重要的數據元素，每年各地該支出的養路資金和安保投入，也就缺少了重要的評價和決策依據。

再比如，公路貨運的智能化管理問題。動態的噸位數據和車輛行駛數據都在各個運輸公司手里，全國缺乏統一的平臺進行采集、管理和調度，造成貨運信息難匹配，貨車空駛多、浪費嚴重。

類似問題，需要在大數據時代背景下，突破行政管轄權屬的制約，通過政策乃至立法強行推動所有公共數據的公開;用更微觀的手段建立更宏觀的視野，更好地發揮中央行政干預優勢，締造全國“一盤棋”的智能交通數據支撐體系。

車輛身份識別和動態采集能力需要提升

鑒別和采集車輛身份的能力，是實現交通智能化管理的基本立足點。在每一路段上都能直接獲取途經車輛可識別的基本信息、掌握車輛的實時通行數據，才能建立車的基本通行統計類數據，從而實現實時監控、定性和定位采集、提前預測、及時預警，完成區域協調、路網流量調配、控制、疏導、收費和安防等任務。所有這些工作的關鍵，就是“車輛身份”的自動鑒別和采集。這涉及到手段和效率、成本和質量以及分析的思路和運用的方法。

對此，我國現行技術還有很多地方需要改善。比如，車輛牌照技術。與發達國家相比，我國當前的車輛牌照制作技術有大約40年的差距，不僅加工工藝差、效率低下、污染嚴重、仿造門檻低，而且不利于智能化識別，特別是不良視認條件或車輛高速運行狀態下，車牌信息采集成功率低，數據質量不可靠。這就嚴重影響了智能化管理的努力和進步。而近年來出現的高清號牌呈現技術，正在將車輛身份識別技術推向更高境界。倫敦現行的依靠車輛牌照拍攝技術建立的擁堵費征收系統，就是這個技術方向的杰出代表。

我國在有效建立車輛身份自動化識別與采集系統之前，大量的智能交通功能無法實質性推進。

數據分析能力需要人才支撐

在實現了數據共享、車輛身份自動識別效率提升后，我們要做的重點工作就是數據分析。為什么這么說?我們以“交通管理績效評價”為例，來解釋數據分析能力的重要性。

現在提起治堵，經常會聽到“公交優先”“路口要信號燈控”。這些措施，效果到底如何?城市交通管理的關鍵是實現居民出行時間的優化，即能夠獲得穩定和合理的通勤時間。如果因為設置了公交車道，但全社會的通勤時間增加而不是減少了，那就是畫蛇添足。如果我們能夠有一套可以細化到單車和個人的上路時間統計系統，就可以精確地對“公交車道”的效果進行科學的評價。

同理，信號燈控的社會價值，也可以依托這樣的系統評價。其基本的思路，就是獲得所有車輛的出行軌跡和起始點之間的時間記錄數據。如果獲得的這些數據幾乎沒有瑕疵，結論自然就能浮出水面。

具備這種數據分析能力后，不僅可以評價交通管理措施的效果，還可以準確地測算出通勤車流對路網的壓力點和時間點，進而預測各個路網將在未來某時刻會出現的交通流量，以及進行更精準的流速預告。這種服務能力，要比向社會提供一個全市路網車速的指數，有更現實的服務意義;對調配路網資源也有莫大好處，對及時調整交通控制措施、降低怠速排放、改善空氣質量等，也有莫大貢獻。

要具備這樣的數據分析能力，就要培養專業人才梯隊。這支隊伍不僅要懂計算機和通信技術，還要懂交通，懂統計學和社會學。總之，一支具備綜合學科技術素養的高素質隊伍才能勝任需要。在這方面，我們的人才培育機制，特別是用人機制，還有很大改善空間。