“基于 AI 的高速公路主动安全及数字孪生智慧管控系统”技术研究与应用
125
图 5 道路因素图解
图 6 环境因素图解
人工环境从广义上讲，指的是受人类活动影响而形成的环境要素。交通环境中的人工环境主
要包括土地的利用性质、道路上的路侧设施、障碍物、施工区等。土地性质主要指根据规划将
土地分为居住用地、商业用地、工业用地以及教育用地等；路侧设施主要包括道路两旁设置的
交通设施。
3.4. 三维动态交通仿真和数字孪生主动安全管控技术研究及平台开发
为进一步完善建设高速公路信息化基础设施、智能化监测体系，打通交通虚拟仿真与道路真实
运行的双向数据通道，实现交通基础设施、设备、路面运行动态监测，融合全路段交通管理资源，
推进深度应用，构建高速公路智慧防控体系，打造智慧协作管控平台，全面提高速公路的运行监管、
智能调度、科学决策和信息服务水平，利用 3D 技术结合硬件感知设备打造构建基于 AI 应用的智能
交通服务平台。图 7 为数字孪生场景图。
智能交通产品与技术应用汇编
126
图 7 三维数字孪生场景图
平台主要由前端物联感知管控设备、技术支撑与应用平台两部分构成，其中前端物联感知管控
设备由采集设施、管控设施、网络传输系统以及中心资源组成，技术支撑与应用平台以高精地图为
基础，以三维实景建模、视频结构化处理、实时交通仿真为技术支撑，在此基础上构建高新技术应
用的智慧指挥调度集成平台，实现基础设施数据化、指挥调度现代化、警备管理智能化、系统管控
自动化，将高速公路管理带入三维管控时代。系统同时结合 Vissim 进行交通仿真预测，并利用 Unity
加载目标区域的三维场景，呈现出三维动态的仿真效果，突破了传统的数据报表、图表等方式，实
现交通场景的实时仿真和应急管理的预案演练。体统架构如图 8 所示：
图 8 系统架构
四、主要成果
本成果已获授权国外专利 6 项、中国发明专利 27 项、软件著作权 15 项，论文 20 篇，技术标准
“基于 AI 的高速公路主动安全及数字孪生智慧管控系统”技术研究与应用
127
7 项，专著 1 部，形成了一批具有完全自主知识产权的高技术成果。
图 9 系统综合界面
五、推广应用
截止 2021 年 12 月，本成果已在全国和江苏省范围内 30 余家合作单位和政府部门展开推广应用，
在江苏省南京、宿迁、连云港、苏州等城市及省外多个城市的快速路以及新扬高速、沪宁高速、广
靖高速等道路进行推广应用（图 9 为系统界面）。本成果深度贴合“解决传统交通数据采集和管理痛
点问题、提升道路交通管控实时性有效性”等迫切需求，实现智能感知技术、物联网技术以及三维
动态展示技术在高速公路行业得到有机发展与高效应用，推动新兴产业发展和实体经济转型，取得
了显著的社会效益与经济效益。
智能交通产品与技术应用汇编
128
基于雷达的交通状态管控研究与应用
科威达科技集团股份有限公司 山东省科大城市交通技术研究院
1 概述
随着城市智能交通系统不断发展，实时检测感知交通流数据的重要性日益凸显；在各种检测技
术或方式中，基于雷达技术的感知方式具备检测精度高、受环境影响小、施工维护成本低等优点而
越来越得到用户的重视和认可。本文针对传统交通检测设备存在的问题，通过雷达车流量检测器采
集道路交通数据信息，在分析交通数据特征的基础上，通过机器学习等先进方法，深入挖掘丰富的
交通信息，进行交通状态判别及预测，为交通管理提供有效策略。在交通状态判别方面，利用采集
并处理后的交通流参数数据对谱聚类算法和 PNN 算法进行训练验证建立了基于 SC-PNN 状态判别
模型；状态预测方面，选取了 LSTM 网络、GRU 网络、SAEs 网络算法，经训练验证后，建立了
LSTM-GRU-SAEs 组合算法模型。目前该系统已被部署在山东省莱阳市长山路上，并获得良好的成
效，有效缓解拥堵 20%。
2 系统设计
2.1 系统架构与场景
图 1 展示了所提出的交通状态管控系统示意图，将雷达安装在道路交叉口的支架上，对每个车
道的车流量、密度、排队长度等交通参数进行监控和汇集。通过所提出的处理算法实现智能管控，
降低拥堵、提高出行效率。
如图 2 所示，我们在山东省莱阳市长山路进行测试，将交通拥堵缓解系统部署在道路交叉口，
连续获取该路口六个月的交通数据。我们通过自行设计的毫米波雷达系统收集数据，其参数如表 1
所示。基于雷达芯片的射频（RF）前端用于发射毫米波并接收目标回波信号。此外，四通道高速 ADC
用于数据采集。最后，在基于 FPGA 和 ARM 架构的后端基带处理系统上实现了数字处理算法和目
标信息的提取。
基于雷达的交通状态管控研究与应用
129
图 1 交通状态管控系统示意图
图 2 雷达测试场景与实物
表 1 雷达系统参数
2.2 基于 SC-PNN 的交通状态拥堵判别模型
交通状态判别技术有很多种方法，从简单的人工巡逻判别方法到紧急电话、移动电话判别方法，
从闭路电视判别方法到全自动电子监视判别方法等等。这些方法都能在一定程度、一定范围上发现
道路上存在交通拥挤，可以为交通管理者提供更加直观的道路情况，方便进行交通管控以提升现有
道路利用率，改善道路通畅度，对提高道路交通的效率和安全性具有重要意义。人工判别方法主要
用于早期的交通状态判别。主要包括如下几种：（1）驾驶员移动电话呼叫：（2）事件管理员观看闭
路电视监视图像；（3）驾驶员求助电话或路边紧急电话；（4）交通警察巡逻队；（5）交通部门或其
他单位工作人员通过对讲机的报告；（6）车队报告。但是以上几种方法均需要耗费大量的人力，而
且具有较大的局限性，容易受天气、道路状况等因素的影响。自动判别方法可以弥补以上几种人工
判别方法的不足，无需投入大量的人力，并且可以全天候、全天时发挥作用，具有较好的灵活性和
智能交通产品与技术应用汇编
130
机动性。
目前自动判别方法主要有无监督算法与有监督算法，无监督算法中，谱聚类（Spectral Clustering，
SC）算法被广泛采用于交通状态判别。谱聚类算法中把所有的数据看做空间中的点，这些点之间可
以用边连接起来。距离较远的两个点之间的边权重值较低，而距离较近的两个点之间的边权重值较
高，通过对所有的数据点组成的图进行切图，让切图后不同的子图间边权重和尽可能的低，而子图
内的边权重和尽可能的高，从而达到聚类的目的。谱聚类算法本身是一种模糊分类算法，有计算复
杂度低、不受样本空间形状限制、对数据分布的适应性强和较为优秀的聚类效果等优点，而交通状
态判别具有随机、抽象和模糊等特点，与聚类算法特性吻合。虽然聚类算法可以从大量无标签数据
中提取特征发现规律，但由于算法的复杂性不能保证判别的实时性。而有监督算法可以弥补这一不
足，虽然需要带有分类标签的数据集进行训练，但可以保证算法的实时性。有监督算法中，概率神
经网络算法（Probabilistic Neural Networks，PNN），是一种基于贝叶斯决策规则的神经网络技术，
其神经网络的训练期望误差较小，是一种基于统计原理的人工神经网络。其以 Parzen 窗口函数为激
活函数，其同时包含了径向基神经网络与经典的概率密度估计算法的优势，因此在识别与分类方面，
与传统的 BP 神经网络相比具有训练数据简单方便，不需训练模型参数，收敛速度快，扩充性能好，
满足交通状态判别所要求的实时性。
本文提出的 SC-PNN 算法是将谱聚类算法与概率神经网络算法相结合，首先采用谱聚类算法对
处理后的交通流数据进行分类，再使用 PNN 算法对分类的数据及标签进行训练。既提高分类的准确
性，又提高判别速度，保证数据处理的实时性，符合交通管控的要求。基于谱聚类和 PNN 算法的交
通状态判别，模型整体框图如图 3 所示。主要流程包括：数据处理与分析、谱聚类算法判别、PNN
算法训练和实时交通状态判别。
雷达数据 数据修复 交通流参数
交通流数据处理
构建相似矩阵S、邻
接矩阵W、度矩阵D
构建拉普拉斯矩阵L
及其标准化
根据K-means算法对
特征矩阵进行聚类
聚类结果：交通状态
分类标签
训练集
测试集
归一化样本 计算测试数据与训练
集的距离
根据高斯函数求
初始概率矩阵
求和层求所属各
类的概率矩阵
输出交通状态划
分结果
交通流量、密度和速
度
交通流参数以及分类
标签数据
谱聚类算法模型
PNN网络算法模型
图 3 SC-PNN 算法框图
2.3 短时交通流预测模型
目前对短时交通流预测中单模型预测仍占据主导地位，常用的单预测模型有 LSTM 神经网络算
法、GRU 神经网络算法和 SAEs 神经网络算法。Long Short-Term Memory（LSTM）神经网络算法解
基于雷达的交通状态管控研究与应用
131
决了 Simple RNN 中梯度消失的问题，可以处理 Long-term sequence，但是其计算复杂度较高，运行
速度慢；为了解决 LSTM 的计算速度比较慢问题，在 Gated Recurrent Unit（GRU）神经网络算法模
型中，对 LSTM 实现了特殊优化提速，但是 GRU 表达能力受到限制；SAEs 神经网络算法模型，由
多层稀疏自编码器组成的深度神经网络模型，其前一层自编码器的输出作为其后一层自编码器的输
入，最后一层是个分类器（logistic 分类器或者 softmax 分类器），用于交通流预测与以往只考虑交通
数据浅层结构的方法不同，该方法能够成功地从交通数据中发现潜在的交通流特征表示。但是这些
单模型均存在假设前提和特定的使用场合，譬如，数据之间有明显的线性关系才可使用经典线性回
归模型，若出现数据多重共线性、异方差性等则需进一步讨论。交通流预测方法大多数考虑单交通
流参数，没有考虑多个参数之间的关联性。针对上述问题，考虑到交通流的时间和空间特性，提出
LSTM-GRU-SAEs 组合算法，选取交通流量、密度和速度作为预测参数。
组合算法结构如图 4 所示，首先将交通流参数数据预处理后分为训练集和测试集，分别将交通
流量、速度和密度输入到 LSTM-GRU 模型训练，最小化损失函数，进行参数优化，再对各交通流
数据进行短时预测；得到的预测值再输入到 SAEs 模型中训练，进行参数优化后输出最终的交通流
参数预测值，完成交通流参数预测。
训练集、测试集
X1 X2 XL
Y1 Y2 YL
1 Z 2 Z ZL
1 SAEs 2 SAEs SAEsL
测试结果输出
真实值
计算
损失
预测值
优化器 1 LSTM 2 LSTM LSTML GRU1 GRU2 GRUL
真实值
计算
损失
预测值
优化器
1 C
1 h
2 C
2 h
L 1 C -
L 1 h -
1 y 2 y L 1 y -
图 4 LSTM-GRU-SAEs 组合预测模型结构图
3 应用效果分析
我们在山东省莱阳市长山路进行测试，将雷达安装在道路交叉口，基于雷达 1 个月的交通
数据进行分析，评估所提出系统和算法性能。图 5 为系统监视窗口，可以直接观察和记录交通
数据。
智能交通产品与技术应用汇编
132
图 5 基于毫米波雷达监控管控系统
3.1 交通状态判别结果与分析
实验数据采用安置在道路交叉口的雷达获取到的交通数据，预处理后将得到的交通流参数（交
通流量、速度和密度）输入到 SC-PNN 算法进行训练，图 6 显示了训练结果：
流量(veh/min)
密度(veh/min)
（a）速度-流量-密度关系图 （b）流量-密度关系图
密度(veh/min)
速度(km/h)
（c）密度-速度关系图
图 6 交通状态分类示意图
基于雷达的交通状态管控研究与应用
133
图 6 显示了 SC-PNN 算法的实际结果，展示了流量参数之间的关系。在图 6（a）中，交通状
态被划分为 5 个边界清晰的类别，这表明该算法可以很好地对数据集进行分类。此外，道路排队长
度随着车流量的增加而增加（图 6（b）），平均道路速度随着车辆排队长度的增加而减小（图 6（c）），
也满足客观规律。
3.2 短时预测结果与分析
对于所选取的三个交通流参数分别代入 LSTM-GRU-SAEs 组合预测算法中训练，得到各自的预
测模型，再利用三种预测模型得到下一时刻的交通流量、密度以及速度的预测数据。将预测数据输
入到谱聚类算法中得到状态划分，最后将预测数据以及状态标签数据输入 PNN 算法中训练，得到未
来时刻的交通状态。考虑到典型的红绿灯时长小于 2 分钟，因此我们对 1min 进行预测，预测的交
通状态和真实状态对如图 7，蓝色为预测的状态趋势图，橙色为真实状态趋势图。
（a）预测周内的未来 1min 的交通状态真实状态对比图 （b）预测周末的未来 1min 的交通状态与真实状态对比图
图 7 周内周末 1min 交通状态与真实状态对比图
整体来看，模型与真实状况几乎相同。随着拥堵情况加重，误差会变大，但总体模型预测率可
以达到 90%以上。
4 系统调控效果
图8和图9显示了系统参与下普通时刻拥堵缓解情况和早晚高峰时段的道路交通拥堵缓解情况。
显然当道路拥堵程度越高，系统缓解效果越好，在雷达交通系统的参与下，早高峰和晚高峰的拥堵
率得到有效缓解 20%。
图 8 系统调控下道路拥堵改善状况
智能交通产品与技术应用汇编
134
图 9 晚高峰时段道路拥堵情况
5 结语
本文以改善交通状态判别与预测效果为研究目标，在分析交通数据特征的基础上，通过机器学
习等先进方法，深入挖掘丰富的交通信息，针对传统交通检测设备存在的问题，采用交通雷达连续
采集六个月的道路交通数据信息，进行交通状态判别及预测。建立一种联合谱聚类和 PNN 算法的道
路拥堵状态判别算法（ SC-PNN ） 和 LSTM 网络、 GRU 网络、 SAEs 网络算法组合算法
（LSTM-GRU-SAEs）对城市路口拥堵状态实时判别和拥堵预测。该系统已部署在山东省莱阳市长山
路上，并获得良好的成效，有效缓解拥堵 20%。未来研究中，可以考虑采用多个检测器结合进行采
集交通信息，提高准确性，同时可以选取多个路口的大量数据，进一步对判别模型及预测模型进行
评估。
集中协调交通信号控制系统方案
135
集中协调交通信号控制系统方案
扬州市法马智能设备有限公司
1. 方案总体设计
1.1. 设计目标
1、城区外围相对孤立的交叉口，采用感应控制或单点自适应模式控制，根据交通流变化实时调
整信号配时方案，减少绿灯空放，提高路口运行效率。
2、平峰期城区内主要干道实现“绿波”控制，高峰期采用自适应控制，提升区域交通运行效率。
实现 “立足于交叉口的点优化控制、保障主干道的线协调控制、实现分区域的自适应控制”，
即根据关键交叉口、主干道（包括瓶颈路段）、分区域的交通流特点，基于自动采集的实时数据，采
取合理的控制策略，保障主干道的线协调控制、进而最大限度实现分区域的自适应控制，减少车辆
在区域内的旅行时间、停车次数以及运行延误，提升区域交通的运行品质。
3、采用信号系统提供的本地遥控控制、中心手动控制、快速警卫任务等功能，提高工作效率，
减少交警现场工作量，节省警力。
信号控制系统可提供中心手动控制、本地手动及遥控手动功能，交警可在中心进行远程或在路
口进行远程指挥，不需要进行路面的现场指挥，减少交警的人身安全问题。
提供警卫预案控制，保证警务车队准时、安全到达目的地，同时尽量减少对社会车辆的影响。
提供专用的、合理的行人相位及相序设置，消除人车之间的交通冲突、行人过街的安全隐患，保障
行人交通的人本安全。
1.2. 设计原则
针对智能交通建设的实际情况，充分考虑系统建设的发展需求，以实现提高道路通行效率、缓
解城市交通压力、保证系统兼容性作为目标，以”先进、可靠、成熟、兼容、经济、实用”为总体
设计原则。
1.3. 方案总体架构
交通信号控制系统在现代智能交通领域，是极其重要的组成部分。利用先进的交通信号控制系
统，可以有效管理交通流量，增进城市道路畅通水平。各种先进的道路交通管理方案，最终都要依
智能交通产品与技术应用汇编
136
靠交通信号控制系统来实现。
法马交通信号控制系统吸取国内外系统的先进控制经验，依托强大的研发实力，软硬件完全自
主开发，各项性能都达到国内领先水平。系统包括前端信号控制单元、交通信息采集单元、网络传
输单元和中心管理控制单元。
1.3.1. 前端信号控制单元
道路交通信号控制机是按照循环交通信号规则控制交通信号灯显示状态指示车道实际状态。
集中协调式智能交通信号控制机（如图 1 所示）是由法马交通自主研发的产品，它结合中国的
复杂交通情况和国内外新近道路交通控制器的经验研发而成，是一款具有国内领先水平的集中协调
式的交通信号控制机。适用于各种十字、丁字等交叉路口，控制机动灯红、黄、绿及行人红、绿灯
的通、禁行工作时间自动执行控制设置。可根据不同路口或同一路口不同时间段车流量的大小，自
动调节相应的通、禁行时间。对维护交通秩序，改善路口通行率，避免路口交通事故起到举足轻重
的作用。
图 1 法马交通集中协调式智能交通信号控制机
信号机硬件采用 32 位微处理器控制，软硬件设计采用模块化设计思想，实现交通信号的控制和
通信功能。可实现全天侯自动控制，或夜间自动关机、黄闪等工作方式。本系统设计先进，具有多
时段多方案运行、感应调节、自适应协调控制，自动和手动控制转换、遥控控制、断电保护等功能，
使路口间协调控制，不会因断电而丢失时间信息和控制参数。另外还采用了固态继电器驱动电路，
改善了无触点磨损，延长其使用寿命。
设备具有外型美观，结构简单合理，操作简便灵活，实用性强，稳定性好，可靠性高功损耗小，
使用寿命长等特点，是控制交通信号的高科技产品。
集中协调交通信号控制系统方案
137
1.3.2. 交通信息采集单元
交通信息是交通信号控制调控的基础和依据，也是交通管理者进行交通管理和规划的数据支撑，
科学、完备的交通数据采集系统是智能交通建设的重要组成部分。
交通信号控制系统能够按照用户设定的间隔上载信号机检测的交通信息。信号机可连接视频、
线圈等多种检测器。
信号机能够准确地自动采集交通数据，并根据各种交通控制需求，按相应的数据格式进行预处
理。所有检测器信息数据应支持系统传输要求，在系统传输正常的情况下，以设定的时间间隔上传
数据，时间间隔依从系统需求。
1.3.3. 中心管理控制单元
交通信号控制系统中心服务是由中心服务器、数据库服务器、区域（优化）服务器组成的服务
器群，通过控制平台可实现信号机添加管理、参数配置、实时监控、特勤任务、统计查询、报警管
理等功能，利用检测器对交通流量、时间占有率进行检测，采用先进的优化模型对交通信号配时进
行实时优化，实现各种协调控制功能。
建议主城区、警卫线路区域、绿波协调区域信号机全部采用同一品牌交通信号控制机，交通信
号控制系统中心服务器是由数据库服务器、平台服务器等组成的服务器群；
数据库服务器：采用 MySql 数据库、安全稳定；
平台服务器：控制连到中心的各信号机；
2. 方案详细设计
2.1. 系统组成
交通信号控制系统是智能交通管理系统的核心，其主要功能是自动协调和控制整个控制区域内
交通信号灯的配时方案，均衡路网内交通流运行，使停车次数、延误时间及环境污染减至最小，充
分发挥道路系统的交通效益。必要时，可通过控制中心人工干预，直接控制路口信号机执行指定相
位，强制疏导交通。
法马交通信号控制系统采用三级分布式递阶控制结构：中心控制级，区域控制级，路口控制级。
具体如图 2：
1）中央控制级
负责管理和分配各个服务器的职责，包括系统管理功能，包括设备添加、参数配置、实时监控、
特勤任务、统计查询、报警管理等。还包括区域服务器、优化服务器等中心调度功能，分配区域服
务器和优化服务器管理的设备，协调服务器之间的工作。
中央控制级由中央控制计算机及其配套软件组成，中央控制机采用企业级 PC 服务器。中央控
制机不直接进行自适应控制，主要功能是：
负责协调区域控制级的运行；
连接各种服务，提供系统参数、路口特征参数的上传下载及同步；
智能交通产品与技术应用汇编
138
连接用户终端监视系统运行、修改参数、进行人工干预；
连接数据终端进行交通信息的统计处理；
监视系统各组成部分的运行情况，并维护相关日志；
进行信息的发布，可与上层指挥系统提供相关交通数据。
图 2 法马交通三级分布式递阶控制结构
2）区域控制级
区域控制级是实时自适应控制的核心，监控受控区域的运行，具体功能如下：
对路口交通信号进行优化协调控制；
对路口交通信号机的工作状态和故障情况进行监视；
监视和控制区域级外部设备的运行，并维护相关日志。
区域控制级主要由区域控制计算机、通信设备和系统控制软件组成，区域控制计算机采用工业
PC 机，通讯设备由设在控制中心（或分中心）的内站通信装置（ITU）和装在路口信号控制机处的
外站通信装置（OTU）组成，ITU 与区域控制计算机通过以太网连接，ITU 与各 OTU 之间采用有线
光纤的以太网连接。
3）路口控制级
路口控制级由路口信号控制机及检测器组成，它是信号控制系统的执行终端和交通流数据采集
终端，主要功能有：
控制路口交通信号灯；
接收处理来自车辆检测器的交通流信息，并定时向区域计算机发送；
接收处理来自区域计算机的命令，并向区域计算机反馈工作状态和故障信息；
具有单点信号优化功能。
Network signal
Analog signal
Server Center GIS Server Optimize server
Client-Side
Regional server Regional server
Regional control 1 Regional control 2
集中协调交通信号控制系统方案
139
2.2. 系统功能
2.2.1. 单点多时段控制
把一天按交通流大小分成若干时段，在高峰时段执行高峰配时方案，低、平峰时又分别执行低
峰、平峰信号配时方案，这样有效地提高了交通信号的控制效率。
系统具有时间表控制功能：设置时间包括年、月、周、日、时、分，日时段划分为 40 个，可设
置 16 个周期方案，7×16 个日期类型，可分别设置工作日、周末、节日或特别指定日的时间表，系
统根据日期自动改变执行时间表。
2.2.2. 单点自适应控制
信号机单点运行时可采集实时流量、占有率等数据，数据经过处理后通过优化软件对信号周期
时长和绿信时间进行优化，提高交叉口通行效率，达到单点的最优控制。
2.2.3. 干线绿波控制
在城市交通中，交通干线承担了大量的交通负荷，通过协调控制的方式保证干线交通的畅通，
对改善城市交通状况具有很大的作用。
在干线协调中，路口信号控制有一个明显的规律：绿灯时车辆以车队形式通过路口，而当路口
前的车辆放空后出现断流，路段上出现空闲时间，放行相交方向的交通流。根据上述规律，我们将
针对整个信号控制系统中涉及的道路和路口进行干线控制线路，优先保证这些干线方向运行畅通，
提高交通信号控制的整体效应。
2.2.4. 区域协调控制
将重点区域及相关联路口划为同一个子系统，有多个子系统组成一个区域，子系统内各个路口
均配备交通流量检测器。系统能够根据各路口检测的交通流信息自动进行交通控制参数的优化并执
行优化后的配时方案，实现区域协调控制，提高区域通行能力，解决城市交通中存在的结点区域。
2.2.5. 远程手动控制
系统按等级设置用户权限，当发现紧急情况下需要人工干预时，拥有权限的用户将对需要控制
的路口进行人工干预，待路口秩序恢复正常情况后切换为自动控制。
2.2.6. 路口排队溢出控制
路口出口处排队溢出，造成路口拥堵，影响其它方向车辆行驶，在这种情况下，系统进行饱和
控制模式，避免排队上溯，避免大范围拥堵；减少上游路口绿灯，极限时不放行绿灯；增加下游路
口绿灯，如图 3 所示。
2.2.7. 紧急车辆优先控制
系统能够按预定时间和预定路线进行信号优先控制，以满足重大活动、重大事件及特殊警务的
通行需求。系统能响应特殊情况下的警务、消防、救护、抢险等特种车辆的紧急请求，使车辆迅速
通过沿线路口。
智能交通产品与技术应用汇编
140
图 3 路口溢出控制图
2.2.8. 公交优先控制
系统具有多种科学合理、灵活实用的公交优先控制算法并能执行相应的优先控制，以满足一般
公交优先、双向高频度公交优先或多方向公交优先的需求。通过在公交车辆安装特殊发射装置（RFID
标签）或在公交专用车道上设置车辆检测器采集公交车辆的交通需求，通过专门的公交优先算法，
给公交车辆以适当的提前放行或绿灯时间延长。
2.2.9. 故障降级控制
故障降级机制，系统运行安全可靠，中心软件可监视系统内所有设备的运行状况，在设备发生
故障时产生报警，系统在出现严重冲突如绿冲突、某信号组所有红灯均熄灭或信号灯组红灯、绿灯
同时点亮时，信号机应能立即自动切断信号输出通道，转入黄闪或关灯状态。信号机设有独立黄闪
器，即使在信号机主控制器故障的情况下仍然能进行黄闪控制，系统依次降为：系统控制→单点控
制→黄闪。
2.2.10. 环形线圈交通流检测器接入
环形线圈检测器是传统的交通检测器，是目前世界上用量最大的一种检测设备。车辆通过埋设
在路面下的环形线圈，引起线圈磁场的变化，检测器据
此计算出车辆的流量、速度、时间占有率和长度等交通参数，并上传给中央控制系统，以满足
交通控制系统的需要。此种方法技术成熟，易于掌握，并有成本较低的优点。
作为目前检测精度最高、建设成本低、技术最成熟、不受天气等因素影响的流量检测方式，地
感线圈检测依然适用于小型车辆占多数、道路改造较少的城市道路，但是建设过程中需要占道施工、
维护比较麻烦的缺点阻碍了线圈检测技术的大范围的推广。
Queue Overflow Detector Signal Controller
智能交通信号控制系统
141
智能交通信号控制系统
河南胜之源智能科技有限公司
一、系统概述
随着近几年中国城市的快速发展，人民生活水平提高，城市汽车保有量持续增加，城市道路拥
堵日趋严重。利用先进的交通信号控制系统，可以有效管理交通流量，缓解交通拥堵，提高道路的
通行能力和利用效率，从而提高整个城市的交通管理水平，保障城市交通秩序的正常运行。
胜之源智能交通信号控制系统中心平台是集设备基础信息管理、运行实时监控、特勤任务管理、
控制策略优化、数据统计分析、系统综合管理等为一体的综合管理平台。目前郑州市智能交通信号
控制平台采用胜之源智能交通信号控制系统，系统已对郑州市主城区 1800 多个路口实现联网联控，
并实现了对区域内 300 多个路段的双向绿波协调优化控制。
二、系统功能特点
（一）、多家平台无缝集成、信号数据实时共享
系统遵循国家及行业标准，支持并对接城市交通大脑、自动驾驶系统、车路协同系统、统一集
成指挥平台等多家系统平台，实现了信号数据的实时共享。支持私有协议，可以与多家信号机厂家
的设备和平台进行无缝对接，实现平台集中控制。
（二）、多项功能可视化操作、直观高效操作简洁
平台系统可视化设计，简单快捷的操作界面，数据信息直观形象多维度展现。可实现在线状态、
路口配置、方案配置、实时灯态、交通流量等多项功能的可视化操作。
（三）、中心特勤线路控制、视频追踪全程监控
根据中心平台设定的特勤线路，通过平台控制特勤线路上的路口信号机来实现特勤车辆的绿灯
通行，同时可通过关联路口的监控画面，视频追踪车辆轨迹，实现特勤线路全程实时监控。
智能交通产品与技术应用汇编
142
（四）、车载领航驱动放行、线路轨迹实时可控
通过在执行特勤任务的车辆上配置车载设备，规划出行线路，开启领航后通过设备的定位信息
实时上传平台，实时监控车辆行车轨迹，通过自研驱动算法，根据保障级别和路况信息提前对前端
信号机进行锁定、释放，保证车辆顺利通行，事后对线路执行情况进行评价。
（五）、特种车辆临时授权、紧急事件优先放行
对未在平台备案的临时特种车辆或紧急事件普通车辆，通过小程序申请特殊授权，授权通过后
开启特勤线路，平台根据设备位置信息，自动计算路口放行策略，当特勤车辆即将到达某一路口时，
平台根据所计算的放行策略为特勤车辆放行。
（六）、干线协调绿波调优、仿真模拟实景操作
针对整个信号控制系统中涉及的道路和路口进行干线线路设置，对干线线路所涉及的路口设置
相同的运行周期，通过可视化的时距图拖拉调整路口相位差（如图 1 所示），来实现干线线路的绿波
通行。调整后的绿波方案可以通过仿真模拟的方式进行验证并下发。仿真系统通过对路口信息、渠
化、流量等数据进行路口实景仿真，将道路通行能力进行模拟，提供可视化的通行能力展示。同时
作为验证工具，通过输入不同的信号控制方案，来检验新方案的可行性。并通过自身的评价系统迭
代信号控制方案直至最优。
图 1：干线绿波时距图
智能交通信号控制系统
143
（七）、通行状态多维研判、分析效果图形展示
平台支持多种流量检测设备接入，通过前端流量检测设备收集的路口最大排队长度、路口总流
量时间分布、流向流量比、平均延误时间等流量数据进行多维度的统计分析，统计结果通过图表形
式在平台进行展示，方便数据对比分析、对路口通行状态进行研判。
（八）、系统运行实时监控、安全指数自动评估
通过首页大屏展示信号机上线情况，位置分布，路口实时的状况信息，排队长度，通行率等参
数，可以实时检查某个路口的流量，路口监控，以及实时视频信息等，并对路口通行状态和安全指
数进行自动评估。系统界面如下图（图 2）所示：
图 2：系统界面
三、案例说明
（一）、航海路东三环-万三公路双向绿波调优
1、优化内容
航海路东三环到万三公路全长共 15 公里有 28 个红绿灯路口，基本为双向 8-10 车道，道路中央
有绿化带，基础交通设施完善，道路条件较好。但因该路段为进出市区的主要路段，周边分布着工
厂、事业单位、居民区、学校、商业街、中心广场等交通吸引点，并且连接着京港澳高速、东三环、
东四环等主要高速通道。道路车流量较大，停车次数多，等待时间久，高峰时段道路积车严重，各
路口缺少协调控制，通行速度不稳定，严重影响市民出行效率。
根据各路口的流量特性将该道路分为三段进行设计，分别为航海路东三环到航海路东四环（全
智能交通产品与技术应用汇编
144
长 2.7 公里，7 个红绿灯路口）（如图 3）、航海路第二十大街到航海路宇龙北街（全长 2.4 公里，7
个红绿灯路口）（如图 4）和航海路凤栖路到航海路万三公路（全长 1.3 公里，3 个红绿灯路口）（如
图 5），通过平台时距图来进行双向绿波设计。
图 3：航海路东三环到航海路东四环
图 4：航海路第二十大街到航海路宇龙北街
图 5：航海路凤栖路到航海路万三公路
智能交通信号控制系统
145
经过数据收集与分析，在满足交叉口通行能力的基础上，综合考虑各路口停车次数和排队时间
等因素，设计双向绿波方案进行联动协调控制，形成双向绿波带。
2、优化结果
航海路东三环到航海路东四环优化结果如下图（图 6）所示
图 6：航海路东三环到航海路东四环优化前后效果对比图
航海路第二十大街到航海路宇龙北街优化结果如下图（图 7）所示
图 7：航海路第二十大街到航海路宇龙北街优化前后效果对比图
航海路凤栖路到航海路万三公路优化结果如下图（图 8）所示
智能交通产品与技术应用汇编
146
图 8：航海路凤栖路到航海路万三公路优化前后效果对比图
通过对本路段双向绿波协调优化后，全程共减少了停车次数 10 次以上，行程时间缩短 50%以
上，行车速度平均提高 100%以上，优化了路口流量，减少冲突点和交叉点，提高了出行效率，改
善了交通状况。
四、产品介绍
（一）XH-CW-GB-3000 型集中协调式交通信号控制机
XHJ-CW-GB-3000 型集中协调式信号机采用当代最新技术研制而成，融合了现代嵌入式技术，
现代工程学等多种科学。整个控制机由四类板构成，分别为：主控板（A7）、电源板、信号驱动板、
车辆检测板。产品外观如（图 9）所示：
产品参数：
采用嵌入式 Liu 这内核，具备无缆协调、自适应、公交优先、中心协调、匝道控制等功能，
可接入地感线圈、视频、地磁等流量检测设备，支持两种以上自适应模式，公交优先可实现相位延
长、跳转及插入相位等。
采用工业 CAN 总线结构，配置达 32 相位，特殊需要可扩展到 64 相位。
采用多 CPU 分布式控制方式，主控板出现故障时，仍能按原配时方案保持正常工作。
配备 96 个独立的信号灯输出端子。
无线配时接口，无需要使用连线，即可进行配时方案设置。
液晶显示屏，可实现人机对话实现现场配时方案设置。
内置 5G 路由器，轻松实现 VPN 专线与控制中心联网。
内置 GPS/北斗自动对时模块，无需中心联网，便可实现主干道单向、双向绿波控制功能。
智能交通信号控制系统
147
（a）：信号机正面 （b）：信号机内部
图 9：XH-CW-GB-3000 型集中协调式交通信号控制机
增加路边单元通讯接口，支持华为、宇通等其它厂家 SU（路边单元），可为无人驾驶汽车
提供实时的信号灯状态；并具有无人驾驶协调控制案例。
（二）、雷视融合一体机
融合雷达和视频的优点，实现对道路的全天候感知、全要素感知。可以提供车流量、车辆长度、
速度、占有率、事故检测、车辆和行人分类等信息。产品外观如（图 10）所示：
产品参数：
沿来车方向正常检测区域可达 350 米；
同时检测可达 8 个车道，跟踪多达 256 个目标；
检测每车道平均速度、占有率、车头时距、车间距、排队长度等交通数据；
区间信息检测，包括区间车辆数、空间占有率、区间平均速度等信息；
可对交通异常事件进行检测，包括异常停车、逆行、变道、超高速、超低速、未保持安全
车距、排队超限、缓行、拥堵；
接口：RJ45：采用前向检测方式，支持正装和侧装，可方便地利用既有杆件，安装高度 6~8
米；
支持网络远程调试、升级；
温度：-40℃~+85℃；湿度：最大 95%；
电源：24VDC；
功率：<12W；
过压和防雷保护：IP67 防护标准；
MTBF≥100000h，7*24 连续不间断工作。
图 10：雷视融合一体机
智能交通产品与技术应用汇编
148
现代交通治理
上海天源迪科信息技术有限公司
袁 勇
一、前言
随着探索积累和新技术方法的不断涌现和应用，各级政府和公安交通管理部门正在深入推进体
制机制改革和科信应用建设，整体态势趋向更积极、手段应用更先进、预期效益更务实。但仍存在
一些建设预期落差，如智能交通工程超前建设与当前交通管理需求不适配，实现效益远低于预期，
应用生命周期短等，新型“烟囱“和”孤岛“的形成等，归根到底是对未来业务发展理念的认知不
清晰而导致规划设计中目标路径的偏离造成的。在国家治理体系和治理能力现代化建设新形势新要
求下，政府交通供给侧需要通过业务蓝图规划、务实改革和落地建设，推动符合经济发展和公众交
通需求的质量变革、效率变革、动力变革。
二、交通管理高层次转型
当前政府和公安交管部门正处在以数字化、智能化技术及支持能力（以下简称：数智技术能力）
为驱动进行高层次转型，构建现代化交通管理模式的进程中。现代化交通管理模式和体系建设是转
型目标，数智技术能力是推进转型的新能源动力。经历智能交通十多年的探索实践，应认识到高层
次转型的路径是：（1）设定和趋近组织的高层次业务愿景和蓝图，这是转型成功的关键必要条件；
（2）以数智技术能力为动力创新实现新效能、新模式；（3）对组织活动、流程、业务模式和能力进
行重新定义。（2）和（3）在转型过程中相互作用形成正效益并不断演进完善，形成与时俱进、现代
化交通治理体系和能力制度。
三、变革呈现
交通管理高层次转型需要在业务理念、组织能力、机制运作方面实现变革，得以实现跨越性的
效益增幅，突出表现为以下方面。
（一）管理到治理
治理和管理主要差异在于（1）治理着眼于客观存在的现象问题如何排解，而管理更注重
现代交通治理
149
规则边界是否违反。（2）治理有更强的主动性，而管理是被动验证匹配。（3）治理更具革新性，
在合法合规下变通执行的同时多方推动规则边界的优化和改革。管理以规则边界为准绳，无法
变化就难以参照执行。（4）治理具有更佳能动性，能够多方协同协调。而管理受限于规则边界，
看不宽走不出干不了。（5）治理是更高层次的行政模式，当然需要更多的能力资源匹配，也正
因如此治理视数智技术能力为刚需。而管理无法提出，也无需这些能力，当然也无法实现跨越
性效能提升。
随着城市化和经济发展，城乡交通问题艰巨性和复杂性日益增大。大多数交通顽疾，如交通事
故人身财产损失，潮汐大范围拥堵，行人非机动车秩序乱象，隐蔽流动的交通违法行为造成的安全
风险隐患，都难以通过传统管理模式予以缓解或消减。党和国家提出治理体系和能力现代化建设，
不断提升人民安全感、获得感、幸福感的要求，是顺应社会经济持续发展的客观需求，因此全面开
展交通治理，实现从主动发现、积极干预、协同解决、新秩序建立的效能循环，应设定为高层次转
型的核心业务愿景。
（二）模糊感受到量化认知
“行“，现代社会生活的基础构件，从微观到宏观影响社会、经济、自然、生态和文化各个方
面，其运行状态会直接或间接地对经济社会发展产生正负向效应。政府交通管理部门工作需要及时
把握交通运行状态，实施调控措施，保证交通成为经济社会发展的正向驱动力。以治理理念为内部
驱动，实现高层次转型要突破交通管理主体对客体的感知局限，提升行使权利和实施干预的认知决
策能力。
随着智能感知、数字孪生等技术的日益成熟和应用，对交通运行全面的、敏锐的掌握，以及可
量化评估的认知决策模式，成为变革跨越的重要呈现。包括三个方面，（1）使用智能感知设备发现
个体动态，进行行为的挖掘刻画，开展违法嫌疑查控和文明交通行为教宣督导；（2）由个体到群体
的态势感知，捕获秩序“堵、黑、乱、漏“点，进行精准的防控部署；（3）以法律法规约束和实际
交通管理需求为度量进行情景认知，支持交通资源配给、组织优化、打击整治的工作开展。数智技
术通过机器视觉、云边端计算、区域动态信控、互联网服务、数字路网、态势分析、情景认知等平
台应用助力实现。
（三）手段匮乏到能力优势
通过数智技术能力应用为交通管理提供科技支撑，根本上改变工作难起手，少抓手，落实手段
匮乏，效率低下的局面。实现由问题难以解决到形成应对各类问题均具备优势能力的跨越，形成交
通态势感知的敏锐优势，违法打击管控的情报优势，防控整治开展的力量优势，以及处置反应的速
度优势。使用路端技术装备、大数据资源能力、智能识别、地理信息、Ai 能力、模型计算、融合通
信、智能调控、移动应用等先进能力服务，通过资源化、能力化、服务化、实战化建设为交通治理
提供全方位、全过程的能力供给。通过交通动态数字映射主动发现现象情况，数据分析清晰辨识对
象、致因和趋势，知识智能学习支持策略决策，精准聚力于突出问题矛盾的排解缓解，立体迅捷的
完成指令任务信息的传递，将数智技术能力贯穿融合于交通治理环节过程中，力推交通治理质量效
率变革。
智能交通产品与技术应用汇编
150
（四）个体能动到体系运作
通过不断优化现代化交通治理体系，实现优化治理结构，改变“条块分割”，在治理决策、组
织、执行、监管方面进行优化，同时完善协同协调机制，避免政出多门、推诿抵消、基层负担加重。
落实大数据智能化、情报支撑效应；加强交通治理方案部署，提升科学性有效性；运用数字化能力，
融合业务流、数据流、管理流。
现代化治理体系如下图所示。机能构成方面包括：动态感知，对道路交通动态的全面、精准、智慧
的感知；情报研判，对道路交通安全群体态势和个体行为的认知，发现现象，研判有价值的治理情报；参
谋方案，对认知情报提出相应的对策方案；决策指挥，判断决策和指挥组织实施治理任务；执行控制。根
据指令任务执行相应的警务工作；管理督查，通过自评、自督、自训不断提升素质和能力。
功能衔接方面包括：绩效执行，各机能单元以绩效为导向，精益地贡献和输出成果；情指为中
枢，情报指挥单元发挥大脑运算组织和神经传导的中枢作用，使各单元有机运作发挥体系绩效；协
同运作，各机能单元相互协作协同，发挥各自功能作用，达成实现各种问题解决和优化提升工作；
督查监管，以数据为基础，量化评价和监测体系运行和单元执行情况，不断完善提升。
能力呈现方面包括：感知力，是对交通情态动态情况的感受、认知能力，在数字化背景下，大数据、
智慧感知技术不断发展的条件下，这是公安交通管理部门已有条件、必须具备且需不断提升的基础能力；
认知力，是主观对非主观事物的反映能力，认知力越高，越能反映事物的本质。交通治理中对交通事故致
因的判断能力，即为认知力。情报力，通过对交通行为、动态变化的收集监测和分析研判，获得反映客观
事实和趋态发展判断，从而体现管理主体的变化敏感，进行及时应变的能力；决断力，依据形势判断进行
果断科学决定，并形成实现路径方法，付诸实施的能力；执行力，指的是贯彻战略战术意图，完成预定目
标的操作能力。是把治理决策转化成为效益、成果、战果的关键。执行力包含完成任务的意愿，完成任务
的能力，完成任务的程度。对单兵而言执行力就是警务能力，对团队而言执行力就是战斗力；完善力，通
过监管、督查、评价、培训、教育使组织在业务执行、队伍建设、能力素质等不断提升的能力，需要保证
持续优化、不断提升的持久性。体系运作机能配置如图 1 所示。
图 1 体系运作机能配置图
现代交通治理
151
四、正确认识转型困难
传统交通管理理念根深蒂固
习惯于多年的工作机制和模式，难以朝夕间发生翻天覆地的改变。“现在挺好为什么要变？”，
“不要再增加工作负担了”的声音在转型过程中时有听到。高层管理者认知改变和坚持推进的同时，
可以组织业务骨干开展跨地域、跨行业的借鉴交流，以别地成功经验和实战成果改变认知、坚定信
心。寻找和抓住交通管理切入点问题，试用现代化治理方法开展推进工作取得成效，逐步复制推广
到全组织、全业务场景。
缺乏必要的路径规划
急于数字化转型转变交通态势，转型规划未彻底理清路径和里程碑急于求成。同时可能忽略了
转型战略和业务的紧密关系，造成数字化建设和业务工作平行延展，两者关系联动单薄，阻碍了转
型目标的达成，甚至造成“阶级”分层。现代化交通治理转型是一个长期建设、持续优化的系统工
程，制定符合自身特点的目标、蓝图、路径和阶段的规划是必须的。
高层次转型人才短缺
转型需要掌握治理业务和应用数字能力的复合人才。不同于信息化建设，要求能够进行业务重
构创新；不同于使用业务传统解决方法，要求应用数字化能力。通过选、任、训、带培养转型人才，
使队伍有更好的素质来适应转型。
基层数字化价值应用难
当前交通管理基层工作的压力负担本就过重，转型过程中基层一方面是数字化的数据供给者，
又是数字化转型的成果使用者。如果不考虑基层感受强推表象的、面向管理的“数字化“、”智能
化“，势必造成对转型的负面认知。因此在转型规划时自上而下，但在落地建设时自下而上以数字
化价值服务于基层为宗旨贴近设计。
现代化交通治理高层次转型正在提速，进入数智技术能力和治理业务全面融合、聚合挥发效能
的阶段，机遇和挑战并存。
智能交通产品与技术应用汇编
152
全息数字孪生交通控制系统
苏州科达科技股份有限公司
蒋松涛 崔中发
一、方案概述
随着城市化水平的不断发展，城市路网承受的交通压力越来越大，如何应用信息化技术赋能交
通管理成为亟需解决的难题。全息数字孪生交通控制系统是在城市交通不断向数据标准化、数字化
发展的基础上，在感知建模、人工智能等信息技术取得重大突破的背景下，建设在新型智能交通体
系下的一条新兴技术路径，是交通智能化、运营可持续化的前沿先进模式，也是吸引高端智力资源
共同参与、实现从局部应用到全局优化、持续迭代更新的创新平台。
在实际应用中，全息数字孪生平台基于实时感知数据，建立虚拟空间映射，构建全息模拟空间，
并通过实时控制形成再感知的实时闭环控制系统，进而完成了交通控制系统从方案优化向实时优化
方向的转型。主要应用在城市路网运行状况的实时分析、城市交通方案的评估优化、城市重点目标
车辆的检测管理及协助交警提升执法办案效率等智能交通场景，服务于公安交警指挥中心、科技/
秩序科及下属交警大队相关业务部门。
二、建设目标
本方案希望通过全息数字孪生交通控制系统的建设，实现对城市道路交通参量的实时感知、道
路实时路况的精准模拟、布控车辆的实时预警以及信号优化策略的实时下发。预计实现目标如下：
（一）防控策略转变
通过建设全息数字孪生交通控制系统，大幅改变指挥中心普遍通过人工巡检大量视频监控的现
状，运用 AI 智能感知技术，实现城市路网交通运行状态由被动监测到主动防控方式转变。
（二）路网管控可视化
利用全息数字孪生技术，实现对城市路网的实时交通运行状态的平行仿真，便于交管人员实时
掌握路网交通运行状态，实现高效、直观、可视化的综合管控。
全息数字孪生交通控制系统
153
（三）助力城市交通信号优化
通过全息数字孪生交通控制系统分析道路实时交通流和历史交通流数据，对城市道路交通态势
进行精准预测，为信号优化、出行规划等提供数据支撑，有效提升道路通行效率。
（四）提升城市道路通行效率
利用大数据信息处理与分析技术，精确分析城市道路通行需求，实时优化路口交通信号灯配时
方案，提升道路利用率，缓解城市道路交通拥堵的压力，让城市道路更安全、更有序、更通畅。
三、系统架构
全息数字孪生交通控制系统共分为数据感知层、数据汇聚层、系统支撑层、业务应用层和用户
展示层五层架构（整体架构如图 1 所示）。
图 1 智慧路网数字孪生系统总体架构示意图
系统数据感知层由前端视频监控、信号机、雷达、诱导屏等交通采集设备构成，可实现道路信
息的全面获取和动态感知。
数据汇聚层负责将前端数据通过不同网络回传至中心，完成视频监控、信号控制、交通参量分
智能交通产品与技术应用汇编
154
析等诸多功能，用户也可在本层实现与六合一平台、互联网数据等其他应用共享平台的数据对接。
系统支撑层包含实战业务软件支撑服务、交通地理信息系统和系统管理中心，其中硬件支撑包
括应用服务器的搭建、大数据服务器集群的搭建等；软件支撑服务包括数据中台、解析中台、媒体
中台的构建。
业务应用层在数据深度挖掘处理的基础上，结合全息数字孪生交通控制系统实际业务需求，形
成实时交通模拟、车辆追踪、交通态势预测、实时信号相位展示、信号优化等应用模块，最终展现
在用户展示层，服务于公安交警部门。
四、系统功能
（一）交通态势感知
基于全息路网建设的多样化前端感知设备，系统可以实时获取道路交通流数据，同时对整个路
网及某个路段的车流量进行统计，分析路网拥堵程度、通行效率、饱和度分析等，并基于分析结果，
实现对未来一段时间内道路流量趋势、通行能力、拥堵情况的多维度预测。系统示例界面如图 2
所示。
图 2 交通态势感知系统界面示例
（二）多点设备联动
基于数据感知层建设的 AR 高点全景监控设备和多类型低点监控设备，系统可以实现前端相机
的“高低联动”、“低低联动”。
一方面，系统支持将低点相机捕捉到的车辆属性信息和位置信息提供给高点 AR 全景监控相机，
由高点相机实时追踪车辆行驶轨迹（车辆追踪效果如图 3 所示）；另一方面，系统支持由低点相机获
取车辆属性信息、由雷达采集车辆通行速度和行驶路径，实现基于低点相机与雷达联动的车辆行驶
轨迹获取。在系统捕捉到车辆行驶轨迹后，系统会复刻路线、标注车辆号牌信息并以画中画的形式
全息数字孪生交通控制系统
155
展示实时交通态势，将车辆绝对坐标反馈给全息数字孪生平台。
图 3 AR 高点视频高低联动车辆识别追踪
（三）实时交通仿真
交通实时仿真系统由路网构建系统、实时交通信息系统、仿真控制交互系统、仿真结果评价系
统和相关数据存储系统组成。
1．路网构建系统
路网构建工具主要对仿真需求区域路网进行配置以及对其他数据格式路网进行适配转换工作。
主要由包括路网编辑、基础信息配置、数据格式适配构成。
2．实时交通信息系统
实时交通信息系统负责接收交通路网中的实时交通态势数据、路口信号配时方案、路网交通事
件、卡口电警过车系统、交通诱导信息等，并与仿真控制交通系统进行通信。其组成结构主要包括
实时交通态势、路口信号配时方案、交通诱导信息发布、交通事件管理。
3．仿真控制交互系统
仿真控制交互系统在整个系统中起中枢作用。主要包括实时交通信息交互管理、仿真进程控制、
仿真计算资源管理、仿真进程展示、模型方案选择。并将仿真结果发送至仿真结果存储系统。
4．交通仿真节点系统
平行交通仿真节点系统根据仿真需求，计算资源需求后进行正式仿真。首先对所要仿真区域的
路网进行逻辑结构构建并回馈控制系统，等待仿真控制交互系统的进程推进指令，收到指令之后，
根据交通进行实时交通生成工作，即完成交通情况从实际到仿真的转化。同时，根据历史的卡口过
车数据，动态输入新生成的交通流输入，使仿真车流的控制能真实世界尽量拟合。
5．仿真结果评价系统
评价指标综合考虑了机动车、行人等各种交通参与者，指标体系架构如图 4 所示：
智能交通产品与技术应用汇编
156
图 4 信号控制效果评价指标体系
在现实世界和平行仿真系统中的合适位置布设交通数据采集点，配置仿真评价功能，获取诸如
道路实际通行能力、道路区段平均行程时间和平均车速、交叉口车均延误、进口道车辆排队长度等
评价数据，同时考虑行人在现代交通系统中的重要性，设置了行人一次过街率、行人平均等待时间
作为评价指标，以上述各种指标作为备选措施和方案比选的主要依据。
（四）交通信息发布
系统支持针对交通管理过程中发生的事故、拥堵、施工占道和突发事件，按照交通管理需要及
时将制定的交通管制、线路诱导、到达点调度等策略推送至交通诱导屏和互联网导航软件。通过路
况和出行信息的共享，实现交通分流，达到防止交通态势加剧的目的。
此外，在日常交通管理过程中，系统也可发布交通安全相关的宣传警示标语，或对接周边大型
停车场停车智能引导系统、城市停车诱导系统，发布停车信息诱导，从而有效疏导交通，促进行车
安全。控制信息中心远程控制示例界面如图 45 所示。
图 5 控制中心后端可变交通信息板系统界面示例图
全息数字孪生交通控制系统
157
（五）道路信控优化
系统支持对交通信号控制机进行方案配置、策略优化、手动控制等功能，实现基于控制运行信
息和交通流数据的信控优化方案。
1．路口瓶颈控制
1）路口排队溢出控制
针对交叉口出口道出现的车辆排队溢出导致的路口拥堵现象，系统支持开启饱和控制模式。通
过减少上游路口绿灯时长、极限时不放行绿灯以及增加下游路口绿灯时长的做法，达到避免排队上
溯而造成更大范围的拥堵的目的。
2）路口溢出拥堵控制
针对道路下游路口遇堵导致车辆排队且溢出至上游路口的现象，系统可通过对上游路口执行全
红信号，待排队车辆驶离路口后再行恢复信号周期的操作，达到缓解路口溢出拥堵、疏导道路瓶颈
的目的。
2．绿波协调优化
在城市交通中，针对城市干线道路的交通负荷大、通行效率低的问题，系统构建了绿波优化模
型算法。基于绿波协调控制的优化思路，可建立上行绿波优化、下行绿波优化、双向绿波优化三种
绿波控制模型（绿波构建模型界面如图 6 所示），进而创建相关协调计划，警务管理人员也可根据实
际交通情况进行协调方案的人工调整，优先保证干线方向运行畅通，提高交通信号控制的整体效应。
图 6 绿波协调优化界面示例
3．区域协调优化
若将重点道路及相关联路口划为同一个路线，当路线和路线之中有连接路口时，相关联的路线
会形成一个区域。系统能够根据各路口检测的交通流信息，自动进行交通控制参数的优化并执行优
化后的配时方案（区域路线优化示例如图 7 所示），进而提高区域的整体通行能力，缓解城市交通中
智能交通产品与技术应用汇编
158
存在的区域性道路拥堵问题。
图 7 区域协调优化示例界面
（六）特勤线路保障
1．特勤预案
系统支持基于 KGIS 地图进行特勤路线控制。针对各项重大活动、重大事件及特殊警务工作的
道路通行需求，系统可为警务人员提供设置多条特勤路线的信号控制预案功能，在配置特勤线路时，
可查看和编辑特勤路线中涉及的节点和对应设备，实现空间可视化操作，同时汇集多区域信号机路
口，实现跨区域的特勤线路编制及方案控制。
2．特勤任务执行
中心用户可下达执行特勤路线任务指令，其随行车队即可获取系统提供的信号优先服务，保障
特勤车辆按预定的路线实现绿波通行；在正常完成信号优先任务或现场用户下达终止信号优先任务
指令后，系统将自动解除路口信号机的优先相位锁定状态，使其恢复执行正常的信号控制方案。
系统支持在特勤保障方案制定、执行过程中均采用图形化操作，警务人员可以在模拟的信号环
境中进行特勤任务预演。在开展特勤保障任务的过程中，系统支持同时进行多条特勤路线的执行、
监视操作，帮助指挥中心实现全局把握、高效协同。
（七）特殊交通控制
1．故障降级控制
系统支持在信号控制管理平台端监视系统内所有设备的运行状况，若系统运行过程中出现绿冲
突或信号灯组红灯、绿灯同时点亮等严重冲突的情况，信号机会立即自动切断信号输出通道，转入
全息数字孪生交通控制系统
159
黄闪或关灯状态，避免带来进一步的道路交通秩序混乱。
2．行人过街控制
交通信号控制机支持接收行人立柱采集的行人等待红绿灯信息、行人按钮信号输入，可在路口
和路段响应行人按钮的行人过街请求，实现一次过街和二次过街控制功能。
五、主要前端设备介绍
（一）900W AI 超微光智能抓拍单元
IPC695 智能抓拍单元作为科达的一款明星产品，在前端视频检测方面发挥着重要的作用。在城
市道路沿线安装一定数量的卡口、电警设备，可帮助全息数字孪生交通控制系统实现道路全路段监
控的全覆盖、无盲区。高清抓拍摄像机采用一体化设计，承担视频图像分析、车辆图像采集取证、
牌照自动识别、压缩存储等功能，可通过跟踪车辆特征信息、分析车辆运行轨迹等多重检测手段判
定运动目标运动特征，产品外观图片如图 8 所示。
（二）AR 全景监控设备
IPC980 作为一款全景特写一体化球型摄像机，充分利用增强现实、3D 定位、人工智能等技术，
通过 AR 高点全景摄像机获取监控点全景视频，与视场内低点摄像机联动，从而实现既关注整体又
兼顾局部的大范围立体监控与视频联动，能够以画中画展示低点摄像机视频，做到可查询、可
搜索、可定位、可描述、可预警、可联动，大大改善监控系统的应用模式，提高实战效率。产品外
观如图 9 所示。
图 8 AI 超微光卡口抓拍单元外观图 图 9 IPC980 全景特写一体化球机外观图
（三）大场景广域雷达
HT-MTTR-L1 大场景广域雷达突破了传统交通测速雷达功能范畴，具备超大场景采集功能，专
用于智慧路口场景下的道路交通信息感知，主要用于智慧路口车辆检测，可靠性强，最大探测深度
可达 250 米。产品外观如图 10 所示。
（四）交通信号控制机
交通信号控制机采用嵌入式 Linux 操作系统，可充分提高设备稳定性和扩展性；硬件结构采用
智能交通产品与技术应用汇编
160
模块化设计，提高设备安装、维护、组装的便捷性；内部集成多源交通数据实时检测功能，既可与
指挥中心、区域控制机联网获取执行中心或区域下达的控制指令，也可联合路口数据采集系统作为
智慧路口自适应信号控制机独立使用。产品外观如图 11 所示。
图 10 大场景广域雷达外观图 图 11 交通信号控制机产品外观图片
（五）边缘计算终端
AI BOX-16 边缘计算终端具有强悍的计算性能，优秀的算法和完善的应用。主要用于智慧路口
边缘计算应用场景，提供交通流数据采集，支持与科达信号机联动实现自适应控制。体积小巧、应
用完善，易于二次开发。产品外观图如图 12 所示。
图 12 边缘计算终端外观图
六、总结
全息数字孪生交通控制系统应用 AI 智能感知设备对机动车、非机动车、行人等交通要素实现
全时空捕获，结合全息数字孪生技术为用户提供数字化平台，将实时交通流呈现在一个可视化的模
型中，真正做到全路段全局可见，为交管部门提高路网管理效能提供数据基础和决策支持；同时应
用大量的数据分析模型实现对城市道路交通态势实时感知、布控车辆实时预警、信号控制实时优化，
实现城市路网精细化管理、交通信号精细化控制，有效提升城市路网通行效率。
基于车路协同的交通信号控制
161
基于车路协同的交通信号控制
沈阳天久信息技术工程有限公司
闫金海
1 引言
在新基建背景下，我国车路协同的后发优势更大，已经为智慧交通规划的重要组成部分，并在
政府的引导下展开有序竞争；车路协同补足单车智能的柳暗花明之路，目前还处于协同感知的早期
阶段。车路协同是一种采用先进的无线通信和新一代互联网等技术，全方位实现车与车、车与路、
车与人之间动态实时信息交互，并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控
制和道路协同管理，充分实现人车路的有效协同，保证交通安全，提高通行效率，从而形成安全、
高效和环保的道路交通系统。车路协同产业链潜力巨大，未来有望成为新一轮科技创新和产业竞争
的制高点。车路协同可以加速自动驾驶规模商业化落地。
车路协同业务实现逻辑图
智能交通产品与技术应用汇编
162
城市交通信号控制系统是智能交通的主要组成部分之一，是智能交通发展程度的直接体现，发
展程度的直接体现，它通过单点、干线和区域协调等式，根据交通模型进行优化配时，提高交通通
行能力、降低车均延误和停车次数，实现路网交通流的优化调控。
本世纪初至 2010 年左右，我国的交通控制主要使用国外的控制系统如 SCOOT、SCATS 等。近
年来，我国交通信号控制的研究和开发取得了较大的进展，出现了多家国产的交通信号控制系统。
随着智能车和路侧系统等技术的发展，车路协同的交通信号控制将成为今后的发展向。城市智能交
通系统由公交子系统、出租车子系统、轨道交通子系统、专车子系统和社会车辆子系统等组成，各
交通子系统间存在着复杂的耦合关系，一个交通子系统的规划、建设和运营需考虑其他子系统，因
此，协同式智能交通系统是通过各交通子系统的协作运行，来实现对城市交通系统的全局优化管理
与调控。
协同式智能交通系统对各交通子系统建设的决策与运营管理，居民出行方式的选择与改变，大
型活动协同调度与疏散、灾害情况下的应急处理等都将发挥重要作用。
2 交通信号控制挑战
交通信号控制面临的挑战可以从两个维度来看，首先，我国目前无论是一线城市还是三四线城
市都面临同一个问题，同一城市内有多种品牌的交通信号控制系统，彼此之间不能互联，造成现状
的原因有多种，如历史遗留问题，设计规划缺少前瞻性等等问题；此次，基础传感器的局限性，大
多数交通信号研究人员都将基础设施传感器（例如地磁或摄像机）用作交通状况信息的主要来源。
交通控制系统主要依靠手动收集的交通流量计数和来自这些基础设施传感器的数据。交通信号计划
是根据一天中经过调整的到达车辆制定的。然而，点检测器和视频检测器具有许多缺点。点检测器
仅记录车辆经过时的位置。没有轨迹信息，例如车辆的速度，位置和加速度。由于车辆的严格制动
和加速行为，停车处的探测器故障率更高。另外，检测器的维护既费时又昂贵。视频探测器的性能
可能会受到环境条件的不利影响，例如光照（引起视频探测器故障最多的条件）和天气。
互联车辆和 V2X 技术无需依靠地磁检测器之类的基础设施传感器，可以通过互联车辆（CV）
技术改变城市交通信号控制。CV 启用了车辆到所有（V2X）的通信，并通向智能交通系统，所有
车辆、道路使用者和基础设施系统都可以相互通信。可以应用各种通信技术，例如蜂窝、Wi-Fi、卫
星无线电或专用的短距离通信（DSRC）。CV / V2X 将提供有关交通状况的更多信息，从而有助于减
少交通拥堵、降低事故率、最大化交通流量并减少排放。通过车对车（V2V）通信，可以在附近的
车辆之间交换车辆位置，速度，加速度等。借助车辆到基础设施（V2I）通信，车辆可以将信息（例
如车辆轨迹，交通状况和信号定时）传达到交通信号，工作区，收费站和其他类型的基础设施。有
效的利用车联网来对交通信号控制进行优化，以交通路口的应用场景为例，能够把车辆的车速、车
间距、加速度与交通信号当前的相位状态、相位时长、相位顺序、倒计时时间等进行数据互享，从
而能够有效的对交通路口的交通信号配时进行优化，及时有效调整路口周期时长以及各个相位的绿
灯时长，既可以对单一路口也可以对区域最小系统的多个路口同时调优，以达到区域优化的效果。
下图为单一路口的应该用场景。
基于车路协同的交通信号控制
163
场景图
3 车路协同和交通信号控制
与传统的交通信号灯操作相比，V2V / V2I 通信带来了新的范例。交通管制者可以从 CV 中收集
实时数据（位置、速度、油耗参数），然后对数据进行处理以优化交叉口、线控或区域的信号定时计
划，以最大程度地减少延迟，停止，以及对环境的影响。车路协同的路侧终端也可以获取当前路口
的交通信号的实时状态，通过加权及预估算法反馈给交通信号控制系统，如此形成闭环控制，从而
使得交通信号定时控制方案处于最优状态。车路协同与交通信号控制的融合目的是优化基于 CV 数
据的交通信号配时优化技术，即有关车辆位置和速度的实时信息以及与信号控制系统的通信。研发
和评估在各种 CV 穿透率下路口的信号配时序优化方法，面向线控和区域开发协调的信号操作方案，
以优化多个十字路口的偏移量，并评估每个信号变化如何影响附近十字路口的信号时序；使用流量
进行交通模拟仿真工具测试和验证配时模型和算法。
4 交通信号控制的憧憬
通过车路协同构建数字化底座：路侧感知 + 车、路、网、云联接 + 边云协同计算，为智能交
通管控服务打下坚实的基础，同时为城市交通管控和治理注入新的血液和力量，解决城市交通拥堵
的痛点，实现感知与管控闭环控制。
智能交通产品与技术应用汇编
164
ITSwing 交通运输数字大脑解决方案
165
交通数字化篇
智能交通产品与技术应用汇编
166
ITSwing 交通运输数字大脑解决方案
中电鸿信信息科技有限公司
一、背景简介
昔日“连峰际天、飞鸟不通”，再有“阡陌交通，鸡犬相闻”，此后“一桥飞架南北，天堑变
通途”，今朝“大道通衢、八面来风”，漫漫人类历史，交通基础设施蓬勃发展、客货运输量迅猛
增长，交通行业不断变革。但同时物联网、AI、区块链、云计算、大数据等技术更迭对交通发展的
作用不明显，从日常运行监测到应急协同指挥调度，交通运输行业数据支撑共享能力不足、监测管
控力度不强、科学决策水平较差、公众信息服务欠缺，道路拥堵、非法营运、超限超载等现象仍大
行其道。
2021 年，交通运输部在《数字交通“十四五”发展规划》中强调：到 2025 年基本建成“一脑
（交通运输数字大脑）、五网、两体系”发展格局，提升行业监测和应用指挥能力、驱动交通运输治
理变革，交通运输数字大脑逐渐进入行业视野，成为“破局点”。
二、需求分析
智慧交通市场发展的驱动因素已从“管理安全”转为“提升效率”，随着交通大发展、管理目
标变化，行业问题也日益凸显。
（一）业务系统烟囱林立，数据共享被迫割裂
已发展 20 余年的智能交通行业信息化系统林林总总，但系统间各自独立、统计口径多样，出现
数据孤岛现象；同时行业缺乏统一标准，不同系统衔接配合较难，交通数据获取不易、共享能力低，
无法形成“横向到边、纵向到底”的行业监管体系。
（二）数据处理分析欠智，监管决策能力欠缺
综合交通管理全量、多维的交通数据往往离不开大量的服务器和前端设备，但系统难以自行判
断数据质量，低质量数据进入分析阶段，直接影响数据分析精度，不利于交通综合数据深入挖掘和
分析，无法为行业管理提供决策支持。
ITSwing 交通运输数字大脑解决方案
167
（三）出行服务内容单一，便民利民有待保障
社会公众的出行需求正从“走得了、走得安全”向“走得便捷、走得舒适、走得智慧”转变，
但目前行业监管部门提供的出行服务内容与公众期望存在较大的差距，主要在于人工信息维护导致
信息准确性和及时性不足；跨省信息服务过度依赖互联网或多类 APP、公众号等第三方服务商，出
行信息服务断档造成出行服务体验不佳。
（四）跨部跨行跨区联动，应急协调能力欠缺
大部分地区虽初步成立了以交通运输监管单位为主体的交通应急保障机构，但由于职能不明确
等现实因素制约，应急保障队伍和完整应急预案尚未健全，大量依靠人工指挥调度或电话信息传递，
致使应急处置工作仍处于“碎片化监管、被动式响应”的状态。
（五）疑似线索检出率低，非现场执法能力弱
传统交通执法面临执法门类多、巡查范围大、执法人员少等问题，已建系统数据质量不高，普
遍缺乏案件分析研判功能，积累的案件数据未能有效支持执法科学决策提供有效支持，交通隐患智
能研判效率不足，需进一步运用 AI 识别、大数据分析等技术，提升交通违法线索发现效率，扩展
非现场执法能力。
三、解决方案
（一）建设简介
基于以上背景，中电鸿信信息科技有限公司提出 ITSwing 交通运输数字大脑解决方案，面向交
通运输行业，基于云网融合、AI、大数据、区块链等技术，整合汇聚“人、车/船、路、场、设施”
等全量数据资源，打造集运行监测预警、应急指挥调度、专题分析决策、智慧交通执法、综合业务
管理和交通信息服务六大中心为一体的综合交通运行监测与应急指挥平台，实现“交通运输数据一
网进出、交通政务服务一网办理、公众交通信息一网知悉、行业监督管理一网掌控”。
（二）方案架构
本方案基于交通运输数据中台和业务中台，构建运行监测预警、应急指挥调度、智慧交通执法、
专题分析决策、综合业务管理和交通信息服务六大中心，赋能 TOCC、交通执法、公路治超、智慧
农路、重点车辆监管业务场景。
（三）系统功能
1. 运行监测预警中心
运行监测预警中心（见图 2）根据交通运行状况监测、预测和预警业务要求，融合互联网数据
资源，构建涵盖多领域、多专题、多维度的运行监测指标体系，动态监测、感知、预测、预警综合
智能交通产品与技术应用汇编
168
交通运行状态。
图 1 ITSwing 交通运输大脑方案架构图
图 2 ITSwing 交通运输数字大脑运行监测预警界面图
1）城市交通运行监测
利用二三维 GIS、北斗定位、实景视频监控、数字孪生等手段，构建涵盖城市交通客流、公共
交通、出租车（巡游、网约）等的运行监测体系，设定预警阈值，提供分领域日常监测、重要交通
点段、重大活动、重要节假日、恶劣天气等专题监测服务。
2）路网运行监测
融合监测设施智能分析、系统信息报送和公众信息智能检索等方式采集基础设施、应急资源、
交通运行、视频图像、重要基础设施运行、公路气象环境及运行状态评价等业务数据，构建运行监
测评价体系，监测、评价公路监测点、路段运行状态、公路网整体运行状态、公路网监测系统运行
状态等。
3）道路运输运行监测
对接道路运政服务、重点车辆联网联控、货运车辆监管等系统，监测“两客一危”重点车辆运
行情况，实时展现车辆空间分布，对车辆超速、异常聚集、驾驶员疲劳驾驶等监测预警，支持多维
度分析车辆运营状况。
2. 应急指挥调度中心
应急指挥调度中心（见图 3）基于 GIS 一张图展现日常路网、应急资源、应急预案等信息，形
成全粒度时空数据画像，针对公共事件建立统一应急指挥调度流程，实现跨区域、跨部门的“平战
结合”、指挥调度和协同应急。
ITSwing 交通运输数字大脑解决方案
169
图 3 ITSwing 交通运输数字大脑应急指挥调度界面图
1）应急资源管理
作为开展应急物资、装备及各类应急资源管理的核心，旨在有力支撑应急处置全过程，包括应
急专家、队伍、物资、设备、避难场所等。
2）应急预案管理
提供预案模板管理、预案编制和预案审核等服务，对突发事件处置、恶劣天气应急、道路施工、
重大活动等关键场景进行保障。
3）指挥调度管理
以“平战结合、线上线下联动”为原则，“平时”做好运行状态实时预警、违规告警工作，“战
时”确保跨区域、跨部门及时调度，根据预案启动应急响应，指挥人员与现场人员通过视频、语音
等形式协同会商，布置物资调度任务，跟踪记录任务执行情况。
3. 专题分析决策中心
专题分析决策（见图 4）深度融合、挖掘多源交通运输数据资源，为交通枢纽集疏运、公交
运力线网优化、城际路网运营、节假日出行预测等提供决策依据，提升城市交通建设、管理与
决策水平。
图 4 ITSwing 交通运输数字大脑专题分析决策界面图
4. 智慧交通执法中心
智慧交通执法（见图 5）实现运政、路政等执法领域全方位一体动态感知、重点嫌疑对象自动
智能交通产品与技术应用汇编
170
归集、违法违规线索智能研判、预警布控信息精准推送、指挥调度多方协同快速处理。
图 5 ITSwing 交通运输数字大脑智慧交通执法界面图
1）数据融合，智能研判
融合汇聚卡口、高速通行等动静态数据，结合不同场景违法违规隐匿特征构建研判模型，智能
识别运政、路政等 40 余种违规线索。
2）动态预警，精准监管
针对监管对象进行分类画像，提供分级预警机制，为违法违规预警自动匹配过车及抓拍图片、
视频等证据，便于证据回溯与审核。
3）移动执法，高效布控
面向一线执法人员提供任务接收、位置跟踪、信息查验等移动端服务，根据违法时空规律精准
布控拦截，提高一线执法办案效率。
4）一键调度，便捷指挥
建立执法指挥调度研判体系，实现警情信息一键推送，及时通知现场执法人员，全程记录、全
链管理，助力执法行动高效联动。
5. 综合业务管理中心
综合业务管理（见图 6）建立综合业务管理体系，提供交通无人机巡检、公路建管养运、货运
疫情防控等内部业务数字化服务。
图 6 ITSwing 交通运输数字大脑综合业务管理界面图
ITSwing 交通运输数字大脑解决方案
171
1）交通无人机巡检
巡航路面、道桥等极易发生事故的重点路段，利用高清变焦镜头全天候采集路网数据、抓拍异
常点，服务道桥养护、监测预警、路面秩序、交通执法等场景，提升路网管理效率与服务水平。
2）数字化公路养护
集成基础路网数据，围绕公路建设、管理、养护、运营等业务提供公路体征监测、建设管理、
养护管理、路况检评等功能，实现公路高质量建设、精细化管理、专业化养护和高水平运营。
3）货运疫情防控
面向货运疫情防控特定场景，挖掘分析车辆轨迹数据，实现货运车辆的位置监控、风险等级分
析、风险预警、态势分析，以“车康码”助力货车防疫检查，阻断货车疫情传播。
6. 交通信息服务中心
交通信息服务（见图 7）打造一站式出行服务、一体化业务办理平台，基于互联网地图，多渠
道发布公共交通运营、路网动态路况等信息，依托公众号、网站等媒介为提供出行服务、业务办理
的统一发布、统一窗口、统一处理窗口，提升公众出行体验。
图 7 ITSwing 交通运输数字大脑交通信息服务手机页面图
四、应用案例
（一）黄冈市综合交通智慧管理平台
湖北黄冈市交通运输局部署综合交通智慧管理平台（见图 8），整合市县交通行业数据，构建交
通运输数据中台，聚焦交通枢纽黑车、出租车违法经营、网约车监管、货运源头超载等监管难点，
实现交通综合执法从“大海捞针”到“数据智理”的转变，助力监测指挥“能预警、能推演、
能联动”。
（二）盐城市货物装载源头治超监管云平台
江苏盐城交通运输局交通运输综合行政执法监督支队部署货物装载源头监管云平台（见图 9），
接入 160 余企业、1500 余设备，重点货运源头企业接入上线率达 90%，实现了行业监管部门“互联
互通、资源共享、协同联动、规范管理”，切实提升了该市货物装载源头信息化监管能力，有效降
智能交通产品与技术应用汇编
172
低了公路违法超限超载率。
图 8 黄冈市综合交通智慧管理平台首页图
图 9 盐城市货物装载源头治超监管云平台首页图
基于虚拟化技术的边缘计算方案应用
173
基于虚拟化技术的边缘计算方案应用
瑞斯康达科技发展股份有限公司
一、市场背景
作为新基建的重要项目，国家对 5G 网络建设极为重视，通过工信部组织了多次技术试验后，
发布了相关行业标准，并针对三大运营商和广电发布了 4 张 5G 牌照。考虑到毫米波的建设成本，
国内牌照前期以 Sub6G 为主，并且整合了部分原有 4G 频段，进一步增强 5G 基站的覆盖能力。
近三年三大运营商进行了多轮 5G 基站规模建设，总共建设规模超过 100 万台。三大电信运营商
纷纷制定计划，推进 5G 应用的落地和 5G+工业互联网的创新研发工作，坚持 SA 发展方向，引
领行业发展，通过 5G 网络切片、行业 MEC、工业互联网平台等自主研发成果，助力企业数字
化转型。
面向制造业数字化、网络化与智能化升级以及工业互联网的 5G融入均成为了 5G的主力落地点，
特别是在工厂、交通、港口、能源等行业进行了基于 5G+工业互联网的技术验证与应用，取得了良
好的示范效果。
二、需求分析
近几年来，物联网架构逐渐由传统的云管端架构向云管边端模式演进，在靠近设备或流量的位
置部署第一层计算能力，可以实现智能或协调的事件响应，并有助于减轻云端对于多种类型数据接
入的负担，有效降低接入成本。边缘计算有 5 个核心价值点：海量异构连接、支持高实时性业务、
数据聚合、支持边缘智能分析处理，以及私有安全域的深度保护。瑞斯康达在前期已经开始针对工
业物联网市场研发工业边缘计算类网关产品，不同于以往工业领域的网络传输 CT 类设备，网关设
备强调对用户协议的解析，不再是透明管道，转为需要理解用户业务和上下端的产品。通过工业网
关可实现工业现场设备和工业互联网云端连接，实现产业物联网数字化和智能化改造。工业物联网
络架构如图 1 所示。
智能交通产品与技术应用汇编
174
图 1 工业物联网络架构
三、解决方案
瑞斯康达作为具备 5G 微基站和工业应用终端整体解决方案的厂家，很早就开展了 5G 技术的试
点与应用。经过多年的技术积累，瑞斯康达建立起云管边端的工业物联网架构。为了拓展新的应用
领域以及结合国家提出的新基建机会点，瑞斯康达结合多年行业应用经验及自身对于 5G 网络和虚
拟化技术的理解，推出了新一代工业物联 5G 网关。整个系统参考最新的边缘计算软件架构，所有
功能实现了虚拟化、模块化，实现硬件和软件解耦合的通用化平台，极大降低了工业网关现场应用
门槛和用户二次开发成本。积极拥抱开源资源，实现共享共赢。
工业 5G 网关中采用了最新一代 5G 芯片，同时支持 3G/4G/5G 网络，在 Sub 6G 频段典型值可
达到的 LTE Cat.12，具备 5G 独立组网（SA）和非独立组网（NSA）两种运行模式。配合运营商 MEC
移动边缘计算和 5G 微基站部署，工业 5G 网关可以开展 uRLLC 类对于时间敏感的无人驾驶、工业
控制等业务。整机模块化设计，支持多种工业现场物理接口需求，实现硬件的通用性；自主研制基
于 Linux 的软硬件解耦的嵌入式网关软件固件系统，实现 30 种以上工业现场总线或工业以太网协议
与 5G 协议的转换交互。无线有线一体的低时延数据转发/消息分发技术，实现工业数据在网关设备
的处理及透传时延小于 5ms。基于深度学习技术自动识别协议类型并可按网络管理平台要求进行
TCP 加速和整形，实现包括网关功能完整性和网关设备存储的分级安全要求，同时采用国密算法，
进一步提高安全等级，最终实现可云管理的工业 5G 通用网关产品。适配工厂、交通、园区、能源
等多个行业。方案总体架构如图 2 所示。
工业 5G 网关基于软件定义和容器虚拟化的体系架构，超低时延的异构资源调度，不同类型多
核异构硬件架构支持下的应用软件与硬件间的解耦技术与统一驱动，提供极好的软件架构通用性和
多语言编程能力，方便用户进行二次开发。通过云边协同平台可以实现终端设备远程管理、边缘计
算资源和状态感知服务、数据协同服务、应用协同服务和任务调度服务。通过嵌入式智能重构服务，
可以重构现场协议、重构数据处理逻辑、重构数据分发格式，解决了现场未知业务的调测问题。通
