張立立，王 力

(北方工業(yè)大學 城市道路交通智能控制技術(shù)北京重點實驗室，北京 100144)

0 引 言

作為理論與技術(shù)創(chuàng)新應用的重要領(lǐng)域，城市智能交通長期得到國內(nèi)外學者的重點關(guān)注，人工智能、云計算、大數(shù)據(jù)、網(wǎng)聯(lián)交通、自動駕駛、智慧感知、邊緣計算等一大批理論與技術(shù)得以快速發(fā)展，尤其是人工智能已經(jīng)在交通狀態(tài)識別、交通流預測、交通數(shù)據(jù)分析、車牌識別、自動駕駛與網(wǎng)聯(lián)交通中被廣泛使用，但關(guān)于人工智能在交通控制方面的研究進展緩慢。因此，筆者就人工智能在城市智能交通領(lǐng)域的研究情況以表1中的條件對智能交通領(lǐng)域內(nèi)重要期刊近5年的研究成果進行了檢索，共檢索文章316篇。

表1 國內(nèi)外期刊檢索條件Table 1 Search conditions of journals at home and abroad

分析并總結(jié)文獻檢索信息，結(jié)果表明：人工智能在城市智能交通領(lǐng)域中的研究主要集中在交通狀態(tài)估計、交通參數(shù)預測、圖像識別、車聯(lián)網(wǎng)與自動駕駛、交通數(shù)據(jù)處理、交通系統(tǒng)與控制等6個方向，其中交通系統(tǒng)與控制的研究成果主要集中在英文期刊，如圖1～圖3。

圖1 國內(nèi)期刊檢索結(jié)果Fig. 1 Domestic journal search results

圖2 國內(nèi)博士論文檢索結(jié)果Fig. 2 Domestic doctoral thesis search results

圖3 國外期刊檢索結(jié)果Fig. 3 Foreign journal search results

針對檢索到的22篇有關(guān)人工智能在交通系統(tǒng)與控制研究方向應用的文章進一步分析，發(fā)現(xiàn)其中60%的文章關(guān)注于人工智能在宏觀交通系統(tǒng)管理方面的應用，其余40%的文章則是在傳統(tǒng)交通理論和模型基礎(chǔ)上，利用人工智能算法實現(xiàn)信號控制決策，但該領(lǐng)域內(nèi)的持續(xù)性研究較少，究其原因可能包括以下4個基本問題：

1)傳統(tǒng)交通信號控制理論存在制約性

傳統(tǒng)交通信號控制體系的形成與當時技術(shù)形態(tài)密不可分，包括電子計算機、控制器等的周期性運行，其目標為保障車輛通行安全[1]，其形成了以周期、綠信比、相位差的時間參數(shù)和相位、相序的空間參數(shù)為特征的交通控制理論。尤其是在歐美國家所制定的標準體系中，如NEMA-TS2等，已將其作為標準化定義運用于交通控制軟、硬件邏輯設(shè)計中。雖然我國也制定了包括GB25280—2016等國家標準，但是目前行業(yè)內(nèi)的遵從度并不高。交通信號控制理論自建立至今，其基礎(chǔ)體系變化不大，其主要創(chuàng)新集中在優(yōu)化算法或控制方法上。然而，傳統(tǒng)交通信號控制理論體系未能匹配上人工智能在該領(lǐng)域的發(fā)展要求，其中最為關(guān)鍵的傳統(tǒng)交通控制理論中的相位相序的不變性成為最大的瓶頸。可以說人工智能算法或其應用領(lǐng)域的局限性與傳統(tǒng)交通信號控制的局限性的碰撞，在備受束縛的交通信號控制體系中，無法發(fā)揮其真正的能力。

2)支撐人工智能算法的計算能力、存儲能力和網(wǎng)絡(luò)能力的智能交通信號控制器有待研發(fā)

傳統(tǒng)交通信號控制器的研發(fā)和設(shè)計基于傳統(tǒng)的交通信號控制理論，目標定位于執(zhí)行器，其并未考慮人工智能算法應用時所需的計算能力、存儲能力和網(wǎng)絡(luò)能力等，因此限制了人工智能在交通控制領(lǐng)域的實際應用。同時，面向未來的城市交通中物聯(lián)網(wǎng)、人聯(lián)網(wǎng)、車聯(lián)網(wǎng)等場景在算力、仿真、存儲、網(wǎng)絡(luò)、優(yōu)化等方方面的需求，交通信號控制器將以全新的形態(tài)成為邊緣計算、數(shù)據(jù)匯聚、網(wǎng)絡(luò)結(jié)合的城市關(guān)鍵節(jié)點。

3)傳統(tǒng)檢測數(shù)據(jù)無法全面有效表征受控交叉口交通狀態(tài)并作為人工智能算法訓練輸入

傳統(tǒng)交通檢測數(shù)據(jù)(流量、占有率、排隊長度等)能夠在單一方面有效刻畫當前受控交叉口的交通狀態(tài)，但同時也忽略了交叉口其他方面的特征，其主要因為目前的數(shù)據(jù)多為加工后數(shù)據(jù)(第二、三手數(shù)據(jù))，已經(jīng)在本質(zhì)上忽略了原始數(shù)據(jù)的豐富性和擴展性。受控交叉口交通狀態(tài)的辨識應滿足兩個條件：①當前交通狀態(tài)應包含控制策略做出最優(yōu)決策所需的全部信息，其為做出最優(yōu)決策的基礎(chǔ)；②沒有或僅存在少量冗余、非必須的信息，其主要影響人工智能算法的學習、訓練和計算的時間。

4)基于實時數(shù)據(jù)驅(qū)動的邊緣仿真系統(tǒng)有待研發(fā)

傳統(tǒng)交通仿真系統(tǒng)基于靜態(tài)、后驗證性的設(shè)計理念，無法應用于需要實時性演化驗證的在線交通信號控制中。傳統(tǒng)仿真軟件如VISSIM，PARAMICS等仿真不夠真實，主要原因是參數(shù)標定、模型標定帶來的誤差過大且無法根本消除。由于仿真軟件產(chǎn)生的歷史時期和當時技術(shù)條件的限制，無法獲得實時、高質(zhì)量的檢測數(shù)據(jù)，因此需要研究和設(shè)計跟馳模型、交通流模型等，模型的假設(shè)和約束進一步削弱了仿真的真實性，但其確實促進了城市交通領(lǐng)域研究的進步，成為交通理論研究中重要的驗證工具。未來需要利用實時檢測數(shù)據(jù)和歷史檢測數(shù)據(jù)自動標定參數(shù)，設(shè)計無模型的仿真驅(qū)動內(nèi)核，才可能從根本上解決目前交通仿真的困境。

上述4個基本問題是構(gòu)建人工智能在城市智能交通控制領(lǐng)域理論與技術(shù)體系所需要著力解決的問題，筆者主要從邊緣計算、場景驅(qū)動和交通控制資源化3個方面研究和設(shè)計新一代人工智能交通信號控制器的總體架構(gòu)。

1 新一代人工智能交通信號控制器總體架構(gòu)

2017年國務院發(fā)布《“十三五”國家科技創(chuàng)新規(guī)劃》，其中專欄9針對現(xiàn)代交通技術(shù)與裝備提出：“以提供高效、便捷、可持續(xù)交通為目標，突破交通信息精準感知與可靠交互、交通系統(tǒng)控制優(yōu)化、城市交通控制功能提升與設(shè)計問題，促進交通運輸業(yè)與相關(guān)產(chǎn)業(yè)的融合發(fā)展。”

未來城市交通控制應主要歷經(jīng)全人工駕駛交通控制、混合駕駛交通控制、全自動駕駛交通控制3個階段。為此，在進行智能交通信號控制器研究時，既要考慮面向全自動駕駛交通控制中交通要素全連接情況，又要兼顧當前全人工駕駛交通控制的傳統(tǒng)控制形態(tài)。筆者給出以邊緣計算為基礎(chǔ)、以場景驅(qū)動為要求、以交通控制資源化為支撐、以人工智能為核心的新一代智能交通信號控制器總體架構(gòu)：首先，利用檢測資源實現(xiàn)場景驅(qū)動并以此為系統(tǒng)感知；其次，以信號資源作為空間方案庫，以計算資源作為支撐實現(xiàn)基于人工智能的信號控制策略作為系統(tǒng)決策；最后，通過道路資源完成決策目標作為系統(tǒng)的執(zhí)行，如圖4。

圖4 新一代人工智能交通信號控制器總體架構(gòu)Fig. 4 Overall architecture of a new generation of artificial intelligence traffic signal controller

1.1 邊緣計算架構(gòu)

邊緣計算定義為在靠近物或數(shù)據(jù)源頭的網(wǎng)絡(luò)邊緣側(cè)，融合網(wǎng)絡(luò)、計算、存儲、應用核心功能的開發(fā)平臺，就近提供邊緣智能服務，滿足行業(yè)數(shù)字化在敏捷聯(lián)接、實時業(yè)務、數(shù)據(jù)優(yōu)化、應用智能、安全與隱私保護等方面的關(guān)鍵需求[2-3]。邊緣計算是近年來伴隨著IOT(internet of things)技術(shù)成熟及智能設(shè)備大規(guī)模部署而產(chǎn)生的，其作用在于彌補以云計算模型為核心的集中式大數(shù)據(jù)處理關(guān)鍵技術(shù)不能滿足對邊緣設(shè)備所產(chǎn)生數(shù)據(jù)的高效處理，重點解決4個關(guān)鍵問題：①線性增長的集中式云計算能力無法匹配爆炸式增長的海量邊緣數(shù)據(jù)；②從網(wǎng)絡(luò)邊緣設(shè)備傳輸海量數(shù)據(jù)到云中心致使網(wǎng)絡(luò)傳輸帶寬的負載量急劇增加，造成較長的網(wǎng)絡(luò)延遲；③網(wǎng)絡(luò)邊緣數(shù)據(jù)涉及個人隱私，使得隱私安全問題變得尤為突出；④有限電能的網(wǎng)絡(luò)邊緣設(shè)備傳輸數(shù)據(jù)到云中心消耗較大電能[4-7]。

智能交通控制器作為城市道路交通控制的關(guān)鍵節(jié)點設(shè)備，為交通控制提供檢測數(shù)據(jù)接入與處理、控制策略計算與執(zhí)行、網(wǎng)絡(luò)傳輸與協(xié)議轉(zhuǎn)換和數(shù)據(jù)存儲與數(shù)據(jù)安全等功能。但目前國內(nèi)外學者和企業(yè)在智能交通控制器研究和開發(fā)上的滯后，導致其難以滿足城市交通控制在實時性、計算力、網(wǎng)絡(luò)吞吐等方面日趨提高的要求。同時，人工智能在城市交通的關(guān)鍵節(jié)點控制中的應用，也同樣面臨算力不足、存儲不夠等問題。邊緣計算在架構(gòu)設(shè)計上的優(yōu)勢正好契合當前及未來城市交通控制與人工智能對智能控制器的要求。為此，筆者采用邊緣計算架構(gòu)設(shè)計新一代人工智能交通信號控制器。

如圖5，在煙花模型(firework)[8]的通用架構(gòu)上設(shè)計了交通煙花模型(T-firework)架構(gòu)，其主要包括煙模型管理器(firework manager)和煙花模型節(jié)點(firework node)兩部分。煙花節(jié)點將檢測數(shù)據(jù)、道路數(shù)據(jù)、執(zhí)行端數(shù)據(jù)、決策與算法、仿真等納入其中，可實現(xiàn)大數(shù)據(jù)實時分布式共享和處理，并使私有數(shù)據(jù)可在數(shù)據(jù)利益相關(guān)者的設(shè)備上處理以保障數(shù)據(jù)安全性。煙花模型通過創(chuàng)建虛擬的共享數(shù)據(jù)視圖，融合了物理分布上的各類數(shù)據(jù)源，而數(shù)據(jù)利益相關(guān)者(煙花模型節(jié)點)為終端用戶提供一組預定義的功能接口以便用戶訪問[6]。

圖5 T-煙花模型Fig. 5 T-Firework model

1.2 場景驅(qū)動架構(gòu)

傳統(tǒng)交叉口控制策略的實施一般將普通控制(欠飽和、飽和)與特殊控制(公交優(yōu)先、有軌電車、應急救援等)分開考慮。針對普通控制利用交通狀態(tài)判別可以實施飽和控制或欠飽和控制；特殊控制基于部署的特殊檢測手段實施有針對性的檢測和控制。但在同一時空下分割的控制方法，未能充分考慮具有關(guān)聯(lián)性的實際交通需求的構(gòu)成，難以反映受控交叉口的多層次交通狀態(tài)。因此，有必要提出一種能夠統(tǒng)一表征多維度交通需求與控制策略之間映射關(guān)系的方法。

交通場景定義為交通需求到交通控制策略的映射，是實施經(jīng)精準控制策略的先決條件，如圖6。

圖6 場景驅(qū)動的定義Fig. 6 Definition of scene driven

考慮采用五元組的形式描述交通場景，如式(1)：

S=(R,M,P,B,O)

(1)

式中：R為原始數(shù)據(jù)的集合，具體有瞬時速度、加速度、坐標、軌跡、ID等；M為原始數(shù)據(jù)到交叉口連接路段的映射，描述為離散交通狀態(tài)編碼；P為利用原始數(shù)據(jù)加工所得的指標數(shù)據(jù)；B為基礎(chǔ)層場景，包括交叉口過飽和與欠飽和兩種狀態(tài)；O為疊加層場景，包括溢流、公交優(yōu)先、有軌優(yōu)先、應急救援等非常發(fā)性交通需求引起的場景，如圖7。

傳統(tǒng)檢測數(shù)據(jù)多加工數(shù)據(jù)，難以有效支撐上述方法，因此筆者所提方法采用新型檢測手段，如廣域雷達、車聯(lián)網(wǎng)等能夠提供R所需數(shù)據(jù)形式的檢測方式。

圖7 交通場景分層結(jié)構(gòu)Fig. 7 Traffic scene hierarchy

1.3 交通控制資源化架構(gòu)

交通控制資源化定義為將交通控制中的各類要素進行資源化，并以資源的形式重新組合與使用。交通控制資源化的結(jié)果是可以將城市交通控制描述為一類存在不確定性時最優(yōu)動態(tài)資源分配的科學問題[9]并加以分析，且可以充分利用控制科學、人工智能科學中的已有方法作為有力工具進行研究。交通控制資源的類型如表2。

表2 交通控制資源Table 2 Traffic control resource

由表2可知，交通控制資源化帶來如下變化：

1)信號資源化和道路資源化通過影響交通流實現(xiàn)供-需的改變，進而影響路網(wǎng)的O-D路徑。

2)檢測資源化突破傳統(tǒng)檢測參數(shù)不能充分有效表征受控交叉口場景特性的問題，其立足人工智能的感知、辨識等方法，提出了有效參數(shù)映射至場景的方法。

3)計算資源化為人工智能的應用解決了算力問題、存儲問題；檢測資源化解決了其感知應用的問題；信號與道路資源化解決了其決策應用的問題。

設(shè)計交通控制資源化架構(gòu)時，考慮到在實際應用中對傳統(tǒng)交通信號控制體系兼容性的問題，提出了平行架構(gòu)設(shè)計方案，如圖8。在平行架構(gòu)中，針對具有共性特征的檢測部分和信號基礎(chǔ)部分建立連通：首先由于resourcing architecture采用了檢測數(shù)據(jù)的原始數(shù)據(jù)(raw data)作為輸入數(shù)據(jù)，因此可利用原始數(shù)據(jù)加工得到traditional architecture中所需的統(tǒng)計數(shù)據(jù)(processed data)，如流量、占有率、區(qū)域平均車速等；其次，traditional architecture中的信號基礎(chǔ)(相位、相序、周期、綠信比、相位差等)包含于resourcing architecture中，設(shè)計時考慮其為一類具有特殊性的信號基礎(chǔ)。

為保障車輛通行安全，信號基礎(chǔ)部分設(shè)計時遵循交通沖突理論和最小相位時間要求。

圖8 平行架構(gòu)Fig. 8 Parallel architecture

2 新一代人工智能交通信號控制器軟硬件架構(gòu)

在總體架構(gòu)基礎(chǔ)上，設(shè)計了智能網(wǎng)關(guān)和算力平臺。其中智能網(wǎng)關(guān)主要考慮多類型、不同協(xié)議的外設(shè)接入要求，提供協(xié)議匯聚與標準轉(zhuǎn)換功能；算力平臺主要包括控制器硬件結(jié)構(gòu)、控制策略框架和實時仿真，提供人工智能算法實現(xiàn)的基礎(chǔ)條件。

2.1 智能網(wǎng)關(guān)設(shè)計

智能網(wǎng)關(guān)不但為提供交通信號控制器提供強大的網(wǎng)絡(luò)吞吐能力，還提供多種檢測、控制等設(shè)備的接入?yún)f(xié)議匯聚和標準轉(zhuǎn)換功能，如圖9、圖10。其中：為保證網(wǎng)絡(luò)聯(lián)接需要滿足傳輸時間確定性和數(shù)據(jù)完整性，采用IEEE制定的針對實時優(yōu)先級、時鐘等關(guān)鍵服務定義的統(tǒng)一技術(shù)標準TSN(time-sensitive networking)[2-3]；當前國內(nèi)交通領(lǐng)域的檢測及控制設(shè)備的接口及協(xié)議不統(tǒng)一等問題為設(shè)備接入、數(shù)據(jù)使用帶來很大困難，為此使用SDN(software-defined networking)[2-3]設(shè)計，將網(wǎng)絡(luò)的控制平面與數(shù)據(jù)轉(zhuǎn)發(fā)平面進行分離，實現(xiàn)多非標準協(xié)議的匯聚及轉(zhuǎn)換的可編程化控制。

智能網(wǎng)關(guān)不但為交通信號控制器提供強大的網(wǎng)絡(luò)吞吐能力，還提供多種檢測、控制等設(shè)備的接入?yún)f(xié)議匯聚和標準轉(zhuǎn)換功能，如圖9、圖10。智能網(wǎng)關(guān)是設(shè)備連接和數(shù)據(jù)交換的核心，包含4層結(jié)構(gòu)，如圖9?？紤]到當前交通控制器通訊協(xié)議的非標準現(xiàn)狀，還設(shè)計了多種協(xié)議匯聚與標準轉(zhuǎn)換的接口，如圖10。

圖9 智能網(wǎng)關(guān)結(jié)構(gòu)Fig. 9 Intelligent gateway architecture

圖10 協(xié)議接口匯聚及轉(zhuǎn)換Fig. 10 Protocol interface convergence and conversion

2.2 算力平臺設(shè)計

2.2.1 智能交通信號控制器硬件結(jié)構(gòu)

智能交通信號控制器平臺依托Xilinx的Zynq?-7000解決方案實現(xiàn)，其特點在于搭載一顆xc7z030Soc FPGA芯片，片內(nèi)由主頻為1 GHz的雙核ARM Cortex-A9 MPCore處理器與FPGA共同構(gòu)成，兩種架構(gòu)的芯片相對獨立，便于片內(nèi)資源的調(diào)度和使用。其中，F(xiàn)PGA部分提供的BRAM、DSP、FF及LUT等資源數(shù)據(jù)量分別為9.3 Mb、400個、157 200個及78 600條的規(guī)模[10]，能夠滿足邊緣計算中對并行計算能力的要求。同時，ARM處理器的引入提升了軟件定義控制策略的能力。智能交通信號控制器軟件基于DM2016分布式計算平臺設(shè)計，部署在定向裁剪的Linux操作系統(tǒng)上，使其具有良好的可靠性和擴展性，如圖11。其特點還包括以下4點：①高性能的FPGA芯片提供并行計算和萬級門電路規(guī)模，可支持多種擴展需求；②提供算法硬件化能力，通過FPGA門電路實現(xiàn)控制邏輯和算法，提高算法執(zhí)行能力和穩(wěn)定性；③通過高性能的內(nèi)核ARM處理器和Linux操作系統(tǒng)，實現(xiàn)對控制邏輯的擴展和提供可編程API接口；④通過有效封裝的驅(qū)動層，可提供數(shù)據(jù)驅(qū)動、計算驅(qū)動、控制驅(qū)動和網(wǎng)絡(luò)驅(qū)動等能力。

圖11 智能信號控制器硬件結(jié)構(gòu)Fig. 11 Intelligent signal controller hardware structure

2.2.2 控制策略框架

為支撐場景驅(qū)動和交通控制資源化的要求，在設(shè)計智能交通信號控制器控制策略組成時，采用SD(scene driven，software definitions——“場景驅(qū)動，軟件定義”)控制策略數(shù)據(jù)流框架，如圖12。通過智能網(wǎng)關(guān)中協(xié)議接口匯聚及轉(zhuǎn)換，將輸入輸出數(shù)據(jù)與控制策略分離，實現(xiàn)針對任何交通場景的抽象和構(gòu)建；再通過虛擬化代理驅(qū)動引擎和標準的編程模板，完成對所需任務控制邏輯的快速開發(fā)。

圖12 SD控制策略數(shù)據(jù)流Fig. 12 Data flow of control strategy based on SD structure

2.2.3 實時仿真設(shè)計

以歷史數(shù)據(jù)為基礎(chǔ)，實時數(shù)據(jù)為輸入的數(shù)據(jù)驅(qū)動實時仿真是人工智能在城市交通控制中應用的必要基礎(chǔ)。其設(shè)計的基礎(chǔ)考慮到仿真參數(shù)的標定及實時性問題，提供了自適應參數(shù)快速標定和無模型驅(qū)動方式，并且通過邊緣計算提供的算力為多類型控制策略提供實時仿真和演化仿真。其中，自適應參數(shù)標定體現(xiàn)在利用圖6提供的檢測資源形式和檢測器類型，可以標定包括車道、路寬等靜態(tài)參數(shù)和車速分布、車頭時距、車型分布等動態(tài)參數(shù)；并且其交通流特性和跟馳特性基于歷史檢測數(shù)據(jù)累積，實時檢測數(shù)據(jù)修正得到。實時仿真功能結(jié)構(gòu)如圖13。

圖13 實時仿真功能結(jié)構(gòu)設(shè)計Fig. 13 Design of real-time simulation function structure

3 新一代人工智能交通信號控制器進一步應著力解決的問題

3.1 實時故障診斷與預測性維護

智能交通控制器運行的可靠性是城市交通控制與管理充分發(fā)揮作用的保障。目前國內(nèi)外的運維多采用人工巡檢、故障被動上報等手段，存在故障診斷的滯后性和高維護成本等問題。因此，考慮在邊緣計算架構(gòu)的硬件層、通訊層、數(shù)據(jù)層等均設(shè)計異常發(fā)現(xiàn)探針，對設(shè)備的全生命周期進行監(jiān)測并對數(shù)據(jù)異常實現(xiàn)告警處置。其采用邊緣與云協(xié)同的運維方式，通過本地的邊緣計算融合網(wǎng)關(guān)提供數(shù)據(jù)分析能力，第一時間發(fā)現(xiàn)設(shè)備潛在故障，同時提供本地存活，一旦與云端聯(lián)接故障，數(shù)據(jù)可以本地保存，聯(lián)接恢復后，本地收斂數(shù)據(jù)自動同步到云端，確保云端對所有設(shè)備的完整視圖。同時預測性維護還可以減少維護工作量，降低維護人員勞動強度；提高設(shè)備的可靠性，延長設(shè)備的使用壽命；提高設(shè)備的利用率，減少維修費用，從而降低維護成本[1]。

3.2 交通數(shù)據(jù)安全與防護

智能交通信號控制是連接交通參與者的重要城市道路交通關(guān)鍵節(jié)點設(shè)備，其不但承擔控制策略的執(zhí)行，同時也實時獲取和傳輸各類型交通信息。在網(wǎng)聯(lián)交通的背景下，以其為關(guān)鍵節(jié)點的輸入輸出數(shù)據(jù)安全必須予以重視。以信號控制器為攻擊主體，可分為4類(圖14)：①信號控制器作為主體直接被攻擊(不通過其他擴展設(shè)備)；②擴展設(shè)備為跳板，攻擊信號控制器(檢測器)；③外接設(shè)備為跳板，攻擊信號控制器(車聯(lián)網(wǎng)-信號控制器)；④信號控制器為跳板，攻擊外接設(shè)備(信號控制器-車聯(lián)網(wǎng))。為此，設(shè)計信號控制器時需充分考慮數(shù)據(jù)安全形態(tài)與軟硬件架構(gòu)，有效起到防護作用。

圖14 交通數(shù)據(jù)安全應用場景分類Fig. 14 Classification of traffic data security application scenario

3.3 基于人工智能的感知與決策算法庫

邊緣計算、場景驅(qū)動和交通控制資源化是人工智能與城市交通控制結(jié)合的基礎(chǔ)。考慮到城市交通控制涵蓋感知、決策、執(zhí)行3個層面，因此需要研究基于監(jiān)督學習算法的場景感知、基于無監(jiān)督學習的交叉口空間方案選擇、基于深度強化學習的信號控制策略和考慮“人在回路”的交叉口混合增強智能控制決策方法等系列問題，建立基于人工智能的城市受控交叉口的感知與決策算法庫，滿足時變交通需求下具有高復雜性的交通控制要求。同時，利用FPGA的可編程邏輯門電路實現(xiàn)算法的硬件化，進一步提升人工智能算法的訓練和運算速度，使其具備快速訓練、實時仿真、精準決策的能力。

4 結(jié) 語

面向滿足以人工智能為基礎(chǔ)的城市混合駕駛交通控制、全自動駕駛交通控制、多元化公共交通控制、應急救援交通控制等應用需求，提出了基于邊緣計算、場景驅(qū)動和交通控制資源化的新一代人工智能交通信號控制器的架構(gòu)和設(shè)計理念。通過所提的場景驅(qū)動、交通控制資源化的全新概念，突破了傳統(tǒng)交通控制理論對人工智能應用的制約，同時利用邊緣計算和SD的理論與技術(shù)設(shè)計的智能網(wǎng)關(guān)、算力平臺等又為人工智能算法的應用提供了計算能力、仿真能力、通信能力和存儲能力，有效提高實現(xiàn)的可能性。下一步需要著力解決的理論與技術(shù)問題，在新一代人工智能交通信號控制器研究框架下被充分考慮。研究結(jié)果為人工智能在城市交通控制領(lǐng)域的應用提供了基礎(chǔ)支撐和研究思路。