智能红绿灯学会了主动为你开路。一到红灯，一路都是红灯。家人，说到上下班路上的堵车，等待的痛苦还历历在目吗？不用说，每天经历这种不适的人不在少数。央视最新公布的极端通勤数据直接上热搜：我国有超过1400万人忍受单程60多分钟的极端通勤！究其原因，除了“住得远”的硬伤外，“堵车”显然是罪魁祸首。开车上下班的人，最怕在路上遇到红灯“走走停停”。即使是打车，很多司机师傅也会选择信号灯少的路线。“躲”红灯成了人与路口的博弈。难道我们就没有办法走出去，享受一路“绿色”到底的快乐吗？一些。而且是已经有人实现了“绿灯自由”的那种。一路“绿色”到底，通勤耗时“半折”不走弯路，直达答案。解决方案是让交通信号灯更智能。不久前，央视财经在北京某路段进行了实测。可以说是他们开车起步不好，一上来就遇到了红灯。但测试人员自信地说：接下来，我们都会遇到绿灯。在车辆启动之前，神奇的事情就开始发生了。红绿灯没有倒计时功能，但是车载导航APP显示红灯倒计时：“5、4、3、2、1”……倒计时结束后，绿灯亮对面会如期到达”：然后在接下来的路测中，正如测试所说，一路遇到的红绿灯都是“绿”的，路上有8个绿灯，一路畅通无阻！这个是让红绿灯变得更智能的结果。但实际上，测试人员行驶的道路与普通道路不同，它们被称为“绿波带”。（“绿波带”是指当车辆以指定速度行驶时在特定的道路上，红绿灯会根据交通流量的整体情况调整绿灯的开始时间，以确保车辆畅通无阻。）在绿波区内的道路上，各种智能交通数据传感器将被连接。例如，电子警察，卡口，地磁m、雷视一体机等，相当于在这段路段安装了一个“慧眼”，可以准确、灵敏地捕捉路面的实时数据：然后这些数据将实时上传。“交通大脑”通过AI算法分析，做出快速、准确、狠的判断。最后，“交通大脑”可以对红绿灯下达指令：在规定的行车速度（绿波速度）内，对通过各个路口的车辆调整绿灯开始时间，确保车辆刚好遇上绿灯当它到达时。现在，你知道北京亦庄为什么能实现“绿灯自由”了吗？总结起来，就是给相应的道路“装眼睛”、“换头”、“接神经”，让红绿灯更智能。而且，这套《功夫》不仅是北京独有，在湖南株洲、长沙，河北保定，重庆永川，广州黄埔等城市均有上线。值得一提的是，目前株洲天元区有66个路口加持了这个“灵动”buff，形成了7条主线的动感绿波带。株洲市市民李先生在体验了这一套“功夫”后说：以前在黄河南路上开车要20多分钟，在十多个路口走走停停。而现在只用了11分钟，10个信号灯基本都是“一路绿灯”。一组更精准的数据是，路口车辆平均延误下降22%，优化区域拥堵指数下降13.4%，红绿灯停车人数下降38%，车流量效率提高了12.7%。平均速度提高10.6%，拥堵指数下降9.7%。由此可见，让红绿灯变得更智能，确实对缓解交通拥堵起到了一定的作用。那么下一个问题就是：“红绿灯”是如何变聪明的？这套可以让红绿灯变得智能的“功夫”，来自于百度的AI智能信息控制系统。字母控制，顾名思义，就是信号控制。该系统与传统的信息控制系统的区别主要有以下两点：精准预测和全局控制首先我们来说说这个“精准预测”。以前的预测工作经常使用历史数据进行训练。但这在瞬息万变的道路交通中是行不通的，而且这个数据确实必须是实时的。所以我们刚才提到的绿波带上的智能数据采集传感器（路网数据、互联网数据和专网数据）就起到了非常重要的作用。而且，这些数据不仅仅是收集起来那么简单，之后还要用图神经网络做“大融合”，“查漏补缺”。也就是说，道路上车辆拥堵的演变需要实时“观察”，弥补了之前因数据缺失导致的预测不准确。然后将这些完整的数据实时传输到其背后的“交通大脑”，通过深度学习等AI手段进行深度智能分析和优化决策。更具体地说，百度的信息控制系统可以根据不同时间段的交通状况，自动预测并生成适合每个路口交通状况的红绿灯配时方案。在这种精准预测能力下，救护车等特种车辆的意义和价值就显得尤为突出。当道路上的传感器系统实时检测到救护车时，交通大脑会自动配置红绿灯。在到达路口前，提前亮绿灯放行：对于已经发生事故的路段，百度AI信息管控系统也基于精准预测能力，通过辅助交通警察在后台，会引导部分车流。在拥挤的道路上。这样一来，就可以提前防止交通事故造成的拥堵进一步扩大。但是刚才也说了，毕竟流量这件事“牵一发而动全身”。仅仅关注一条道路的拥堵是远远不够的。这是百度AI智能信息管控系统的第二大亮点——“全局管控”。更具体地说，这个系统之所以能够做到准确的预测，正是因为它基于全局视角进行决策。除了数据的全球采集，背后的分析和决策控制也需要全球化。它不仅针对单个点（十字路口）或主干道（路段）进行了优化。在主要交通流路径的基础上，可以通过深度学习等方法实现动态分区，即区域级调控——基于获得的准确预测信息，动态分区分区城市路网和运行控制策略不同。针对单点子区域（路口），系统将传统的自适应控制模型与强化学习相结合，更加智能有效地控制路口。对于协调分区（路段），系统将综合考虑路速、排队间隙等动态需求，实现主线动态协调，确保逆向绿波带主线分时段行驶，让用户一路绿灯，享受良好的驾乘体验。对于拥堵子区域（一个区域），在技术上采用自适应溢出和闭合控制，既可以对拥堵区域内的一个点进行预警，又可以通过上下游联动控制提前消除拥堵风险;发生后迅速疏散车辆，消除拥堵。该平台的一大特点是以数据驱动的方式自动调整策略参数。与以往的专家调优方式相比，全天可减少5%的延迟，调优成本降低近30倍。可以说效率有了明显的提升。据了解，百度在业内率先采用这种方法对整个区域的流量数据进行建模。不难理解，为什么在这套系统的加持下，不仅可以兼顾整个区域的整体路况，还可以针对局部做出“快、准、狠”的决策。那么在这种能力的背后，还有一个问题需要去探究：为什么要做这些事情？可见，随着经济的快速发展，无论是发达国家还是发展中国家，都或多或少地遭受着交通拥堵带来的困扰。而且，这个问题还呈现出持续增加的趋势。例如，随着我国道路交通量的快速增长，机动车平均车速逐年下降，出行时间延长。随之而来的问题是更大的油耗和环境污染，也造成了巨大的经济损失。但不仅在社会层面，在个人层面，交通拥堵带来的通勤时间过长，幸福感也会大大降低。中国科学院学者对4199名居民进行的问卷调查结果显示，通勤时间越长，心理健康水平越差。不仅如此，有研究指出，交通拥堵还可能与个人的心脏、呼吸系统等疾病有关。在政策方面，城市交通的智能管控一直是我国智能交通系统发展的重点。正如百度CEO李彦宏在他的新书《智能交通》中所说：我国拥有领先的科技人才红利、丰富的人工智能应用场景、无与伦比的良好政策环境。智能交通建设必将走在世界前列。未来，以新技术、新理念、新模式构建的智能交通系统有望将交通安全事故减少90%。10年内，依靠交通效率的提高，基本解决城市拥堵问题。不难理解为什么百度会在智能交通领域不遗余力。OneMoreThing的有趣之处在于，过去很多AI训练都是在模拟系统中进行的。但从百度的AI信息控制系统来看，我们人类接触道路交通，似乎已经成为AI训练的一个要素。虚实结合的味道似乎越来越明显。
