道路交通系统长期存在感知不细、辨识不清、控制不准、管理不优等问题。这带来了三大挑战：(1) 感知难：误差、数据稀疏、信息缺失、粒度粗等问题导致难以准确辨识系统状态；(2) 建模难：动力学建模依赖理论和统计模型，表征能力有限，受感知缺陷影响，标定误差大，难以与物理交通系统同步；(3) 优化难：控制目标多且冲突，协同算法设计困难，建模精度有限，控制算法难验证。

研究背景

00

交通管控：路段、路径到数字孪生

TRAFFIC MANAGEMENT AND CONTROL: LINK-, PATH-, TO DIGITAL TWIN-BASED

团队突破传统路段交通管控的局限，提出了基于路径的交通管控理论与方法（下图①→②），通过重构车辆完整路径（或轨迹）等交通状态应对“感知难”挑战，从而协同路径上的多个控制算法，打破控制独立局限，建立协同控制，解决局部最优或目标冲突的“优化难”挑战。近年来，随着数字孪生技术在交通领域的应用，团队进一步探索其在交通管控中的应用（下图②→③），建立基于数字孪生的交通管控理论与方法。旨在利用仿真优化方法，建立动态演化的道路交通系统数字孪生模型，应对“建模难”挑战，提升系统动力学表征的同步性，优化协同控制算法的可靠性，为算法设计与验证提供关键支持。

研究方向演进

01

基于路径的交通管控

PATH-BASED TRAFFIC MANAGEMENT AND CONTROL

团队聚焦于信息感知（感）、状态辨识（辨）、信号控制（控）和系统管理（管），致力于在交通数据分析与主动管控方面取得新突破，包括：(1) 针对雷达、雷视一体等定点检测设备以及FCD等移动检测器存在的数据缺失、检测误差、通讯误差、上下游检测数据不匹配等问题，研究如何实现数据动态修复，进一步提升检测精度。(2) 针对现有技术仅知路段状态、未知车辆路径，无法精确辨识个体车辆状态以及拥堵溯源等典型问题，从点、线、面三个维度研究实现全样本车辆轨迹、全量完整路径重构的突破。(3) 针对交通运行优化评价-诊断-控制分离、模式固化的问题，采用基于关键路径的信号优化控制，实现知识驱动的路网级评价-诊断-控制一体化。(4) 针对多个管控系统孤岛式运行、协同程度低的问题，采用知识图谱和仿真优化，实现不同管控系统快速优化和多系统最优管控策略求解。

团队以轨迹/路径数据为基础，配合AI+仿真赋能，自主研发全息感知、全域辨识、精准控制、自主协同四大核心技术，形成全息、自主、精准、协同的新一代城市交通协同管控。

研究目标

1.1

检测数据二次感知融合

通信技术的发展为交通信息的检测带来了重大进步，数据采集从传统的固定断面集计数据逐步转变为粒度更细、范围更广的连续个体车辆轨迹和路径。然而，布局密度、抽样比例、检测误差等使该类数据仍面临漏检过检、常态化/异常缺失、轨迹漂移、上下游不匹配等问题。亟需研发缩小检测误差的全息感知方法，准确判断交通运行状态，满足智能网联环境下交通管控需求。

二次感知融合结合信息论与交通流理论等方法，对现有异常、缺失数据进行动态修复，对漏检过检、不匹配和偏移数据等进行二次提升。通过交通流关键参数实时推演，实时修正上下游检测数据匹配和车辆感知，实现交通数据的精准修复和交通路网全要素计算感知。

“感”知全息

1.2

轨迹路径计算

移动检测器为交通领域提供了更好更新的数据源，让实时估计个体交通状态成为可能。但是由于观测有限，仍然不能获取道路内所有个体车辆的行驶轨迹和路径，使得现阶段的交通状态评估仍受限于以路段为单元的平均交通状态，拥堵无法溯源。

轨迹路径计算力求实现以个体车辆为单元的运行状态辨识。通过结合布点有限的AVI数据与广域连续的车辆轨迹数据，进行全部车辆运行轨迹和行驶路径的全样本重构。

“辨”识全域

1.3

路径控制优化

模型驱动的信号控制算法优化复杂，求解困难，数据利用率低。随着信号控制算法不断迭代更新，基于数据驱动的优化配时方案也逐渐增多。但是现阶段很多研究局限于单点交叉口或者单条干道，忽略了整个路网的整体效益，缺乏拥堵产生的关键路径溯源诊断，未能体现大数据时代智能管控的优势所在。

路径控制优化采用数据+知识驱动的方法，提高数据利用率，适用于复杂优化问题。一方面对路网中拥堵产生的关键路径采用不同信控策略进行优化；另一方面对拥堵进行溯源，针对拥堵源头的信号控制、交通设计和管理等进行问题诊断，再对路网进行全局优化，实现评价—诊断—控制一体化的管控闭环。

“控”制精准

1.4

自主协同管控

“集成式”交通平台多通过对固定预案进行人工决策实现交通系统管控，然而，平台模块之间数据不互通，决策多为固定人工预案，紧急情况应对能力不足等问题亟待解决。

自主协同管控将AI仿真推演与方案生成技术相结合，利用知识图谱的方法，根据历史数据对管控平台进行快速优化。结合仿真优化的方法，采用基于元模型的分层快速仿真优化，可以快速评估每种方案的效果及不足，弥补知识图谱方法寻优困难的短板，以实现最优策略的求解。

“管”理协同

02

基于数字孪生的交通管控

DIGITAL TWIN-BASED TRAFFIC MANAGEMENT AND CONTROL

团队识别了道路交通系统数字孪生的四级成熟度发展路径：可视、可诊、可管、可优，致力于推动交通系统数字孪生沿着四级成熟度推进，在交通管控中发挥作用。

道路交通数字孪生成熟级模型 

2.1

可视：以虚映实，全息感知

第1级：可视（Visualizable）。数字模型与物理实体的关系是“以虚映实”，是指数字模型可以实时复现道路交通系统物理实体的实时状态与变化过程。

近年来，随着路侧感知和数据治理技术的快速发展，识别个体车辆轨迹成为现实。细粒度和连续的时空感知为道路交通系统带来了新挑战。

• 首先，数字孪生技术使数据从传统方法中解放，转变为连续的时空个体数据，实现系统的连续“可视”。虽然使用了先进设备，但布局密度限制导致感知盲区，数据不完整。提高设备密度不可持续，需融合多类数据源和技术手段解决盲区问题，提高感知范围和连续性。

• 其次，数字孪生技术可将参与者状态描述转化为行为刻画，实现高精度“可视”。传统描述聚焦于流量、密度和速度等宏观指标，难以准确描述行为，如遵守规则、变道和速度调整等微观行为。全样本轨迹数据为分析这些行为提供了可能，但现有数据存在误差。实现高精度“可视化”需从原始数据中重构个体车辆数据。

• 最后，数字孪生技术提高感知频率，从分钟级转变为秒级。传统方法分钟级频次处理平滑变化，导致细节丢失和延迟，限制实时性。需提高时间颗粒度到秒级，更精确捕捉变化。分钟级到秒级转变提高了颗粒度，但也增加了计算开销和时效要求，提高轨迹重构效率是必需的。

检测盲区车辆全样本轨迹重构 

2.2

可诊：以虚辨实，因果推断

第2级：可诊（Diagnosable）。数字模型与物理实体的关系是“以虚辨实”，指数字模型在“可视”基础上，可以对道路交通系统运行态势进行实时评估与问题因果诊断。

道路交通数字孪生提供的车辆轨迹数据具备连续感知和全面样本特性。相比传统有限断面数据，全息交通数据细粒度和时空连续性大大提升了对道路交通状态的感知，显著影响了效率和安全预测分析。

• 首先，数字孪生技术不仅能发现问题，还可进行成因分析。传统诊断受制于数据颗粒度，主要关注问题发现（如拥堵、事故风险）。数字孪生的连续全息数据为大尺度诊断和成因分析提供了广泛的数据基础。

• 其次，数字孪生技术能从关联诊断转向因果推断。传统诊断局限于少量数据和单一视角，数字孪生通过整合精细数据与仿真模型，进行对照试验推断因果关系，实现从关联到因果诊断的转变，支持网络层效率与安全因果推断。

• 最后，数字孪生技术能从多因素分析转向全因素分析。传统诊断关注相关数据，扩展性有限，而数字孪生整合多种数据源（如车辆轨迹、管控策略、设施设计、天气环境），全面支持全因素分析，确定问题根源。

典型交叉口拥堵“评-诊-治”知识图谱

2.3

可管：以虚预实，决策支持

第3级：可管（Manageable）。数字模型与物理实体的关系是“以虚预实”，指数字模型在“可诊”基础上，可以利用平行仿真推演，评估预定管控策略方案，辅助最优方案智能决策，实现间接管控道路交通系统物理实体的运行过程。

道路交通数字孪生结合全息感知和因果推断，可以预估管控预案效果，帮助管理者做出高效决策，改变了交通管控方式。

• 首先，数字孪生技术使交通管控从事后评估转向事前预估。对突发事件或极端天气引起的异常交通事件，事前评估管控策略尤为重要。数字孪生通过仿真物理交通系统，预测管控预案对未来的影响，为预案选择和实施提供科学依据。

• 其次，数字孪生技术使交通管控从独立转向协同。在复杂场景下，单靠独立策略难以应对，需要协同管控，引导车辆分流。数字孪生通过事前评估和数据共享，评估独立和协同策略，实现信息共享，提高管控效率。

• 最后，数字孪生技术将交通管控从策略评估转向精细化决策。通过预估各类预案，提供未来演化可能结果，并智能排序和推荐预案，减轻管理决策负担，更容易选择和执行预案，实现“人在环中”的高效管控。

2.4

可优：以虚优实，自主控制

第4级：可优（Optimizable）。数字模型与物理实体的关系是“以虚优实”，指数字模型在“可控”基础上，可以在更大规模的管控策略空间内实现自主搜索最优管控策略，直接管控道路交通系统物理实体的运行过程。

交通管控预案和智能决策支持实现了“人在环中”的管理。若能可信地免除人干预，让交通数字孪生自主优化管控策略，交通管控可从“人在环中”的半智能化转变为“人在环外”的全智能自主控制，提升管控效率，带来重大变化。

• 首先，数字孪生技术可将管控策略从离线优化转为在线优化。传统方法基于历史数据进行调整，有滞后性；而在线优化利用实时数据，提升响应速度和优化效率。但由于交通系统变化多样，策略优化是个随机问题，在线优化需快速估计结果不确定性，这是挑战。

• 其次，数字孪生技术使交通管控从传统预定方案转为自动生成。传统方案耗人力且不灵活，难以应对变化。数字孪生技术能积累策略集，提高搜索效率，降低计算资源消耗。

• 最后，数字孪生技术支持从“人在环中”到“人在环外”的自主控制。系统能可靠完成任务时，管控可转为自主控制，数字孪生能感知和预测交通状况，自主生成最优策略。但因决策变量的复杂性，策略优化涉及复杂的非线性规划，需在合理时间内得出可靠方案才能实现自主控制。

科研课题

1. 国家自然科学基金（52125208）：交通系统建模与优化，2022-2026

2. 国家自然科学基金（52302413）：城市路网拥堵渗流生成机理与路径管控策略，2024-2026

3. 国家重点研发计划（2023YFB4301900）：异智交通流路车协同计算与级联控制，2024-2026

4. 国家重点研发计划（2022YFB2602104）：城市交通基础设施数字孪生系统构建共性技术，2023-2025
   

5. 上海市科委项目（22dz1203200）：超大城市交通系统精准研策关键技术及应用示范，2022-2025
   

6. 宝康智能交通联合实验室：基于新型数据源的交叉口交通状态估计与控制优化研究，2021-2022

7. 浙江省科技厅重大项目：基于数字孪生的智慧高速公路交通流全时空管控关键技术及应用示范，2020-2022

8. 同济-商汤：Sense Traffic智能交通联合实验室—路网全量车辆出行路径重构，2021-2022

9. 杭绍甬智慧高速：基于车路协同的智慧高速主动管控技术研究，2020-2022

10. 中央高校交叉学科重点项目（1600219256）：基于大数据的出行行为时空轨迹计算与深度挖掘，2015-2018

11. 深圳榕亨实业集团：深圳市中心城区交通仿真与控制关键技术研究，2016-2017

12. 滴滴出行：基于新型数据源的交叉口状态估计与信号控制，2016-2017

13. 上海市科委：中心城区交通拥堵节点仿真诊断决策系统与联动控制技术研究，2016-2018

14. 上海市科委：基于车路画像的交通管控关键技术研究，2018-2019

15. 华为公司：车路协同价值应用场景研究及价值评估，2019-2020

16. 上海城建院：车路协同仿真关键技术研究，2019-2021