彭宏勤，张国伍

(1.北京交通大学 中国综合交通研究中心,北京100044；2.中国交通运输系统工程专业委员会,北京100044)

“交通7+1论坛”第五十二次会议于2018年9月29日下午在北京召开.参加会议的有院士傅志寰，论坛核心专家段里仁、王庆云、张国伍、毛保华、王江燕，主题发言人郭继孚、周学松、吴建平、何东全，以及汪寿阳、顾文选、郭小碚、沙洪江、姚明德、张建平、荣朝和、赵坚、李春燕、项续朗、苑宝义、陈颖等专家学者、政府部门决策者、企业界管理者共50余人.会议的主题为“未来城市交通技术发展与创新”.会议由北京交通发展研究院承办，毛保华、张国伍、王江燕主持.

郭继孚：我的主题是未来的预约交通系统.

城市交通系统的突出特点是巨系统和开放性.因此，影响城市交通的因素是多方面的，它们来自社会经济发展、交通设施水平、组织管理水平、土地利用分布、政策法规、价格体系等.

交通系统的复杂性，决定了城市交通问题既是经济学问题也是社会学问题，同时还是行为学问题和运筹学问题.

我认为导致城市交通出现随机、无序、低效现象的原因是供需不平衡，是供需信息不对称、不透明.以信息技术为推动力，以人工智能为支撑，基于需求响应的新交通理念，使未来交通工具能在更大范围进行共享.在全方位信息化的基础上，借助大数据和人工智能技术，未来的交通系统会变得更加透明、可控、有序、高效.

目前在欧洲大范围推进的MaaS系统，就是预约交通系统的初级阶段和原形.MaaS系统核心理念是通过信息化技术，整合多种交通工具，将出行者所有出行环节串联起来，实现从出发地到目的地之间的无缝衔接和一站式服务.

已有约40款MaaS的手机APP，能综合多种方式的全程出行.部分APP如IncenTrip，通过内嵌激励机制诱导和干预出行.其后台系统可根据出行者在APP上预约的出行时间，构造模型进行运算，给出奖励措施，诱导出行者调整出行时间，避开高峰和瓶颈.

搭建以预约为核心的交通系统，需要建立全覆盖的交通信息实时感知系统和强大的交通云，由超级计算机系统实现需求响应、需求干预、编制时刻表，使得交通系统能够保持在最优状态下运行.

在未来场景中，需求干预是关键，可通过交易机制、信用机制、竞价机制、激励机制来实现干预.未来交通系统的效益体现在通过预约和干预，削减高峰出行量，同时满足社会公众的出行需求.

雄安新区是最有可能实现预约出行的区域.雄安新区的主要思路是将未来的交通全部高度组织化.进入雄安新区的人员，先到城市交换中心CEC，然后通过区内交通系统到达区内各处.区内交通系统采用按需配置策略，高峰时轨道交通提供服务，非高峰时公共汽车提供服务，晚上由网约车提供服务.雄安新区的目标是绿色出行比例占90%，小汽车出行低于10%，成为不堵车的城市.

北京冬奥会的散场组织工作可以借鉴国内外案例，通过合理调度和全方位资源组织，实现散场人员错时离开，避免修建不必要的设施，避免投资浪费.

有技术、信息和激励手段的支撑，我们完全可以重构和重新组织交通.在信息化条件下，预约交通系统是我们的未来.

周学松：我交流的主题是超级交通仿真系统的技术.

复杂多模式的交通系统需要一个仿真平台来为下一代城市交通大脑做坚强支撑.阿里巴巴的城市交通大脑有很多信息采集平台，主要解决了系统的可观性.出行需求和供给的急剧不平衡、交通设施承载率过高、交通行为高度复杂等对交通仿真系统提出更高的要求.

交通仿真需要大数据的支持，需要理解和描述复杂行为，需要对需求、供给和行为进行综合考虑.超级仿真系统必须解决3个科学问题：如何融合管理多源大数据？如何仿真多层次多模式的交通系统？如何描述复杂行为？

鉴于路网复杂和中国式交通特殊性，我们应该从宏观、中观、微观三个方面着手打造有自主产权的仿真系统.宏观上实现全市路网的秒级决策，将供给和需求模拟出来；中观上能看到交通流所具有的排队、消散特性的演变动态过程，能对多模式的交通系统进行仿真；微观上要建统一的平台，对本地化的交通行为进行仿真.通过5年的工作，建立北京超级交通仿真系统.

系统由承担宏观交通仿真、中观交通仿真和微观交通仿真的仿真引擎，为仿真引擎提供网络准备和数据准备的模块，以及综合可视化平台构成.

交通网络划分为三层次.宏观是整个大区域网络；中观细到每个路段，但不考虑每条路道上交通行为；微观可以考虑到非常细的路道.我们把所有路道划分成7 m的小格进行超微观的模拟.对于交通网络上的各种交通方式，采用网络表达方式予以描述.

构建多层次的交通仿真软件需要多源异构数据中心统合管理各类输入输出数据，为北京交通计算图提供数据服务.北京交通计算图的核心思想是：以交通传统的多层次模型为骨架，统合不同来源、不同粒度的多源数据，通过“前馈分配+反向传导”机制构建数据间相互关系.利用机器学习的方法，采用多次前推和后推过程，进行多方位的校核，在数据正确的情况下，对需求进行科学整理.

在宏观交通仿真方面，系统采用将存储的“基础路径树集合”再优化后形成“新的路径树集合”的方法实现秒级计算.在中观方面，对北京市的交通模型进行梳理，实现北京市宏观、中观、微观三个层次模型体系紧密衔接，采用统一的理论框架进行仿真和模拟.在微观方面，采用路径生成来捕捉乱换道、乱插队行为，以支撑中国式不规则行为治理，并运用移动闭塞的原理来刻画各种资源的占用，对并道、换道行为进行准确描述.

吴建平：关于无人驾驶，麦肯锡做过比较系统的预测和研究.根据他的等级划分，我们现在处在在2.5或者3的水平，离真正的无人驾驶还有相当的路程.

在无人驾驶技术发展的过程中需要有持续的投入.不同等级无人驾驶技术都要有相应的应用场景，才能不断获得投入，以促进技术发展，进而促进产业发展.

车头间距的大小与驾驶员反应时间密切相关.现在的无人驾驶技术能将机器反应决策时间缩减到百分之一秒，未来缩减到千分之一秒时基本上能实现整个系统的同步，使车头间距缩短到1～2 m，道路通行能力将提高3～5倍.无人驾驶替代有人驾驶，可将人为造成的事故大幅度减少，极大提升道路交通安全性.

在未来无人驾驶+共享交通的时代，完全可由社会提供服务来满足人们的出行需求.如果统筹车辆的使用，人们的购车需求和停车需求会大幅度降低.人们的生活方式、出行习惯和工作习惯会发生巨大的变化，社会的公平性会得到极大的改善.

无人驾驶可以分为车辆具有感知和决策能力的无人驾驶与基于车联网技术的无人驾驶两种.未来无人驾驶一定会走向两种技术的融合，向既有联网技术的支撑，也有自身智慧形成的方向发展.

为了使无人驾驶汽车满足在道路上行驶的要求，无人驾驶汽车的测试研究广受关注.不少汽车厂商当前采用的是闭门测试或蛮力测试.为了降低测试代价和缩短测试周期，综合测试应运而生.综合测试是在大型测试场地上为无人驾驶汽车营造各种复杂的场景，使无人驾驶汽车增强复杂环境下的适应能力.

最新的测试方式为虚拟体系测试+实地体系测试.该测试方式是先对无人驾驶汽车进行各种复杂仿真场景测试，然后放入测试场地实地测试，以进一步缩短测试时间和降低测试费用.

3)在保证四边简支类方形蜂窝夹芯壁长不变情况下，增大类方形蜂窝夹芯壁厚，2种壁厚类型的类方形蜂窝夹层结构的固有频率均呈现先增大后减小的变化趋势；当壁厚t较小时，t对蜂窝夹层结构弯曲刚度作用较等效密度明显，夹层结构固有频率呈上升趋势；当壁厚t增大到较大水平(t>0.02 mm)时，等效密度较弯曲刚度对固有频率影响更显著，此时夹层结构固有频率随壁厚增大而减小。

我们应该对无人驾驶汽车技术和标准进行深入研究，以制定未来交通控制技术标准与法律法规，指导未来道路基础设施和未来交通管理系统的建设.

针对未来交通系统中的无人驾驶，有许多需要仿真研究的问题.FLOWSIM软件是一个有效的仿真系统.FLOWSIM的核心思想是基于道路上每个交通参与者个体行为来建立行为模型.在模型库建立时，挑选数百名驾驶员，通过采集各种环境下的响应行为数据，为驾驶员建立驾驶行为模型.仿真系统中的每辆车都可以随机产生跟车模型和换道模型，也可以指定某一辆车为无人驾驶车辆，并将无人驾驶控制模块体系赋予该无人驾驶车辆，使其具有无人驾驶特性.

利用仿真系统，可以研究无人驾驶汽车与有人驾驶汽车之间的互动，考察有人驾驶汽车的行为和动作会引起无人驾驶汽车所产生的反应，以及无人驾驶汽车特殊反应会引起其他有人驾驶车辆的反应情况.仿真分析还可以用来评价道路的间隔、能力的提升、平稳度的提升、车流稳定性的提升及对旅行时间的影响.

何东全：实现美好愿景是我们长远的目标.我们必须通过点滴工作的积累，才能逐渐达成远大的目标.

发展城市智慧，首先要打破数据孤岛.当前进行大数据建设的部门或单位很多，但相通性不足.我认为大数据必须是多源数据整合.大数据不是仅仅体现在数据量的大小，而是由数据源的多少决定大数据和云计算的效率与效果.

我们在发展城市智慧中的第1项工作是对城市底层数据进行深入挖掘.城市底层数据包括道路网、各种各样的城市空间、建筑轮廓、兴趣点及住宅.我们挖掘信息的思路是根据需求做技术的匹配.为获得城市底层数据，我们首先搭建了开放的系统，以便随时纳入新数据.在实践中，我们以多源数据(数卫星影象、房屋服务商、城市测绘数据、档案数据、地图APP等)为基础，对城市建筑进行精准识别.

在武汉市的项目中，我们对所有建筑物的功能、年代、楼高、层数等属性进行了标注.信息获取不是用传统调研方式，而是采用大数据的方式来解决的.在挖掘建筑物的经济信息如建设年代时，用到了数值仿真和人工智能技术.通过开发机器学习算法，学习建筑师的判断思路，进行建筑物年代分析.通过房屋租赁信息，将建筑物的价格和成本全部挖掘出来.当人工智能技术形成体系后，就可以快速更新和复制.在此基础上，我们还进行了碳达峰分析，计算每个建筑物的能耗与改造成本.

我们利用大数据技术将整个京津冀大区域所有交通网络、所有污染源和工厂、建筑物立面、建筑物功能、哪些建筑需要供暖等多层次问题放在同一张图上，为城市管理运营服务.在新区规划项目中，我们采用大数据的方式，来探讨交通配置、基础设施配置、所有建筑的功能及空间位置、公交覆盖率、医院覆盖率.实时更新的系统能够满足城市规划运行管理的需要.

在某条河流的环保项目中，我们把河水的污染、各个水质断面的污染情况和周围任何一个排放源进行有效的衔接和关联.任何一个水质断面发生水质变化，都可以通过系统快速判断是哪里出了问题，确定怎样快速解决问题.系统只需要水务部门将水质断面数据、空间数据和污染源数据整合后放在一张图上即可.有了实时快速监控系统，环境的监控水平能实现较大的提升.

大数据和人工智能应该在3个层面提供服务，即为政府的运行和管理服务、为企业的运行和管理服务及对每个用户的服务.为实现服务政府和企业的目标，需要将先进技术与政府需求有效整合，同时用普遍性的技术，打破传统数据孤岛和数据壁垒.

在制定城市建设规划时，可以采用大数据的方式，将整个城市道路网监控起来，通过大量人工智能的训练，判断每一条道路对行人的友好性、对公交的友好性、拥堵程度、改造或拆迁量等，以解决基础性的城市运行管理问题.

在城市中，可以通过大数据挖掘的方式，形成一整套指数和导则，用于评估街道的便捷程度、安全性、舒适性、污染水平等.

做大数据，首先要强调综合，要将多源数据搭建在同一个系统上.其次要强调数据源和体系的开放，要不断纳入新的体系和数据.

我认为大数据发展的浪潮，一定会到来，但是过程可能会比较曲折和漫长.