前段时间，地图红绿灯倒计时火爆了一把，一时间引起了行业高度关注和热议，其中也折射出我国目前绝大多数红绿灯路口仍处于采取固定方案定时控制之下的现状。随着各种新技术不断涌现，令人不禁想问：我们离智能红绿灯还有多远？

也许有人会认为，我们离智能红绿灯只差一套靠谱的检测器或检测技术，之所以采用定时控制，实属缺乏有效数据采集的无奈之举；也有人会认为，是差一台边缘智能体，因为路口信号机算法低、算力差，不能用好路口更多的各类数据；还有人会认为需要人工智能AI、大数据、云计算、互联网+等先进技术加持，从平台端另立一套算法模型系统，直接实时算出更加精准给力的配时方案……仁者见仁，智者见智。

对于以上说法和技术路线，大家不会陌生。现实情况是，红绿灯智能化似乎仍在原地踏步。为什么当前红绿灯智能化会处于停滞状态，让人感受不到其智能化？该如何破局？就这些问题，本文尝试从以下几方面进行探讨，抛砖引玉。

智能红绿灯数据与算法的发展现状

要建设智能红绿灯，和其他智能系统一样，离不开两个核心要素：一个是数据，另一个则是算法。

算法与数据之间的关系很微妙。算法决定我们需要采集和计算什么样的数据；数据的积累和拓展，能够推动算法的升级。

目前，在智能红绿灯建设和探索时，数据和算法的情况又如何呢？很遗憾，似乎都陷入不同程度的认识误区。

一方面，即数据问题。说到数据，人们自然会想到检测器。数据和检测器，目前的热度和关注度都很高，雷视一体、全息检测等检测手段和技术层出不穷，互联网数据、轨迹数据等数据源也不断丰富。因此，似乎只要解决了检测和数据问题，红绿灯信号控制就能实现智能化。

在这方面，笔者曾作过一些探讨。这方面还涉及各类数据在信号控制中应该如何使用。是不是所有的数据，都可以用于实时信号控制等信控中的数据治理问题。这不是本文重点，在这里不作探讨。

另一方面再来看算法问题。算法问题就相对冷门许多，当然不是完全没有热度，所以需要我们额外关注。目前，市面上主要有类似AI智能红绿灯系统和边缘智能体等相关的两类产品，分别从平台和前端两个角度对应挑战传统信号控制系统和信号机。

AI智能红绿灯系统，主要是直接通过在平台端汇集的多源数据，另立算法模型计算配时方案，以不断缩小数据粒度和提高配时方案更新的频率来保证系统优化的实时性。方案生成不依赖路口信号机的数据检测和计算，信号机仅执行方案。其本质上仍然使用脱机方案优化技术。

边缘智能体，主要是在前端对路口信号机的数据源处理能力进行拓展，其信号控制算法主要还是以单点感应控制或自适应控制为主。也就是说，二者主要加强了对多源数据的利用能力，但在算法上与传统信号控制系统和信号机大同小异，没有明显的技术革新和突破，仍然以调整配时方案的自适应性为落脚点。

通过对目前智能红绿灯建设探索中据和算法两方面的情况进行简单梳理，结合行业发展现状，能明显感受到行业目前正形成两个潜移默化的认识：

一是路口红绿灯之所以不够智能化，主要是因为缺乏数据采集，只要配好检测设备或拓展数据源，依靠现有信控系统算法就能实现红绿灯智能化。

二是现有路口单点感应控制或自适应控制等于路口智能红绿灯，即只要实现了红绿灯时长随交通流的变化，就是智能红绿灯。

现有自适应控制算法的局限和困境

现有路口感应控制或自适应控制，是路口智能红绿灯的“终极形式”？单纯靠实时调整配时长短，能够实现红绿灯随交通流变化而自适应控制吗？这是值得探讨的问题。我们可以从几个例子分析中寻找答案。

为了更简便和直接地探讨问题，我们选取一个普通十字交叉口的进口，设定交通组织渠化相对正常合理，每种流向车辆均匀通过路口，简单分析不同交通流分布状态下的信号控制和配时问题。

（1）如图a，我们可以看到进口左转和直行交通流存在明显差异、分布不均衡。假定一个周期内清空左转排队车辆需要20秒时间的绿灯，清空直行排队车辆需要50秒的绿灯，该进口目前信号放行相位A设置为直左单放，暂无其他相位设置可放行该进口直行和左转，不考虑右转控制和行人信号。此时，自适应的智能控制系统该如何给A相位分配绿灯时间呢？

显然，我们至少需要给A相位安排20秒的绿灯，以便至少清空相对较少的左转排队。但20秒后呢？有趣的情况发生了：我们还需要30秒的绿灯，才能清空直行排队，否则将造成直行二次排队和持续积累拥堵，所以需要延长该相位绿灯时间。而一旦延长相位绿灯时间，左转的绿灯就会开始空放浪费。

只实时调整相位配时，让我们陷入矛盾的两难境地，怎么调整时间分配都无法精准适应交通需求。

如何解决这个难题？这时候会有人说进口相位设置或车道划分不合理。

是的，只要略有经验的交通工程师或交通管理者会发现，需要调整车道或相位设置，要么按图a1调整车道设置，要么按图a2调整相位设置。这或许不是交通组织和控制难题，而是常规的优化操作。

一般车道属性设置应相对稳定，上述进口流向分布状态不是长期稳定的情况下，通常先通过调整相位设置来解决，即需要在20秒的绿灯后结束A相位，开启一个新的B相位阶段放行30秒的绿灯。

这个相位的出现（也就是传说中的搭接相位，当然方案并不唯一），既满足了进口直行剩余排队车辆的通行需要，又引入了不冲突的其他交通流的放行，以避免绿灯时间分配的浪费，有效应对进口流向分布的不均衡，提高时间通行权的分配效率。

（2）如果该进口的交通流分布变化为图b的相反状态呢？类似的问题和方法，需要对应调整车道或增设一个新的C相位作为搭接来解决。具体表现看图b1和图b2，此处不再赘述。

（3）如果进口恢复为图c的均衡分布状态呢？此时就不再需要搭接相位B或C来解决不同流向的分布不均衡问题，只需要给A相位分配50秒的绿灯，并在相位绿灯运行时间内对直行和左转车流运行状态进行检测，并实施感应或自适应的时间控制，来保证已分配绿灯的利用效率。

通过以上对几个例子的分析，我们会发现：在路口车道渠化相对固定，相位相序方案设置确定的情况下，只对相位配时长短进行实时调整优化，是难以完全适应交通流变化的，实际上不能够做到自适应控制。

只有先动态优化相位设置，使相位设置匹配分布状态的变化，相位内的交通流组合相对均衡，才能使得后续相位时间的运行和控制更加精准地适应交通流运行，从而实现对交通流真正的自适应信号控制。

相位相序自适应的必要性

在目前信控实践中，路口渠化及相位相序方案通常由交通工程师人工预先制定，并需要专业人员定期研判交通流的变化进行调整优化。相位配时方案则由信控系统通过布设检测器实施，对现有单点感应或自适应控制功能进行实时调整优化。

也就是说，目前，实践中相位相序设置由人工完成适应交通流需求的设定和优化，现有信控系统尚不具备根据交通流变化自适应调整相位相序的功能。人工优化调整能够赶得上交通流的变化吗？显然不能，而且往往是滞后和被动。

还是以前述例子，追加一个问题：如果进口交通流的分布状态在较短的一段时间内，在图a、图b和图c的3种情形下随机变换，我们又该如何应对呢？这恐怕是我们面临的真正难题。这时需要实时对应生成、调用或跳过搭接相位B或C，以适应进口流向分布状态的随机变化。靠人工显然无法精准完成上述操作，必须通过智能化的系统功能才能够实现。

事实上，我们回到路口交通流运行的本质特征上来看，交通流由路段进入路口，由于存在进口流向和车道的划分，车辆进入导向车道通行的过程实质上将路段的一股同向交通流分成了不同流向的多股交通流。

这个过程使路口交通流先后呈现出两个显著特征：

一是横向的不同交通流向的分布特征。

二是纵向的每股流向交通流的队列流特征。

这两个特征与路口信号控制息息相关，横向的分布形态影响着相位设置，纵向的队列流运行状态影响着相位绿灯时间的分配和控制。

在日常路口交通活动中，由于车辆到达的随机性，不仅纵向的车队流排队和跟驰会呈现随机性，横向分布状态通常也会出现随机性变化。

因此，要建设路口智能红绿灯，实现路口智能化的自适应控制，精准适应路口交通流的变化，势必要将相位相序优化的自适应纳入现有信控系统的功能算法体系当中，建设更高阶的自适应控制算法体系，进而推动孵化建设新一代智能化信控系统。

相位相序自适应的可行性

目前，推动信控系统算法向相位相序自适应升级，可行吗？这要看路口交通检测技术的发展水平。检测技术革新和数据拓展，往往能够推动算法升级。

20世纪60年代开始，断面检测技术的出现和逐渐成熟，为信控系统提供了准确获取纵向队列流运行状态特征的重要手段，使相位时间分配和控制的自适应（即现有路口感应控制和自适应控制技术）得以实现，并逐渐建立了现有的信控系统算法体系。

断面检测技术却难以准确获得横向流向分布形态特征，不能完全捕捉路口交通流变化特征，使得人们在较长时期内只能依靠大量的人工工作对路口相位相序进行被动优化。现有信控系统的算法局限在配时自适应控制的最末端，效果自然跟不上交通流的变化，从而不够智能、大打折扣。

如今，逐渐成熟的空间区域检测技术，能否发挥自身优势，准确获取横向流向分布形态的变化，使相位相序的自适应成为可能呢？这个问题就留给交通检测器厂家和“爱好者”来回答吧。

结束语

总而言之，相位相序的自适应仅仅是算法升级的一小步，信号控制的应用场景不是只有孤立的交叉路口，我们不可能在所有交通状态下都一味地满足和适应交通需求，智能红绿灯建设与探索仍然存在很多未知和可能。

或许，智能红绿灯并没有“终极形式”，但只要我们秉持求真务实、守正创新的信念和初心，深入到交通管理具体实践中，有机融合运用新技术手段，不断推进红绿灯智能化的前进步伐。因此，相信智能红绿灯实现的那天，离我们不会太遥远。（海口市公安局交通警察支队警务技术四级主管 韩华）