道路交通信号控制系统是智能交通管理系统中重要的基础应用系统，是公安交通管理部门缓解道路交通拥堵最主要的技术手段。

自2016年公安部交通管理局在全国部署推进城市道路交通信号灯配时智能化和道路交通标志标线标准化以来，道路交通信号控制系统受到了广泛的关注；同时，随着近年来物联网、大数据、人工智能等技术的发展应用，道路交通信号控制系统也正处于技术创新发展的前沿。

发展现状

从1978年北京市实现8个路口道路交通信号的计算机控制至今，我国道路交通信号控制系统已走过了整整四十年的发展历程。

劳然所著的《中国城市交通控制三十年》中对前三十年间的道路交通信号控制系统发展做了全面的归纳总结。

1978年至19世纪末的二十年间，道路交通信号控制系统研究处于起步探索阶段，依托国家“七五”、“八五”重点攻关项目，经过十年的技术研究，公安部交通管理科学研究所、同济大学及当时机电部南京二十八所等单位联合研制开发了我国第一个具有自主知识产权的道路交通信号控制系统，而期间道路交通信号控制系统建设主要集中于大型城市，以引进国外系统为主，着重于消化吸收国外相关技术。

2000年后的十年间，随着“畅通工程”的开展及各地城市交通指挥中心的建设，道路交通信号控制系统进入应用发展阶段，国内厂商研发了一系列的道路交通信号控制系统并在全国开始大范围应用，相关标准也逐步发布实施。

但在这一时期，国内道路交通信号控制系统偏重于联网控制管理功能，道路交通流优化功能不强，道路交通信号控制系统大多运行于单点的多时段或感应控制以及干线的固定配时协调控制。

近几年来，随着我国城镇化、机动化进程的加快，交通拥堵形势日益严峻，对道路交通控制提出了智能化、精细化的更高要求，道路交通信号控制系统进入提高发展阶段。

随着检测技术的发展，尤其是视频检测的规模化应用，使系统可获取更全面的道路交通信息，促进了道路交通信号控制技术的进步。

一些知名互联网企业开始涉足这一传统领域，阿里巴巴公司与杭州市政府建设的“城市数据大脑”、滴滴公司基于网约车的浮动车数据构建的智慧信号灯等，给行业带来了不小的触动。

在此期间单点自适应控制、干线绿波动态协调、基于GPS北斗定位及RFID的特种车辆优先控制得到广泛应用，面向饱和交通的区域均衡控制策略也已开始实施，同时有关道路交通信号控制机、道路交通控制方式、道路交通信号控制系统术语等基础性技术标准相继实施，有力地促进了系统技术研究与实施应用工作。

目前，道路交通信号控制系统通用技术要求、道路交通信号配时指南等标准规范也正在积极制定之中。

四十年来，我国道路交通信号控制系统已得到大规模地应用实施，结构功能完善、控制方式多样，基本满足当前的道路交通管理需求，成为道路交通管理中不可或缺的业务系统。

然而在道路交通信号控制系统技术层面上，还存在着底蕴不足、基础理论及技术应用水平相对薄弱的问题。

我国道路交通信号控制技术发展起步于19世纪80年代，跳过了国际上固定配时的研究阶段，对道路交通流基础理论及应用方面的系统性研究不足，没有形成类似于国外TRANSYT／SYNCRO／SIDRA配时仿真软件。

此外，在动态协调控制技术上，由于前期数据的匮乏，难以对非线性时变的道路交通流进行精准建模，造成基于道路交通流模型的自适应控制算法应用效果不佳，国内的道路交通信号控制系统则更多地采用基于规则流程的启发式控制算法，虽然取得了一定的应用效果，但随着数据的日益丰富和计算能力的提升，具有道路交通流优化控制理论支撑的控制算法必将取得更好的控制效果。

在系统研究应用上，产学研围绕课题研究的合作多，但研究成果转化少，缺乏深入的持续性技术研究与测试应用，尚未形成可与国外知名系统比肩的国产道路交通信号控制系统。

技术展望

当今社会已迈入大规模生产、分享和应用数据时代，新一代信息技术以其强大的渗透力和融合力为道路交通信号控制系统的发展带来了前所未有的契机。

新技术的应用首先体现在道路交通流检测数据的一体化集成应用方面。

目前面向道路交通控制的交通流检测手段已呈现多样化态势，除基于线圈、视频、雷达等技术的传统道路交通流断面及区间检测外，基于车辆定位技术的浮动车轨迹检测的应用也日趋广泛。尽管后者数据在时空粒度上仍难以直接应用于道路交通流实时控制。

但其提供的车辆行程时间、速度及饱和流率等信息可以进行道路交通状态分析，两者数据的相互补充融合可以挖掘深层次的道路交通流运行特征，实现准确的道路交通流短期预测和信号控制效益评估分析。

即将到来的车联网及未来无人自动驾驶等技术的应用更是促进了传统道路交通检测技术进行一场大变革，发掘应用数据价值将成为提高道路交通信号控制系统控制水平的重要技术手段。

在控制算法技术上，基于数据驱动的道路交通控制是当前的一个热门发展方向。

以机器学习为代表的人工智能技术为道路交通控制提供了新的解决方法，即运用诸如增强学习（也称近似动态规划）、深度学习等机器学习中的一系列通用技术方法进行数据的统计分析与学习仿真，从而使道路交通控制从传统的模型控制转变为数据驱动的智能决策优化，在丰富数据支撑下该方法能更好地适应道路交通流的变化特性，实现更精准更主动的道路交通控制。

基于资源调度分配算法的道路交通信号自组织控制是另一个发展方向，该方法类似于路面民警疏导交通拥堵的控制理念，以路口排队可控为目标，寻求实现信号相序的优化及去中心化、非周期式的最优信号控制。

在大规模路网条件下递阶分散式控制结构仍是系统发展的主流，通过控制中心与路口终端的分工协作实现系统整体控制功能。

控制中心依据构建的数据平台，对各类相关数据进行汇聚分析，研判路网交通流的宏观运行态势，评估及生成路口控制决策所需的参数及策略方案；路口终端则进行微观控制，实时生成最优信号配时方案，适应路口间道路交通流到达的实时变化。

智能化的道路交通信号控制系统将是“真正”自适应的控制系统，通过数据分析进行系统控制中所需参数及方案的最优估计，实现在无人工干预或很少干预下的自动控制，减轻道路交通信号控制系统实施维护的工作量。

在未来无人驾驶车辆全面应用的时代，消除了人类驾驶行为带来的不确定影响，道路交通信号控制将演变为类似于通信网络中的流量控制，道路交通信号控制系统将会有颠覆性的变革，那将是全面智能的时代。

随着社会经济的不断发展进步，人民生活水平和质量日益提高，公众对于安全畅通的道路交通出行环境提出了更高的要求，道路交通信号控制系统智能化发展之路任重道远。

作者 ｜ 赵永进 公安部交通管理科学研究所 研究员