复盘|成宜高速:让出行体验“云上速度”

简介: 2016年以来,国家持续在智慧交通领域加强顶层设计和投入。作为四川省大力支持的新基建示范工程和交通强国建设试点路段,成宜高速在全国乃至全球智慧交通领域都颇具代表性。成宜高速的建成,让成都平原经济区与川南经济区有了最便捷的通道,同时,该项目运用物联网、AI感知、高精度定位、数字孪生等创新技术,解决了诸多传统建设手段解决不了的难点。这条“157公里全线覆盖车路协同”的智慧高速,开启了智慧交通发展的新里程。

2016年以来,国家持续在智慧交通领域加强顶层设计和投入。作为四川省大力支持的新基建示范工程和交通强国建设试点路段,成宜高速在全国乃至全球智慧交通领域都颇具代表性。

 

成宜高速的建成,让成都平原经济区与川南经济区有了最便捷的通道,同时,该项目运用物联网、AI感知、高精度定位、数字孪生等创新技术,解决了诸多传统建设手段解决不了的难点。

 

这条“157公里全线覆盖车路协同”的智慧高速,开启了智慧交通发展的新里程。

 

 

1400年前,李白写道:蜀道难,难于上青天。四川复杂多样的地形、多雨雾的气候,让上千年的出行之路历来艰难。

 

现在,一条从宜宾至成都全长157公里的高速公路在此贯通。成都宜宾高速公路(下文简称成宜高速)起于成都经济区环线高速公路,线路途经简阳市、仁寿县、威远县、荣县、叙州区、翠屏区6个区县,只需90分钟的时间便可到达宜宾市。

 

这是四川省交通强国试点省份实施方案中的重点项目之一,也是四川省新基建示范工程

 

成宜高速更具革新的意义在于,它是中国第一条全线覆盖车路协同的智慧高速,全程布设视频、雷达、气象、温度、路面积水、光照、能见度等多种传感器,利用人工智能技术和物联网平台,对所有设备进行统一管理和控制,实现了对高速公路人、车、路、环境、事件的智能、全时、全天候识别和监测。

 

157公里,既显示出蜀道集团数字化攻坚的魄力,成宜高速也开启了中国智慧高速建设的新征程。

 

10秒告警,高速公路体验云上速度

 

在蜀道集团成宜高速监控中心,负责监控高速交通情况的工作人员王琳收到了异常停车AI自动警报,系统检测出在某收费站附近,一辆汽车停靠在高速公路边上。她立刻致电车主了解具体情况,并给异常点附近交警岗点作出出警指令,10分钟后交警到达事故处处理,警报得以解除。

 

王琳说:以前是被动接受信息,等车主出了交通事故,才跟我们打电话。现在能做到主动发现,主动救援。以往监控中心发现交通事故后,平均需要拨打12通电话,上报12个收费站及相关路巡人员,整个流程耗时20分钟以上。现在,通过智慧高速的自动感知和一键通报服务,10秒就能完成感知、分析、决策、派遣闭环。

 

与此同时,这157公里的高速公路只有十多个警务人员管辖。通过监控中心开展电子巡查,可以一定程度代替警务人员的道路巡检,大大减少了人力和车辆巡检资源调用的压力,降低了交警在高速上进行道路巡检的安全风险。

 

“10秒感知、10分钟到达,是蜀道集团对交通事故处理效率提出的目标,在全世界也处于领先水平。蜀道集团希望把成宜高速打造为高速运营管理的世界标杆。

 

成宜高速公路的总体建设包括三个部分:第一,支持自动驾驶,选取试点路段,配套建设支持L4级自动驾驶的基础设施。第二,全线车路协同,构建完善的高速公路路网智能感知管控体系,实现车辆主动安全控制和道路协同管理。第三,全线智慧高速,基于数字新基建打造全方位智慧能力,旅客将在成宜高速上享受到更加安全、舒适、快捷的智慧出行。

 

这意味着,成宜高速全部路段均要实现所有交通要素和环境要素的数字化,包括道路、护栏、路灯、门架、路牌、卡口相机等路侧设备,以及服务区、收费站、桥梁、隧道和周边地貌、建筑等环境要素,让高速公路实现全数字化上云管理。

 

高速公路的智慧大脑

 

数字技术与传统交通体系的协同发展,离不开过往的经验,也离不开基础设施和新技术的深度融合。为了实现高速公路数字化协同管理,2020年,蜀道集团与阿里云成立联合实验室,共同探索公路数字化建设模式,共同探索如何通过云计算、人工智能、数字孪生等技术,解决困扰传统交通行业的难题。

 

首先,阿里云迫切需要解决的是建立成宜高速的公路感知体系

 

如何有感知?在157公里的路段上,每间隔800米树立一根智慧杆。智慧杆与传统的摄像头监控杆完全不同,除了高精摄像头之外,还布设了两百多套阿里云雷视融合感知设备以及各类气象感知设备。通过全线全覆盖的规模化,雷达、视频等多种传感器的共同工作,即使在浓雾、大雨等极端天气下,系统也能清晰成像,感知能力不受影响。

 

下一步,让路会思考,通过阿里巴巴达摩院AI算法的结合3D高清地图,利用车路协同解决方案,对高速公路上的人、车、环境,实现全量、全天候、全程精准感知与判断。

 

在此基础上,成宜高速通过毫秒级数字孪生技术构建了数字平行世界。基于车道级高精2D/3D地图建模及雷视融合轨迹数据实时拼接,路网及沿线的一草一木、一车一路、天气环境等要素,通过数据融合分析,实时投射到三维数字世界中,展现一个全时空、高精度、高保真、实时还原的平行世界。由此,管理人员能实现对高速路况的实时查看,让道路管理更加直观、高效。

 

比如在交通事件快速识别、处理上,通过视觉AI识别异常停车、行人闯入、车辆逆行、抛洒物、道路施工、交通事故、异常气象等20多类交通事件,并融合多摄像机针对同一事件的报警信息,系统能够将事件与跨摄像机还原的轨迹融合,最终实现融合准确率95%以上,召回率98%以上。通过数字平行世界进行处理,100%的异常交通事件均能实现救援时间缩短50%

 

此外,结合全天候的精准感知,数字平行世界还能让前方出现的交通事故、拥堵等状况,通过APP以毫秒级的速度传递给后方的驾车人员,为用户带来上帝视角的车辆跟随及车路协同远程虚拟驾驶的新体验。

 

对于智慧高速来说,另一个更大的挑战在于如何实现监控、告警、收费、警务系统等不同业务数据的协同。而实际上,实现多源数据的融合与协同也是阿里云所擅长的。

 

过去数十年的城市信息化建设,侧重于交通信息采集、传递及数据化、可视化展示,但对数据缺乏深度分析,不同系统的数据间也缺乏协同。中国工程院院士、阿里云创始人王坚就曾打趣说:世界上最遥远的距离,不是从南极到北极,而是监控摄像头到交通信号灯的距离,它们都在一根杆子上,但是从来没有被数据连通过。

 

在云控平台的支撑下,成宜高速公路上全量时空数据、感知数据、业务数据逐渐流动起来。通过大数据平台和物联网平台,建立了从交通数据接入到数据应用的全链路数据管理能力,让监控中心所有业务工单实现了100%在线,并自动进行流转处理,最终闭环。将交通事故从感知到告警的时间缩短至10秒,事故处理时间缩短至10分钟左右,帮助运营者快速响应交通管理和运营服务等业务。

 

发挥智慧高速的数据价值

 

成宜高速的建成,从设计施工到管理运行,既有车与路的协同,更有智慧运营和出行服务的融合,蜀道集团这种超前的建设理念也为人们的未来出行规划出一种全新模式。

 

城市交通的服务对象主要包括交通管理者和出行者,从管理者的角度,要掌握城市实时交通运行态势,进而提高管理效率;从出行者的角度,能够及时获取准确实时的交通信息,享受更为便捷廉价的出行服务是主要诉求。帮助管理者治理交通拥堵,同时为出行者提供一体化、个性化信息服务,从管理和服务两个端,快速形成数据资产、挖掘数据价值,才能真正赋能智慧出行。

 

阿里云智能交通行业车路协同总架构师刘勇表示:未来的智慧出行应该是可预测和可预约的,数据资源能动态匹配。比如,天气对高速公路上的货运物流非常关键,通过气象数据和交通数据的结合,预测和规划运输路线,才能提高物流运转效率。只有数据打通了,数据的业务价值才能得以发挥。

 

智慧交通也是城市建设生态的一部分。通过阿里巴巴集团生态,一方面与高德、支付宝等通力合作,另一方面与公安部、交通运输部、国家旅游局、气象局等国家部局建立战略业务合作。良性、创新的产业生态,共同实现人车路的连接和智慧交通的生态服务共享。

 

作为面向生态服务共享的数字高速样板,成宜高速正打造出行体验更舒适、更安全、更便捷的智慧高速

 


本文摘自《云栖战略参考》2022第三期,订阅数字化转型双月刊《云栖战略参考》请扫码(或填写下方链接),工作人员会在审核后为您寄出

https://survey.aliyun.com/apps/zhiliao/xsTiZ4YaM

杂志订阅海报-定稿.png

目录
相关文章
|
运维 Cloud Native 机器人
《2023云原生实战案例集》——01 汽车/制造——节卡机器人 云拨测测助力全面优化海外网站性能
《2023云原生实战案例集》——01 汽车/制造——节卡机器人 云拨测测助力全面优化海外网站性能
《2023云原生实战案例集》——01 汽车/制造——节卡机器人  云拨测测助力全面优化海外网站性能
《云上社交行业技术服务白皮书》——第四章 云上社交保障与服务案例——4.2 社交流量潮汐性——4.2.3 云上成本优化(2)
《云上社交行业技术服务白皮书》——第四章 云上社交保障与服务案例——4.2 社交流量潮汐性——4.2.3 云上成本优化(2)
326 0
|
负载均衡
《云上社交行业技术服务白皮书》——第四章 云上社交保障与服务案例——4.2 社交流量潮汐性——4.2.3 云上成本优化(8)
《云上社交行业技术服务白皮书》——第四章 云上社交保障与服务案例——4.2 社交流量潮汐性——4.2.3 云上成本优化(8)
111 0
|
存储 运维 算法
《云上社交行业技术服务白皮书》——第四章 云上社交保障与服务案例——4.2 社交流量潮汐性——4.2.3 云上成本优化(3)
《云上社交行业技术服务白皮书》——第四章 云上社交保障与服务案例——4.2 社交流量潮汐性——4.2.3 云上成本优化(3)
393 0
|
存储 负载均衡 监控
《云上社交行业技术服务白皮书》——第四章 云上社交保障与服务案例——4.2 社交流量潮汐性——4.2.3 云上成本优化(7)
《云上社交行业技术服务白皮书》——第四章 云上社交保障与服务案例——4.2 社交流量潮汐性——4.2.3 云上成本优化(7)
137 0
|
供应链 数据库 混合部署
《云上社交行业技术服务白皮书》——第四章 云上社交保障与服务案例——4.2 社交流量潮汐性——4.2.3 云上成本优化(5)
《云上社交行业技术服务白皮书》——第四章 云上社交保障与服务案例——4.2 社交流量潮汐性——4.2.3 云上成本优化(5)
131 0
《云上社交行业技术服务白皮书》——第四章 云上社交保障与服务案例——4.2 社交流量潮汐性——4.2.3 云上成本优化(1)
《云上社交行业技术服务白皮书》——第四章 云上社交保障与服务案例——4.2 社交流量潮汐性——4.2.3 云上成本优化(1)
383 0
|
弹性计算 监控 Kubernetes
《云上社交行业技术服务白皮书》——第四章 云上社交保障与服务案例——4.2 社交流量潮汐性——4.2.3 云上成本优化(9)
《云上社交行业技术服务白皮书》——第四章 云上社交保障与服务案例——4.2 社交流量潮汐性——4.2.3 云上成本优化(9)
127 0
|
存储 弹性计算 运维
《云上社交行业技术服务白皮书》——第四章 云上社交保障与服务案例——4.2 社交流量潮汐性——4.2.3 云上成本优化(4)
《云上社交行业技术服务白皮书》——第四章 云上社交保障与服务案例——4.2 社交流量潮汐性——4.2.3 云上成本优化(4)
152 0