城市全域交通指挥信号数据上云上车模式

　　1、总体介绍

　　本案例基于智能网联汽车“车路云一体化”总体建设框架，创新性地开展D2V(Data to Vehicle)服务体系的构建。从数据价值挖掘、数据深度治理和数据高效传输三方面入手，在“物理”感知的基础上实现“数据”感知，增强智能网联车信息获取渠道，突破当前交通信控数据底座大、质量低以及传统路侧智能设施(RSU)部署成本高等困境，以低成本、高效率的方式建设交通数字信号服务，打造了城市级、高质量、低延时、全要素的交通数字信号上云上车解决方案。案例融合城市交通指挥信号数据、路口交通要素数据及车辆数据，生成车道级路权信息并提供车道级领航能力，深度赋能城市高阶辅助驾驶NOA，促进“智驾平权”的高阶辅助驾驶技术规模化应用和新型商业模式探索，反哺智能网联汽车产业化发展。

　　2、主要做法

　　本案例聚焦数据质量，在信号灯联网联控的基础上，通过5G通信网络实现城市级、高精度(数据准确性大于99%)、低延时(小于500ms)、全要素的路口交通数据服务，创新以高价值交通指挥信号数据上车服务为路径的解决方案，无需大量硬件设备投入，推动智能驾驶在多场景下的规模化应用。

　　一是多跨协同，打造高质量智能网联车交通指挥数据集。案例实时接入城市级规模性的交通数字信号，包括信号灯数据、可变车道状态数据、待转屏数据等交通指挥信号数据，同时，引入移动互联网大数据，智能网联汽车感知反馈数据，构建多维度智能网联车交通要素数据集。通过动态时空特征建模，构建高精度的车辆时空行为表征模型，实现对车辆运动状态的精准刻画。基于多模态深度时空 Transformer 架构，融合多源感知数据建模车辆运动行为，动态调整路网拓扑结构，自动识别道路新增、封闭等变化情况，实现低成本、高频率的路口数据要素动态反馈，全面支撑车路协同技术落地。

　　二是深度治理，实现标准化高精度交通指挥数据服务。智能网联车企迫切需要准确、高度可靠及高应用性的交通指挥信号数据作为支撑，这对现有交通指挥数据提出了准确性、一致性、完整性等高性能要求。本项目采用《公安交通集成指挥平台通信协议 第2部分：交通信号控制系统》(GA/T 1049.2—2024)制定数据质量规则和数据治理策略，自研数据模型，可将信号灯数据、可变车道数据、待转屏数据进行精细化处理，全面提升交通指挥数据与智能网联汽车算法的适配性。此外，项目引入多源数据质量监测机制，实时监测5大核心指标(时延、完整性、一致性、准确性、连续性)。同时，接收车企/车端反馈数据，形成数据质量的闭环完善，及时发现异常数据并处理，形成数据服务的有效运维，确保数据服务的高质量。

　　三是技术革新，构建高效率、高覆盖的数字信号传输通道。本案例针对“信号生成-信号传输-边界摆渡-信号触达”的交通数字信号传输链路开展技术攻坚，在信号灯联网联控的基础上，通过5G通信网络实现传输性能上的重大突破，可实现车端接收信号准确度达99%、端到端时延迈入500ms以内，并可快速实现服务普及，实现了交通数字信号透出的低时延、高可靠、高并发，满足自动驾驶算法实时性要求。

　　四是多元场景，探索智能网联车全流程数据赋能模式。本案例通过对交警部门交通指挥数据进行标准化、精细化治理，通过技术手段实现低延时、高质量的交通数字信号传输链路。为政府部门打造交通数字信号服务和数据监管体系，通过政府数据赋能产业发展，为智能网联车企和智驾服务商提供标准化、可用性高的数据服务，提升智能驾驶算法升级;为交通生态企业提供路口数据全要素数据服务，满足城市智能领航、路网规划、智驾AI训练等多元化场景需求。案例基于对公共交通数据的深度治理，实现标准化的数据产品和服务，贯穿智能网联汽车全流程场景，在推广中具有多场景适配的推广优势。

　　3、取得成效

　　本案例通过创新“云-车直连”技术路径与标准化数据治理体系，突破智能网联汽车规模化应用的核心瓶颈，实现了"降本、提效、增质"的多重目标，为智能网联汽车的规模化应用提供了重要支撑。

　　1、数据底座重塑行业成本逻辑。案例通过“数据治理提效+运维智能升级”两重路径，实现智能网联产业全链条成本结构性下降。首先，信控数据压缩技术与边缘计算节点部署，使单路口日均数据存储量、传输带宽成本降低。其次，云端协同控制与故障预测技术，大大降低人工巡检需求。基于“云-车”直连的交通指挥信号数据上车解决方案，通过置信度模型与闭环机制实现自动化运维，降低故障修复时效，‌弥补智能化路侧基础设施覆盖度不足、‌车载终端搭载率低的情况，快速‌推动智能网联汽车技术的落地与规模应用，建设成本仅为当前RSU路侧直连方案的10-20%，年运维成本下降60%-80%，单路口可节约最低50万元(以北京高级别自动驾驶示范区为例，单个路口的设备费用大约在50至80万元。按照每年运维成本占建设成本15%来算，单个路口的年运维成本超12万元)。这一“轻量化部署+高效能输出”模式，打破车路云一体化建设中“高投入、慢回报”的行业困局，推动智能交通从“样板工程”向“普惠基建”转型。

　　2、交通指挥数据优化赋能精准决策。在数据采集端，开发了底层驱动程序升级方案，对各类系统进行优化，实现了主动推送、实时信息抽取、倒计时算法优化和授时统一等关键技术突破，确保灯态信息推送的低延时和高可靠性。在数据传输环节，采用数据压缩优化、数字签名、微分批处理和数据封装等技术手段，显著提升了传输效率和安全性。同时建立了完善的数据闭环反馈机制，通过车端/车企云端的数据反馈，持续优化云控平台的数据质量评估体系。当平台接收到异常数据反馈时，能够快速进行数据处理和分析，动态调整质量评估标准，使数据置信度标签更加精准可靠。这一闭环系统有效确保了云端信控数据与实际路口信号状态的高度一致性，为自动驾驶决策提供了高可信度的数据支撑。整个技术方案不仅解决了传统信号数据传输中的时延和可靠性问题，还通过持续的自优化机制，使系统具备不断进化的能力，为车路云协同自动驾驶提供了坚实的数据基础。这些技术创新在实际应用中取得了显著成效，将信号数据的准确率提升至99%以上，为智能网联汽车的规模化应用提供了可靠的技术保障。

　　3、精准化治理与安全跃升。本案例通过信控数据直连技术，将红绿灯、可变车道等交通信号的识别准确率提升至99%以上，使车辆城市NOA系统的接管率从30公里/次提升至100公里/次，真正实现数据从“给人看”到“给车用”的转变。在安全性能方面，案例通过"云-车"和"云-云"技术路径，将实时信控数据深度整合到车辆决策系统，使车辆能够基于精确的信号灯数据自动调节车速，有效避免闯红灯等危险行为。同时，通过实时监测道路车速变化，及时发现异常情况，预防交通事故发生。不仅大幅提升了自动驾驶的可靠性，也为城市交通安全管理提供了智能化解决方案。

　　目前，本案例已助力杭州建设国内首个城市级智能网联车辆信控服务应用验证平台，完成杭州市7000+个路口信号灯数据上云，接入2900+个可变车道;滨江区452个信控路口已完成基础要素治理并开展实车测试工作。此外，平台已接入吉利、领跑、菜鸟、新石器、零跑等多品牌的汽车数据，为智驾算法提供精准的数据支撑，为城市NOA及智能网联车的动态监测及管理赋能。