智慧交通与智慧物流
——“交通7+1论坛”第五十五次会议纪实
彭宏勤*1，张国伍1,2
(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)
摘 要： 智慧交通和智慧物流是智慧城市建设的重要内容.智慧交通技术的创新和发展，促进了智能交通升级.解决大规模数据计算问题是物流智能化的基础.本次论坛以“智慧交通和智慧物流”为主题，介绍了安全驾驶统一集理论、实践及成果，探讨了新一代信息技术对智能交通发展与创新的推动作用，介绍了无人驾驶技术的总体框架、发展与应用，探讨了智慧物流所面临的大规模数据计算问题及解决方案.
关键词： 智能交通；无人驾驶；智慧物流；人工智能；深度学习
“交通7+1 论坛”第五十五次会议于2019 年6月29 日下午在北京召开.参加会议的有论坛核心专家王庆云、王稼琼、张国伍、毛保华、郭继孚、王江燕，主题发言人刘宏哲、关积珍、刘元盛、孙雪，以及专家学者、政府部门决策者、企业界管理者共40 余人.会议的主题为“智慧交通和智慧物流”.会议由北京联合大学承办，毛保华、王江燕、郭继孚主持.
刘宏哲 ：我报告的题目是安全驾驶统一集理论与实践
李学伟教授在2002—2004 年提出统一集理论，并构建了将驾驶场景识别、安全场景识别和安全驾驶集中描述的安全驾驶统一集S={ }I,O,δ,J，其中，I是交通场景集合，O是驾驶控制行为集合，δ是I到O的映射，J是对δ的约束界壳.
道路场景、驾驶员状态、车辆状态等构成模型输入，即交通场景集合I.对车辆控制的指令等构成模型的输出，即驾驶控制行为集合O.输入I与输出O之间的映射关系可以通过人工智能的技术手段分析确定，技术手段包括深度学习、数据挖掘、机器学习、模糊控制等.
（3）成交额 2011年全县畜禽及其产品集市成交额达4.59亿元，占畜牧业产值的40.87%，实现纳税约5 000万元。
复杂驾驶方面，我们将多数据、多传感器，多摄像头联合起来，构建复杂交通场景大数据，实现动静态目标特征提取和车辆行为理解，实现车辆行为分析和危险场景预警.
中国的无人驾驶从2012年开始进入有法可依状态.2018 年4 月工信部出台无人驾驶测试规范，有13个省市制定了相关规范.
人类从20 世纪30 年代就开始了无人驾驶技术的探索.经济的推动和技术的发展，使无人驾驶在近两年逐渐进入大众视野.
通常小麦的播种时间为20到30天左右，因此在秋收时，不要着急播种，首先应翻耕土地，同时呀保证土地深度，控制范围在23cm左右、近些年来大量使用旋耕机，导致整体质量出现下降趋势，小麦播种需要土壤下实上虚，为确保播种全苗，应确保土壤和品种。因此在干旱时，应在造堤的前提下，再翻耕和旋耕，同时要使用圆盘耙耙实。
行人和车辆的检测方面，我们采用基于二维图像关键点检测算法进行三维检测，实时监测前方车距或与行人间距离，在发生碰撞前或出现危险时发出警示或警报，提醒驾驶员，避免发生事故.
车道线偏离检测方面，我们重点解决了道路严重拥堵时大曲率车道线预测、覆盖车道线识别等难题，提高车道线等地面标识的检测精度，在车道偏离达到一定值时发出警报，提醒驾驶员保持安全车道行驶.
3.1 由于成人脊柱侧凸存在退变、腰腿神经痛、侧凸相对僵硬等，尤其伴有其他系统性疾病患者，如心血管疾病、糖尿病、营养不良以及骨质疏松等都会加重手术难度及风险，所以术前的充分准备和手术评估尤为重要。
车辆安全驾驶方面，采用基于CAN总线的“智驾盒子”，实时采集车辆运行路径、加减速度、转向、油耗、驾驶行为和发动机运行参数，提醒驾驶员改善驾驶行为，并建立基于传感器的数据仓库，为构建车辆安全状态评估模型和驾驶习惯模型提供数据支撑.
驾驶员安全驾驶方面，我们设计了一种多任务级联卷积神经网络，可快速检测人脸及人脸关键点，提取眼部、嘴部及头部姿态疲劳特征，建立了较高精度的疲劳与异常姿态分类模型，用于疲劳驾驶预警.
近些年，北京联合大学围绕安全驾驶统一集理论所开展的实践活动有道路安全驾驶、车辆安全驾驶、驾驶员安全驾驶、复杂驾驶、模型优化及驾驶场景到安全驾驶理论的映射等.
模型优化方面，主要是实现复杂计算的车载化.在图象处理领域，深度学习方法具有明显的优势.深度卷积神经网络需要消耗大量的运算能力和存储空间，往往需要部署在大服务器集群上.实际应用场景(车载计算)不具备很高的运算能力和大存储空间，必须经过轻量级优化后才能获得较高的精准性和实时性.我们通过结构化剪枝和低比特量化来构建压缩模型，并通过知识迁移方法提高性能，实践证明所建立的压缩模型具有相当的优越性.
深度学习的关键在于数据.我们用专业传感器在真实道路上采集数据，截取关键帧，采用专用软件进行标注，用于机器学习.我们用5～6 年时间积累了大量的数据，用于模型训练和算法设计.
北京联合大学智能车研究团队连续多年参加国家自然科学基金委员会主办的“中国智能车未来挑战赛”，与来自全国智能驾驶领域的顶尖团队同场竞技，屡获佳绩.“车道线检测”和“交通标识牌检测”两项全国第一(第八届)，“交通信号检测”全国第一(第十届)，还多次获得各级科研测试和比赛大奖.与此同时，研究团队在高水平论文、专利和软件著作权等方面取得了不少成果.
关积珍 ：我报告的题目是新技术背景下智能交通创新与发展.
目前很多大数据的工作仅仅停留在可视化方面，交通大数据亟待从可视化到实际应用的深化，需要交通从业者进行深入研究.
新一代信息技术，尤其是人工智能、大数据、云计算等技术的迅速发展，为智能交通发展提供了强有力的技术支撑，促进了交通运营管理模式和技术内涵的提升，推动了新一代智能交通系统的构建，推动交通系统运营组织和服务模式变化及交通能耗结构的转变.
从未来出行模式看，绿色出行、共享出行、智能出行等的占比会越来越高.移动互联、车路协同、自主高效将是交通系统变革的主基调.
全时空交通信息环境的实现，为不同范围不同区域不同领域的数据共享，为构建交通信息集成利用模式，带来新的机会.人车路一体化协同的实现，为车辆、基础设施、驾驶员行为、交通状态、环境等实时感知交互，进而提高安全与效率等创造了条件.开放性和共享化，带来管理和服务模式的变革，移动互联给传统的交通组织服务模式带来很大的挑战.
新技术推动了智能化交通代际的转换提升过程.智能交通系统3.0是以面向服务，共享化和协同化为主要特征.着眼未来，交通系统发展将呈现出网联化、协同化和智慧化的特征.我认为智能交通创新发展主要方向是：智能出行服务，高效运营与智能管控，车联网智能驾驶车路协同.
智能出行服务是面向公众、个性化、精细化、智能化的出行服务，除了关注效率和安全，还要强调出行中的沟通和享受.
高效运营和智能管控会催生新的业态、技术和产品，如综合交通一体化运营与服务，基于大数据分析的交通行为调控，交通状态智能解析与智能处置，跨行业跨区域移动电子支付等.
车联网、智能驾驶、车路协同系统、无人驾驶等方面发展将是一个漫长的过程.现阶段从基础设施智能化，载人工具智能化，建立智能化的车路协同系统等方面来提升出行服务或者载运工具运行效率是非常有意义的.高精度的定位和环境感知及车联网网络安全，都是需要同步发展的热点和重点技术.全息交通技术和计算交通技术需要重点研究.
经过设计阶段基本确定作品具体功能模块，在开发阶段，需要对小组队员进行详细分工，每个学生根据自己的特点，分配相应的功能模块进行开发。在开发过程中，要求组员之间一定要加强沟通和交流，确保各个模块之间接口的统一性。往往在开发过程中，会发现作品的一些地方不够完善，这时会增加一些新的功能，使得作品更加完善合理。
总体上来看，我国智能交通的发展主要是围绕智能化交通管理、智能化交通服务、智能化决策支持等3 个方面展开的.经过20 年的发展，我国智能交通系统建设取得非常有价值有意义的创新成果，包括全国机动车驾驶员信息管理系统，交通管理信息数据库，车辆监管系统和监管平台，一体道路交通的智慧控制中心，综合交通运行协调中心等.
交通大脑还没有达到真正计算程度，更没有达到人工智能超级大脑的程度.加大投入将有利于整个行业发展.
现在的自动驾驶更多是属于在特定场景、特殊路段或者特殊需求环境下的运用，比如封闭园区的物流或者公交专用道上智能驾驶.实现面向所有场景的普适性自动驾驶，将会是一个漫长的过程.
未来的交通系统将是自主式交通系统.车辆智能化程度越来越高，部分的自动驾驶或者无人驾驶车辆投入使用，会使交通系统的复杂性进一步提高.我们在研究未来交通系统时必须注重复杂交通系统理论的研究，交通信息物理系统的研究，以及交通社会物理学问题的研究.
智能交通的发展，需要跨界融合和协同创新，需要智能交通各相关行业部门共同推动智能交通系统技术领域成果和创新的提升，实现智慧和交通运输各个领域更加紧密地结合，完成智能交通系统的升级.
尽管自动驾驶作为一个产业来说还很不成熟，但与5 年前相比已发生了飞跃.经过近几年的发展，产业链已经基本形成.随着硬件设备、定位系统、高精度地图的日益完善，我国的自动驾驶水平得到比较大的提升.
刘元盛 ：我报告的题目是无人驾驶与智能交通.
道路交通信号与标识的识别方面，我们提出了基于特征金字塔级联网络的多尺度目标检测算法，实现多尺度目标及复杂背景下小目标的精确有效识别.
麦肯锡公司在2年前发布过1份报告，描述了影响未来经济的12 项颠覆性技术，如互联网和物联网等，其中第6 项就是无人驾驶.其他颠覆性技术已逐渐进入了大众生活，但无人驾驶还比较遥远.麦肯锡公司预测在2025 年或更远一点的时候将产生万亿美元的市场价值，每年将可挽救上万人的生命.
对于一些难于生物降解的毒性物质可使用强氧化剂将其氧化分解，降低其污染程度。以芬顿试剂(Fe2+和H2O2)为主的系列高级氧化技术在水处理中得到了越来越广泛的应用[4]。
同时，既然材料价格上涨了，附属工程或措施项目成本也必然会增加，如供风、供水管路、供电线路、辅助加工厂等，临时办公及生活用房、砂石料系统、混凝土生产系统等更是与此直接相关。
2018 年麦肯锡公司发布的1 份针对中国无人驾驶市场的调查报告显示，中国未来很可能成为全球最大的自动驾驶市场，中国自动驾驶环境远比世界其他地方更为复杂.
国内外研究无人驾驶的机构很多，除了高校、科研机构和车企外，目前最主要的力量是互联网公司.Google 代表了无人驾驶最高的水平，国内无人驾驶体量最大的是百度公司.
在功率突变时,λ1无法跟随系统做出相应改变,虽然对开关动作次数的放大倍数没变,但是由于给定功率发生了变化,功率误差也会有相应的浮动,此时,定系数降频控制策略的开关函数在代价函数中的比重反向改变。假设给定功率由3 000 W突变为1 500 W,稳定后,功率误差绝对值之和也会降低,此时,为了维持系统的稳定跟踪,开关函数系数应当相应降低,而λ1未改变,那么开关函数在代价函数中的比重反而上升,造成了系统稳态性能下降。而在变系数降频控制策略中,由于同时考虑了给定功率和功率误差,在功率突变时,λ2会做出相应的改变,依然维持着高品质的功率跟踪。
一个城市经济发展水平的高低与城市建设用地的多少呈正相关性．经济发展水平高，政府可调配的资源总量也增加，使得政府有更多的资金能够投入城市建设，从而扩大城市面积．由图4可见，德州市1997—2017年经济发展水平呈逐年上升的趋势．2017年德城区经济总量291.6亿元，是1997年82.63亿元的3.5倍，而建成区面积也由1997年的85.39 km2扩张到2017年的151.56 km2，扩展了1.77倍．由此可以看出经济发展水平提高，促进了城市建成区的扩大．
罗兰·巴特(Roland Barthes)在1986年发表了“The Death of Author”(《作者之死》)一文，该文集中探讨了作者、读者及文本之间的关系，并提出了带有反主体性质的“作者之死”这一略显极端的论断。巴特要表达的是作者并非优先于文本，任何以全知全能的视角试图控制文本写作的意图，最终将妨碍作品内涵的扩散。正是由于巴特这一对于作者权威地位的尝试性颠覆行为，最终使得文本创作的作者和文本意图的作者得以区分。
北京在2018年建立了第1个无人驾驶测试中心.在北京，无人驾驶车辆需要经过严格的测试场测试，并由专家发放许可，最后由公安和交管部门发放正式的测试牌照方可上路测试.
江西省水资源的一个不利特点，是时空分布不均、水资源分布与需求不匹配。全年降雨量的60%左右集中在主汛期4—6月，而用水量的60%则集中在主汛期后的7—9月，由于控制性水利工程少，往往出现汛期洪水成灾、汛后无水可用的局面。水资源开发利用能力不足，特别是水资源调蓄能力不足、供水保证率不高、水资源开发利用率偏低等问题仍然比较突出。一些水问题逐渐显现，甚至成为经济社会发展的制约因素。
无人驾驶技术由感知、认知决策和控制3 部分构成，3 个部分交互运行，完成自动驾驶的整个流程.
当前无人驾驶还存在法律法规、人文伦理、技术方案、整车成本、环境改造等各方面的问题，尚不具备大范围应用的条件，但可以在特定的环境下率先开展应用，从有人辅助到人机共驾，再逐步实现完全无人驾驶.现阶段无人驾驶可在园区旅游、区域接驳、快速公交、安全巡逻、矿区作业、智慧农业、人才培养等多个领域开展初期应用.
在国外，无人驾驶公交车做得比较好的是法国的EasyMile 和NAVYA 两个公司.尽管速度较低，乘客座位不多，但是已经拉开全面示范应用的序幕.
在国内，清华大学、宇通公司、北京联合大学、中车集团、海梁集团、深兰科技等单位也在进行无人驾驶公交车方面的尝试，并取得了不少成果.
随着自动驾驶技术的逐渐成熟，5G 通讯的到来，以及人工智能的发展，依托以自动驾驶为核心的前沿技术，逐步提高物流行业的整体效率，已成为行业趋势.
将无人驾驶技术运用到高速货物运输中，不仅可以解决重卡司机招工难、长途运输疲劳驾驶等问题，还能让无人驾驶系统学习科学的驾驶行为，极大地降低油耗及车辆的维养成本，从多个维度解放物流生产力.
《语文课程标准》明确指出：语文课程要继承和发扬中华优秀文化传统，通过优秀文化的熏陶感染，促进学生和谐发展，使他们提高思想道德修养和审美情趣，逐步形成良好的个性和健全的人格。经典的古诗文是中华民族优秀传统文化的瑰宝之一。古诗文历史久远，言短意长，具有含蓄美、凝练美与胧朦美，但遣词造句与现代文迥然不同，因此更容易让课堂陷入枯燥乏味的困境。而古诗文都配有或浓墨重彩，或清淡优雅，符合意境，令人陶醉的图画。苏霍姆林斯基说过：“儿童是用形象、色彩、声音来思维的。”根据儿童的认知和思维特点，只要在课堂中充分利用好这些插图，定能在教学中有所突破。
随着2022 年冬奥会的临近，从北京到张家口将建设无人驾驶的BRT专线，奥运场馆环卫车、接驳车、巡逻车等无人驾驶技术运用都将为科技奥运添彩.
孙雪 ：我分享的主题是智慧物流中的数据计算.
现代物流经历了粗放型物流、系统化物流、电子化物流、智能物流和现代智慧物流的发展过程.
智慧物流是要让物流具有智能性，让物流具有思维、感知、学习和自行解决问题的能力，从而为物流企业提供最大的利润，为客户提供最佳的服务，使资源利用最大化.智慧物流以智能制造为基础，贯穿了整个供应链的过程.
智慧物流供应链图谱将供应链划分为自下而上的3个层次，即作业层、管理层和决策层.决策层主要负责智慧化，包括预测与计划、供应链协同和控制塔，是基于大数据和云端算法从整体上对整个供应链进行改善和优化.供应链中台是数字化供应链的核心部分，它将供应链整体信息化、系统化、互联网化，并进行集中管理.管理层主要负责数字化，通过相关的软件来实现，具体包括仓储管理软件、运输管理软件、车辆管理软件等.作业层主要负责自动化，通过自动化和无人化技术，实现智慧仓储、智慧运输和配送的过程.决策层在利用大数据和优化算法对物流系统进行决策和优化时，需要强大的数据计算作为支撑.智慧物流数据计算中应该考虑两个重点问题：一是如何基于数据分析和算法来减少社会物流成本、提高物流效率；二是如何进行有效地计算来提高实时处理能力.
生产物流中的关键问题有生产流程的合理调度，厂内设施的合理布局，货物装载和搬运，库存控制，以及从生产到配送的其他相关问题.解决这些问题的方法有面向程序的方法，基于算法的方法，系统仿真的方法，人工神经网络的方法，以及定性的算法等常见方法或算法.
在智慧物流发展中数据是非常重要的角色.数据驱动智能，推动着智慧物流的变革.人工智能、机器学习、神经网络和深度学习算法，以及大数据、物联网、云计算、信息技术、高性能计算等一起驱动着物流的发展，进而提高各种物流问题的求解质量.
区域内地表没有岩浆岩出露。根据航空物探磁测资料显示，位于箭猪坡矿床NNE方向3～13km的深部，有隐伏的花岗岩体存在，这个隐伏岩体是五圩地区岩浆期后热液多金属矿床成矿物质来源的提供者[6]。
未来的重点工作将是通过大数据、云计算、人工智能、智能硬件等技术手段提高物流系统思维、感知学习、分析决策和智能执行的能力，提高物流系统智能化自动化的水平，推动智慧物流的发展.
3年时间，项目成果应用新增利税20余亿元，获得省部级科技成果一等奖和二等奖8项，在相关领域发表论文约340篇，申请专利或著作权57项，为30多家石化企业提供了智能优化解决方案……
Intelligent Transportation and Intelligent Logistics
PENG Hong-qin1,ZHANG Guo-wu1,2
(1.Integrated Transport Research Center of China,Beijing Jiaotong University,Beijing 100044,China；2.Transportation System Engineering Committee of Systems Engineering Society of China,Beijing 100044,China)
Abstract： Intelligent transportation and intelligent logistics are the important contents of building a smart city.The innovation and development of technology promotes the upgrading of intelligent transportation.It is the basis of intelligent transportation that solving the large-scale data computing problem.The 55th conference of“Traffic and Transportation 7+1 Forum”sets its theme as“Intelligent Transportation and Intelligent Logistics”.It introduces the theory,practice and achievements of safe driving,and discusses the promoting role of new generation of information technology in development and innovation of intelligent transportation.The general framework,development and application of unmanned driving technology are introduced.It is also discussed that large-scale data computing problem and solution in intelligent logistics.
Keywords： intelligent transportation；unmanned driving；intelligent logistics；artificial intelligence；deep learning
文章编号： 1009-6744(2019)04-0001-04
中图分类号： U491
文献标志码： C
DOI： 10.16097/j.cnki.1009-6744.2019.04.001
收稿日期： 2019-07-03
修回日期： 2019-07-10
录用日期：2019-07-11
作者简介： 彭宏勤(1963-)，男，湖北武汉人，副教授.
*通信作者： hqpeng@bjtu.edu.cn
标签：智能交通论文; 无人驾驶论文; 智慧物流论文; 人工智能论文; 深度学习论文; 北京交通大学中国综合交通研究中心论文; 中国交通运输系统工程专业委员会论文;