近年来，智慧高速建设蓬勃发展。截至2023年5月，全国已有30余条智慧高速路段实施改造，并在智慧感知、运营、服务、养护等方面取得了一定成效，为加快探索智慧高速场景下的应急救援与主动管控打下了坚实基础。当前，在智慧高速的应急管控实战应用中普遍存在一些问题难点，概括起来，就是难以突破“三大难关”，对此江苏高速探索出了一套针对性解决方案。

▲江苏省高速公路调度指挥中心

第一大难关 有效预测难

准确评估重要路段通行状态，预测路段区间交通态势，是构建合理可靠应急管控体系的重要前提。各省逐步探索了各种交通态势预测方法，总的来看，主流技术路径有两类，第一类是以众包、浮动车等互联网数据为基础的商业地图厂商态势预测，第二类是以ETC门架数据等自主采集数据为基础的自主研发态势预测。由于各类方法的采集规则、数据属性、数据质量等特征差异较大，且受到路网多种因素干扰，很难真正实现有效预测。

预测可用性低 目前，各种预测手段所形成的预测结果，主要是针对出行者的出行时间，或者针对单一路段未来的交通流量，两类预测均无法直接指导交通管控，通常还需要调度人员将态势预测结果转化为以经验为主的管理指令。

预测准确度差 交通态势随机性很大，除车流量外，还需要综合考量天气、突发事故、公路养护等因素，仅靠单一的模型算法或简单的数据推演很难准确预测，实现路网级的趋势推演更为复杂。

预测及时性弱 对于分秒必争的应急管控来说，早一分钟反馈预测结果，应对的策略和难度也会有很大差别，及时预测非常重要。当前的交通态势预测对于单个路段来说易于实现，但全路网预测由于算力限制，往往无法及时提供预测信息。

方案探索 高速大脑——“数字”支撑有效预测

为积极应对当前交通态势预测存在的几大难题，江苏高速从2019年开始尝试攻破，依托高速大脑的建设实现了几大能力的提升。

预测形式上逐步向业务靠拢 基于道路分级管控理念，江苏高速提出了道路交通指数的预测方法，从业务上定义当前道路所处状态，通过交通指数的预测支撑后续管理人员的精准调度。

预测算法不断丰富 高速大脑数据中台汇聚了道路视频、ETC门架、气象信息、车辆定位等感知数据，关联路段、环境、事故、特殊事件等多维特征，在深度学习算法的基础上融合了交通先验知识，应用了“数据模型+ 交通流物理模型”双驱动的建模方法，将路网交通态势预测精确至1分钟，准确率提升至98%以上。在此基础上，分为1小时预警、半小时预警和15分钟预警分级，并采取管控措施。

预测算力逐步夯实强化 针对全路网态势推演依赖交通算力的问题，江苏高速于2019年启动软件定义广域网络（是一系列技术的集合，主要概念是将软件定义网络的技术应用在管理广域网络，software-defined networking in a wide area network，缩写为SD-WAN）建设，所有数据在路侧直接上传云端，在公有云网络实现数据存储及运算，保障数据上传的及时可靠。同时推进“一张底图”治理工程，全面整合路网拓扑基础信息，深入开展空间主数据管理治理，一数一源、分层管理，融合集成交通仿真能力，突破路网交通区域推演难题。

未来，江苏高速还将建成自有的“高速云”，实现算力全面升级，通过云边协同的分布式运行计算方法，进一步提升路网推演速度。

第二大难关 精准发现难

及时发现、迅速响应、快速处置交通事件是减少道路拥堵、减轻事件影响的重要前提。当前，40%至50%的公路交通事件监测依靠人工巡检发现，10%至20%为人工电话上报，主动精准感知发现的比例较少。随着人工智能、深度学习等信息技术的快速发展，利用信息化数字化手段开展交通事件事故智能识别检测，已逐步成为提升高速公路运行监测水平的普遍共识和主流方式。由于前端设备、技术架构、部署方式、系统理念的各不相同，各家在精细识别、精确辨别、精准判别水平上与客户实际应用需求还存在差距。

识别能力不强 道路交通事件如车辆碰撞、行人闯入、超速行驶、违法逆行等类型成百上千，与之对应的检测算法种类和能力也千差万别。目前，部分省份、企业部署了内嵌检测算法的智能前端设备进行事件检测报警，但受制于设备局限性，无法实现对所有事件类型精准检测。

检测精度不高 不同厂商算法的监测能力各有所长，有的擅长团雾监测，有的擅长违法行为识别，有的灵敏度优秀，有的稳定性良好，单一AI算法始终存在能力瓶颈，高检出率与低误报率难以同时兼顾，只得“顾此失彼”。同时，AI算法对抛撒物、恶劣天气的检测始终难以实现质的突破，成为行业难题。

业务理解不深 一起典型的交通事故从产生到响应、处置，再到拖离，过程中会产生停驶、行人闯入、抛撒物（障碍物）甚至逆行等各种情况。以往的AI算法无法实现对业务的深度理解，在实际应用中经常造成一次事故处置频繁误报或者重复报，一天达到几百到上千起，基本无法支撑业务使用，还会给一线人员造成“数字疲劳”“数字负担”。

方案探索 AI平方——“数治”赋能精准感知

针对当前AI算法不够精准、能力不全、不懂业务等问题，2022年以来，江苏高速自主研发了“AI平方”事件检测数字产品，深度融合成熟AI算法和业务场景语义，通过机器治理、数据治理、业务治理“三重治理”，突破AI算法设备绑定、能力瓶颈、业务盲区，有效压缩信噪比、提升算法检出率，精准感知能力显著提升。目前，“AI平方”已具备5类132种算法引擎，可自主学习、动态调用、能力融合，实现了检出率与准确率双提升，检出率达95.8%，业务准确率95%，抛撒物检测、恶劣天气检测等算法攻关也取得了实质性进展。目前交通事件发生后，“AI平方”系统预警比调度中心接到报警电话平均提前20分钟，重复报警率大大减少。

▲组图：江苏高速应急演练

第三大难关 科学匹配难

针对事故发生后的应急处置，及时匹配合适的救援工具是保障公众生命财产的关键。什么样的事故匹配什么样的清障车、当前事故是否涉及危化品车……这类信息的判断主要依靠调度人员现根据经验调度，受制于调度人员经验水平与专业知识，并非每次事件都能高效精准地执行。

调度力量匹配难 当前事故条件下的调度指挥往往以区域为单位，根据清障驻点所分配的管理范围来执行，所分配的救援力量到达时间并非最短。此外，不同车辆的拖挂方式差异性也很大，由于调度人员的清障专业知识差别，如何根据外场突发事件的车辆类型及当前交通运行状态，从最近的救援驻点科学匹配最适合的救援车辆，难度很大。

重点车辆匹配难 重点车辆的管理权限在运管部门手中，高速公路运营方由于缺乏直接的重点车辆运输信息，一旦有大型车辆发生交通事故，调度人员无法精准判断当前运输车辆是否为危化品车，无法立即获取车辆所运输的危化品类型，更无法根据当前事故形态联动消防、环保、应急、卫建等部门共同处置。

区域管控方法难 区域大流量路段一旦发生突发事件，会造成较大范围的拥堵，如果不主动引导区域车辆，对后续管理人员的调度难度和驾驶人员的出行体验都将产生较大的影响。目前，国内对于主动交通管理的应用还较少，近些年政策文件上已经给交管部门和道路运营部门提供了开放空间，但如何科学选定控制阀值难度仍然较大。

方案探索 数字孪生——“数智”赋能科学调度

太湖隧道全长10.79公里，也是目前国内已通车的最长、最宽的水下隧道，交通运行复杂、应急救援难度大。依托太湖隧道的应用需求，江苏高速开展了基于数字孪生的一体化应急管控平台研发，有效实现了科学赋能应急管理。

实现协同调度和预案联动 通过数字孪生平台，双向划分64个控制单元，六大类10万余台机电设备，搭载了七大类727条预案，确定控制、影响、无影响3种执行区域，实现分区、分单元的预案联动、路隧一体的“一路三方”协同调度与精准的设备云联智控，可高水平支撑实现“1分钟有反应、3分钟有措施、5分钟见成效”隧道救援目标。同时，依托数字孪生平台，构建了隧道应急演练仿真推演能力，实现了集火灾预警、消防、逃生、救援“四位一体”的消防训练系统，实现太湖隧道消防救援的虚拟演练、评价和反馈，从而不断优化消防应急预案。

提升自动化决策能力 在数字孪生平台中集成了路网主动交通管控模块，研发了适应国内饱和交通出行特征的主动管控算法，在匝道管控、可变限速、车道分配控制、应急车道动态管控等算法基础上，引入了驾驶行为参数，可以根据路段驾驶人员车头时距、瞬时速度的数据判断驾驶人员行为特征属于激进型还是保守型，并根据驾驶人员特征分布、管控策略遵从率，动态调整上下游管控算法，细化智慧管控启闭、分级阀值，结合实施交通运行状态，提升自动化决策能力。

关于智慧高速应急管控的思考与建议

规范标准应在实践检验中不断完善

现行高速公路设计规范，都以设计流量为参考标准，随着汽车保有量的上升，高速流量正在不断增长。部分路段峰值流量已经超出设计流量，如沪宁高速无锡段单向断面流量最高达到24.6万辆次，已经达到了设计流量的2.1倍。在重大节假日频繁突破历史流量峰值的情况下，按原先标准设计建造的匝道、互通、出入口越来越无法满足通行需求，极易造成拥堵。规范标准需在实践检验中不断及时完善，并对未来留有一定的余量，以更好地应对复杂的突发交通状况。

数字能力在多方协同下才能发挥更大效能

反应时间和处置效率是应急管控的核心要素。高速路网四通八达、事件复杂，路上发生交通事件后，涉及交警、执法、管养，甚至消防、卫生、环保等多方联动，事件的处置效率、协同水平极大地影响着路网恢复通行时间和公众出行体验。所以，多方协同配合、事件信息共享尤为重要，要建立更简洁、更高效的沟通机制，打造更智慧、更兼容的协同系统，形成更开放、更包容的思维模式，才能将数字技术发挥出更大的效能。

智慧高速应用在持续更新迭代之后方能更加完善

科技发展从来都不会一蹴而就，智慧高速的发展也是一样，需要在实践应用中不断迭代更新，才能将科技性和实用性更好地结合，形成更加完善的技术和产品。在智慧高速中探索应急管控，需要天然的优势，也需要场景支撑，所有的管控系统都依赖于丰富的经验和系统研判，依赖于大量实战训练与磨合，非经多次实践检验、学习、训练的系统也只能是纸上谈兵。智慧高速应急管控场景建设不应以设备建设为终点，应该以效果为驱动推进技术迭代与维护，最终形成更加完善的技术应用和管理体系。

链接

综合应用案例：

沪宁东段分级管控体系

沪宁高速公路江苏段全长248公里，沿线设有长深、常台、京沪等高速公路互通枢纽12个，路网分布密集，大流量路段的拥堵问题成了当前面临的首要难题。全线日均断面流量12万辆次， G2、G42并线段日均流量15万辆次，峰值流量27万辆次，出行压力大、应急管理难度高。

前防事故方面 依托调度云平台，实现即时监测、态势分析、趋势推演等主要能力，利用感知设备实时获取车辆通行信息，通过后台进行数据分析，及时预测及预警公路流量。依托“AI平方”试点应用，搭载后端融合的智能算法，提升路段突发事件主动发现率，降低人员巡查发现不及时的问题，第一时间发现路段突发状况。

中控疏堵方面 依托分车道情报板，构建了分车道精准管控方法，车道信息由原来的“断面级”细化到“车道级”，路段指令由原来的“互通级”细化到“公里级”，逐步形成了“动态应急车道、动态可变限速、分车型管控”等车道管控策略，实现智慧管控、动态扩容的效果，优化通行秩序，加快车流疏散。

后援保畅方面 结合路段事故发生频率制定分级救援制度，使调度、救援力量向重点路段倾斜，全面推行分级救援体系，将管辖路段分成特级、一级、二级、三级4类路段，将设备、人员等资源重点向特级、一级路段倾斜，做到全面兼顾、重点突出，进一步织密超饱和流量路段5分钟应急救援网络。

通过构建“前防、中控、后援”的分级管控体系，车道管控年均开放1500余个小时，高峰流量时段增加车辆通过近60万辆次，通行流量效率提升11%，通行速度提升19%，司乘出行体验明显改善。

【编辑： 任 燕】
【审核：余大鹏】
【终审：张波】