浙江工业大学郭海锋介绍车联网课题

　　浙江在线杭州2月12日讯（浙江在线记者 张吉 实习生 刘旭 通讯员 周丽敏）“对于一个城市来说，拥堵是表象，在表象背后有着可以追根溯源的机理，我们欠缺的正是对于这种机理的深入认识。”谈到堵车这一生活当中司空见惯的现象，浙江工业大学郭海锋副教授这样告诉记者。

　　郭海锋毕业于吉林大学交通学院交通信息工程与控制专业，大学时代起的专业学习、多年以来的科研教学经历使郭海锋对于城市交通方面存在的各类问题有着自身独特的心得。随着我国城市化进程的快速推进，“堵”开始成为城市生活的一种新常态，这使得很多人都在为出行而烦恼。对于这样的现象，如何同大数据、车联网等高科技手段相结合从而生成智能化的解决方案，成为亟待解决的问题。

　　基于这样的背景，郭海锋领衔的科研团队完成了车联网环境下交通流中异常移动个体辨识方法研究，随着这一浙江省自然科学基金项目的正式结题，智能化的交通运行服务将离我们的生活越来越近。

　　由表及里 深入现象看机理

　　“我们常有这样的生活体验，有些时候路上的车明明不太多，交通却也还是不太顺畅。”在采访当中，郭教授首先从现象入手向记者进行了阐释。“在过往我们更多地只是从这种现象进行认识，但是对于交通病我们一直都没有掌握机理。”

　　对于机理认识的欠缺，促使着郭海锋从交通流正常运行这样的维度对于堵车来进行分析。在实际的研究当中郭教授发现，在国内的交通出行方面，个体行为对于整体交通状况的影响非常大，驾驶员随意变道、随意停车等不规范的行为非常多发。因而通过这样的情况调研，郭教授开始探索对于这些异常行为进行抓取，对于交通流从微观角度入手去观察现象，找到规律。从而构建出整个城市的交通流模型，来达到对于拥堵现象的实时监控和精准预测。

郭海峰演示未来交通道路情景

　　困难重重 大数据抓取成瓶颈

　　对于单个的异常行为进行抓取，并判断其产生的影响，对于较小的区域范围和系统内部已经非常容易实现，但是要想表征一个城市总体的特征、构建起整个城市交通流的模型，还需要非常大的样本数据。“现在对于整个城市的交通流进行表征和刻画，难点不在于模型和算法，而在于用大数据来进行观察，从而实现对于异常行为的发现以及对周边影响的预测。”郭海锋这样告诉记者。

　　为了达到对于整个城市交通流模型的建构，需要采集大量的数据，这也是整个研究工作的重点和难点。由于没有同交管部门的较为深入的合作，难以拿到实际数据进行验证和分析。郭海锋就带着团队成员自己开发实验装置，装置可以用以记录加速和减速、转弯和角速度以及颠簸等一系列指标。靠着这些先期研发的实验装置，团队成员自己开车出去进行数据的采集。同时郭海锋也在积极参与城市数据大脑这一项目，通过这一项目能够接触到杭州市一万多个路口的交通数据。通过这些数据，城市整体的交通流特征正在逐渐地被刻画出来。

　　精准刻画 研究成果提供借鉴

　　有着大数据的支撑，对于交通流而言，则需要从不同尺度去观察现象、解释规律。郭海锋告诉记者，在以往的研究当中，研究人员常从车辆速度、加速度、车头间距等几种不同的标准来对交通流进行研究，并没有统一的、具备较高信度和效度的研究标准。这主要是基于在历史上研究的手段较少。而在当下，有了高科技的检测手段，就可以更精细地获得数据从而刻画交通运行的实际情况。

　　“我们的目的，就是基于大数据的支撑从而将最理想的刻画指标告诉同行。通过我们获取的大量精细化指标研究发现，首先车头间距是最理想的分析微观交通流运行机理的指标，但是由于其需要检测装置，不易收集，因而我们选择速度和加速度作为较为理想的指标。”谈及这一研究的意义，郭海锋这样告诉记者。

　　在实际的应用上这一研究也已取得了广泛进展，通过与政府和企业的合作，对于杭州主城区的一万余个路口都能够实现交通状态的判别从而实现对于信号配时的优化。谈到这一应用的广阔前景，郭海锋告诉记者：“未来的无人驾驶、车路协同真的到来的时候，我们的研究成果还可以去对接，从而为车联网应用提供借鉴。”