当下，交通信号控制真的需要边缘计算吗？

边缘计算是当下一个新鲜热门的技术词汇。边缘计算是什么？在信号控制里边缘计算能干什么？我想这是绝大多数信控人都有的疑问。下面笔者就跟大家一起探探边缘计算的神秘面纱。

一、边缘计算是什么

边缘计算是什么？我想不必从复杂专业的技术概念去理解，从字面意思就很容易明白。

所谓边缘计算不就是在边缘前端进行一些计算吗？那我们当前的信控中有没有边缘计算呢？从前面说的前端计算角度看，当然是有的，我们路口的信号控制机不就是一个边缘计算单元吗？路口信号机在前端根据检测器的数据进行计算并对信号灯进行控制和配时，是一个典型的边缘计算。

由此看来，边缘计算并不能算做一项新技术，而是一种新概念、新理念。就好比大数据技术一样，一直以来都有数据，也有一定的数据处理能力，只不过之前我们对身边海量的数据信息没有加以重视和充分利用，也没有强大高效的处理能力和技术来处理这些数据。

那抛开信号机这个传统的边缘计算，新理念下的边缘计算直接作用于当前信控系统，能否带来翻天覆地的显著变化呢？

让我们先从边缘计算所说的主要作用及好处来结合当前信控实际简单分析一下：

（1） 低延时性计算。

说边缘计算具有低延时性，是相对于由中心进行的计算和执行程序而言的。意思就是说前端有些数据不需要回传到中心进行计算后再发到前端执行，而是直接在前端进行计算和执行，因而具有更短的反应时间，即低延时性。

简单地说，就是边缘计算为我们节省了些时间，这些时间是什么呢？边缘计算只是改变了计算的位置，如果计算的方法和速度没有改变，计算的时间就不会改变，省下的就只是计算前数据回传中心及计算后方案下发的过程时间，也就是中心系统和前端的数据同步时间。这个时间我们就比较熟悉了，通俗讲就是系统网络延时。

只需要对当前主流信控系统稍做调查，就会发现其延时目前基本都是个位毫秒级且几乎可以忽略不计，完全能够满足当前信控数据实时性的需要。那么在算法不改变的前提下，去节省这个时间对改善当前信控系统的意义就不大了。

（2） 降低流量带宽利用率。

因为有些数据不需要通过网络回传到中心进行计算，就在前端本地计算和传输，自然对网络带宽流量的利用就会减少。但是单纯从路口信号控制看，目前回传给中心的数据主要是一些信号运行实时状态信息、交通检测数据及上下达的一些参数、指令和反馈信息等。其中一些主流信控系统数据流量约为平均20M～30M左右/天/路口，一个月的数据总流量约1G左右/路口。在整个路口的智能交通管理设施系统中，相比视频监控和电子警察设备的图像等数据流而言，其数据流量占比很低。

即便中断信控系统中心和路口信号机的网络通讯联系，对路口带宽利用率的降低作用也微乎其微。

（3） 减轻中心的计算负荷。

目前信控系统中心平台的计算负荷究竟有多重呢？我想不必去进行复杂的定量计算得出个数字来说明，只需要梳理下当前信控系统的计算结构，定性的分析下也能大概搞清楚。

当前信控系统中心究竟在计算些什么呢？只需要中断信号机和中心平台网络通讯，我们就会发现，单点定时控制、感应控制依靠信号机仍能独立运行；单点自适应控制大部分计算需在中心平台完成，小部分在信号机完成；而协调控制由于缺乏中心平台计算和网络通讯支撑，基本无法有效稳定实现。

可见，信号机处在一个执行和战术微调的计算地位，而中心平台承担了当前信控系统的绝大部分的计算，这也造成了信号机对中心平台的依赖。

但值得我们注意的是，当前中心平台承担的计算工作主要是对人工预设方案的选优或者再优化,而这些方案优化又仅仅局限在周期、绿信比分配及时差调节方面，即低阶自适应阶段。

对于相位相序、定时控制方案、协调控制方案、控制模式、控制时段、控制策略等仍需依靠离线的大量人工计算或经验判断后人为设置，系统尚无法完成自动计算、判断和生成。

从信控整体看，目前计算结构为：战略控制层面及定时控制方案等大量计算基本由交通工程师人工负责，路口信号机负责执行和战术微调计算，中心平台则只是负责了战术控制层面的配时方案生成或者择优形式的自适应计算。从计算程序看，这些算法程序及逻辑基于信控系统产生时早期计算机的算力和配时方案更新的实时性要求而设计，计算负荷并不算很大。

由此可见，新理念下的边缘计算直接作用于当前信控系统的作用及优势并不明显。也就是说单纯从路口信号控制角度来讨论边缘计算应用，其直接意义和作用极其有限。因此，我认为应该从一个更广泛的维度和更高的层次来讨论边缘计算的价值和意义。

二、如何看待边缘计算

那么应该从什么维度和层次来讨论边缘计算呢?实际上就是我们应该如何看待边缘计算的问题。

站在智慧交通体系中来看，边缘计算单元其实就是在边端设置的一个智慧节点。这里的智慧节点就类似于人体神经系统的脊椎、神经节或者神经元，与前端感知及执行设备体系形成类反射弧，用来快速实现一些基本的系统功能和处理本能的反射。同时其又对应了智慧交通大脑，与之形成一套智慧交通的“中枢神经系统”。

边缘计算既然作为一个具有高阶概念的交通智慧节点，就不应仅局限于服务一个路口，更不应该单纯就信控来进行应用探讨。

边缘计算旨在前端设立一个计算分流的节点，力求达到既能分担中心的计算压力又能实现快速反应的目的。因此，边缘计算需要在有海量的数据处理和计算需求，并且对前端反应实时性要求极高的一些场景下才能更好地发挥和凸显其作用，比如成熟的物联网、车联网、车路协同、自动驾驶等高度信息化的环境。

这个也不难理解，边缘计算作为一个构建智慧交通复杂中枢神经系统的智慧节点，具有未来和进化意义，必然要着眼于未来，用于应对复杂多变、高度信息化的交通环境和多元需求才更有意义。

这就好比具有高度智慧的人体，其进化构建出复杂的神经系统，也是为了能够在复杂多变的外部环境生存和实现生存需要的复杂功能。

将边缘计算直接用于当前信控系统中，就好比给生存环境和功能简单的低端生物直接安装中枢神经系统部件，恐怕不能达到我们想要的效果。

因此，新理念下的边缘计算要在信控中发挥更大的作用，就当前信控而言还尚需时日逐步加快进化，做好与边缘计算完全匹配应用的充分准备。

当然，边缘计算本身也还算是个新生儿，在智慧交通体系中，应该构建怎样的满足智慧交通应用的计算结构？中心该计算什么，边缘又该计算什么，二者边界划分及如何有效联动？边缘计算又如何与前端的设备体系融合运作？边缘计算如何在解决计算位置的同时改善计算方法和速度？等等问题仍需边缘计算在实践探索中逐步解决。

三、边缘计算在信控中能做什么

搞清楚了边缘计算后，我们再回到信号控制中来，边缘计算在信控中能做什么？

上文中我们已经作了一些讨论分析，知道了边缘计算本身处于发展探索阶段，且其作为高阶理念直接作用于当前信控的作用极其有限。

在这种情况下，我认为当前对在信控中能做什么的问题作出回答为时尚早，且难以全面准确。但这并不意味着边缘计算对当前信控发展进化没有促进价值和意义。

下面我从两个方面浅谈下对此的一些思考，以期抛砖引玉，共同探讨。

（一）从信控角度看边缘计算

信控中谈发展边缘计算，必然绕不开信号控制机，这个当前信控中已有的最重要的边缘计算。当然在信控中发展边缘计算并不只有从信号机入手，检测器同样也需要发展边缘计算，检测器方面的边缘计算问题笔者另文探讨，此处就只讨论信号机发展边缘计算的问题。

在信控中发展边缘计算，核心是要在前端打造一个智慧信控节点。从信号机角度看，无论采用边缘计算盒子还是改造信号机的方式，本质上就是要对前端信号机进行智慧化升级，使其更加自主和智能。

如何使信号机更具智慧呢？当前非饱和状态单点控制理论、算法和技术已趋成熟，从改进算法角度短期内恐怕难以突破。但我认为从实践应用角度仍有以下3点值得考虑：

1、 降低网络依赖性，增强自主和容错能力。

简单来说，就是断网后信号机该怎么办？

目前信控系统的通常做法是降级，降到单点定时或感应控制，如果路口没有实时检测，则只能降到单点定时控制。断网后的信号机基本上处于孤立的傻瓜机模式且丧失协调性，可见其主要处于执行地位，对中心平台具有高度依赖性，这也是目前反复强调联网联控的根本原因。

但是反向思考下，把信号机比作路口的执勤交警，如果他只机械执行，与指挥中心失去联系后，就不能够根据现场情况自主决策和管理好路口，能满足我们的现实需要吗？

孩子只有脱离对父母的依赖才能独立成长、建立智慧。所以很有必要破除信号机的这种中心网络依赖，赋予路口更大的自主能力，将原本该属于路口或者路口能直接决策的工作下放至边缘前端或信号机，比如单点自适应控制、短距离干线协调控制、小范围的子区内协调控制等。

这样即使信控系统断网，仍然能够确保信号机针对路口实际流量情况的高效控制，甚至可以保持与周边小范围的局部协调性，使信控运行在较高水平，同时也能有效增强信控系统的容错能力。

2、 降低检测依赖性，打造存储分析、经验记忆及预测模拟功能，提升自学习能力。

实时检测中断后信号机该怎么办？

没有了实时检测数据，目前依赖实时检测的自适应控制和感应控制通常难以为继，信号机只能降级实施定时控制，再次落入傻瓜机模式。而定时控制方案在当前系统中依靠人工更新设置，并不能做到实时甚至及时更新，这样就难以保证适应当前交通情况。

因此，在应用中形成了“检测恐慌”，似乎没有了实时检测，信控就无法再谈自适应与智能，真的是这样吗？需要再次强调一个观点，信控依赖的是数据，而不仅仅是检测器。

实时检测中断只能代表实时数据的短时丧失，我们还有积累丰富的历史数据、预测数据等，这些数据能不能发挥作用呢？

让我们拿路口执勤老交警来打个比方，他即便不去现场也能对路口交通情况和拟采取的管理措施说准个八九不离十。他凭借什么呢？当然是丰富的路口管理经验和基于经验的预测。

可见，实时检测中断后我们可以充分利用历史数据和预测数据，从历史经验中总结学习，将历史数据转变为经验记忆，同时基于经验记忆进行交通预测，甚至短暂的动态模拟以接续中断的实时检测。从而把路口信号机打造为经验丰富的“老交警”，保障在没有实时检测的情况下，依然能够继续进行高度适应性的控制。

当然打造和实现上述功能，还需要借助大数据和AI计算技术应用，甚至需要对信号机进行硬件的工业PC化、服务器化的改造变革。

3、 提升数据信息共享共用能力。

前面我们探讨了努力打破网络和检测两个依赖束缚，力求把路口信号机打造为“打不死的小强”，使其具有顽强的生命力和强大的适应能力。

但是单纯靠信号机从路口前端获得的数据和信息显然无法有效支撑我们实现上述目的。所以有必要改变当前数据由路口向中心的单向传输模式，打破中心与路口数据信息的不对称性，实现路口前端与中心平台数据信息的共享共用。

也就是说，我们要把数据信息的双向互通作为联网联控的主要目的之一，在下放计算决策权力的同时也要下放数据信息资源。将中心从更广泛渠道获得的更全面的数据信息及时分享给边缘前端，使路口在更全面准确的信息下做出更加正确的决策。

（二）从边缘计算角度看信控

以边缘计算的理念来谈信控的发展，需要我们全面审视和梳理当前信控的计算结构体系，促进信控计算结构的深层次变革。

当前来看，有3个方面的工作值得研究：

一是目前由交通工程师负责的人工计算生成的相位相序、协调控制、定时控制方案等预设置，既是当前信控系统运行的前置必要阶段，也是信控体系不可或缺的起始阶段。该阶段亟需信息化和智能化并纳入当前信控系统进行有效融合，以实现信控全过程的智能化；

二是信控方案效果评价虽可以自动计算，但尚未与信控系统方案优化计算有效衔接互动以形成反馈和自学习闭环；

三是应从宏观、中观和微观三个层次，饱和和非饱和两种形态，深入梳理信控体系计算结构，搞清楚信控中哪些该由中心计算合适，哪些又该由边缘和前端计算等层次问题，以构建高效的云边端相结合的智慧信控体系。