《基于机器学习的智慧交通出行技术规范》编制说明VIP

2《基于机器学习的智慧交通出行技术规范》编制说明(一)任务来源【2022】中科促标字第842号《关于开展<基于机器学习的智慧交通出行技术规范>》团体标准立项通知，同意本标准立项，项目计划编号CI2022350。(二)编制背景随着我国经济社会快速发展和人民生活水平质量的不断提高，交通出行已经成为人们生活中必不可少的一环。根据《中国联通5G+智慧交通白皮书》指出，截至2017年，我国在使用中的高速公路长度已达13.6万公里，汽车保有量达到2.4亿辆，汽车驾驶人更是达到4.09亿人。交通产业的进步为人民生活带来了便利，但同时也为城市交通带来了更多的复杂性与变化性，一些基于人力和局部数据的交通管理和监测手段已经越来越不能有效满足人们日常需求。根据国家统计局发布的2017年交通事故统计，2017年共发生交通事故203049起，造成死亡人数63772人，直接财产损失121311万元。而据高德发布的《2018Q2中国主要城市交通分析报告》，北京作为中国十大堵城榜首，高峰拥堵延时指数为2.095，平均车速仅达22.4km/h。由此可见，对交通有效管理和监测手段的缺失，会给道路交通安全与便捷带来较大的不确定因素。近年来，大数据技术和机器学习方法在不断高速发展，人工智能应用在逐渐落地并深入到政府各项应用程序和业务场景，为组织的人力结构、业务流程甚至所在的产业结构带来新的变革。在这样的趋势下，我国接连颁布重要指导性文件，提出运用新技术，大数据，机器学习为交通系统赋能。2017年国务院印发的《“十三五”现代综合交通运输体系发展规划》中，明确指出要“开展新一代国家交通控制网、智慧公路建设试点，推动路网管理、车路协同和出行信息服务的智能化”。交通运输部印发的《交通运输信息化“十三五”发展规划》和《智慧交通让出行更便捷行动3方案(2017—2020年)》表示“信息化是实现智慧交通的重要载体和手段，智慧交通是交通运输信息化发展的方向和目标，大力推动企业为主体的智慧交通出行信息服务体系建设”。2018年交通运输部发布《关于加快推进新一代国家交通控制网和智慧公路试点的通知》，要求在北京、河北、吉林、江苏、浙江、福建、江西、河南、广东九省市开展车路协同、高精度定位、交通控制网建设等一系列智慧交通试点工作。2022年1月国务院发布《“十四五”现代综合交通运输体系发展规划》来推动既有设施数字化改造和加强新建设施与感知网络同步规划建设。2022年3月交通运输部与科学技术部联合发布《“十四五”交通领域科技创新规划》推动智慧交通与智慧城市协同发展，大力发展智慧交通。同时，国外政府也在纷纷制定有关政策：2017年1月13日，英国政府科学办公室发布了《未来移动：交通系统》战略报告，展望和规划了未来一直到2040年英国整个交通系统发展进程的构想。日本警察厅计划2023年4月1日正式施行《道路交通法》修正案以允许无人驾驶公交车上路行驶。在智慧交通的发展过程中，与广大人民群众日常生活最为贴近的应用场景当属智慧出行，如规划行程路线，选择交通方式，避开拥堵地段等等。我国人口众多，大量的脱敏用户数据可以在大数据平台和机器学习的加持下，快速推进出行智脑建设，更加精确而智能地实现对城市、路网和个人级别的状态判别和态势预测，提供更个性化的下游服务给人、车、路。然而，尽管已经有多种机器学习方法在智慧出行领域被提出，目前国内外都还尚未有一个完整、统一、规范的标准来针对机器学习在智慧出行相关的各个问题，如数据采集，预处理，模型架构，来进行指导和引领。因此，迫切需要一套完整规范的机器学习在智慧出行应用上的规范指南来带领和推进智慧出行相关企业更加高效、充分和规范的挖掘交通大数据来服务于各类智慧交通场景的人、车、路。总结而言，本标准旨在规定机器学习算法在智慧出行场景下的不同任务与对应方法，适用于从事机器学习和智慧出行应用行业者。4(三)起草单位本标准的主要起草单位是南方科技大学、长春理工大学、中国第一汽车集团有限公司、北京大学、华为技术有限公司、重庆大学、浪潮集团有限公司、同济大学、中国检验认证集团深圳有限公司、深圳市骏嘉科技发展有限公司、深圳市铠硕达科技有限公司、深圳浑沌数字化实验室科技有限公司、深圳树米网络科技有限公司、汕头大学、吉林省卡思特科技有限公司、吉林省中云数讯股份有限公司、超智研发中心(深圳)有限公司、碳猎研发中心(深圳)有限公司、深圳安视信息技术有限公司、苏州奇盈半导体科技有限公司、维旭长电科技(深圳)有限公司。本文件主要起草人：宋轩、陈纪元、王宏俊、杨华民、王兴山、赵卫东、朱津萱、谢洪彬、张浩然、张家祺、冯德帆、宋歌、张嘉晖、李昊洋、吴季泫、陈孙兵、陈天乐、张凌宇、贾云健、张昕、宋小龙、刘妍、周时莹、李长龙、孙宗姚、王中一、谢奕、(四)主要工作过程4.1起草阶段项目立项前，标准撰写小组通过组织多次会议讨论和制定了详细的预研方案和计划，进行了国内外研究现状的调研和分析，查阅了大量和智慧交通的相关应用与实践相关的研究文献，收集了众多相关资料进行评估和分析，并组织了小组成员与智慧交通等企业人员就智慧交通的相关技术研究进行调研和探讨，广泛征求标准制定方面的意见和建议。12月26日，本标准经中国国际科技促进会标准化工作委员会及相关专家技术审核，成功立项。立项后，标准撰写小组召开会议针对标准的立项内容进行撰写方向和详细内容的讨论和分析，明确了每个小组成员的分工安排，以及制定了标准的整体撰写计划。在标准起草过程中，小组成员针对各自负责的部分进行了深入的调研和分析，并组织多次研讨会对整个标准撰写内容进行评审和改进，形成标准草案。54.2征求意见阶段2023年1月上旬开始，标准小组的所有参编单位通过多种形式向行业相关专家就标准内容进行意见咨询，在收集并汇总专家建议后，标准编制小组充分吸收了合理的建议，并对标准内容的进行进一步的修改，形成征求意见稿，并于2月由中国国际科技促进会标准化工作委员会通过全国团体标准信息平台面向全社会进行公开征求意见。4.3审查阶段4.4报批阶段二、标准编制原则、主要内容及其确定依据，修订标准时，还包括修订前后的对比(一)标准的编写原则标准编制过程中，遵循了以下基本原则:1)标准需要具有行业特点，指标及其对应的分析方法要积极参照采用国家标准和行业标准。2)标准能够体现出基于机器学习的智慧出行具有关键共性的技术要素。3)标准能够为机器学习在交通出行的优化和改进指出明确的方向。4)标准需要具有科学性、先进性和可操作性。5)要能够结合行业实际情况和特点。6)与相关标准法规协调一致。7)促进行业健康发展与技术进步。(二)提出本标准的依据本标准提出的基于机器学习驱动的智慧交通出行技术规范，包括机器学习学习、数据挖掘等具体技术，均参考现今主流通用交通预测平台的最新技术方法。针对机器学习在智6慧交通出行各环节存在的数据采样预处理难、学习方法斑驳、交通场景应用不统一等痛点，本标准将目前机器学习的通用方法技术与智能出行这一实际应用场景进行了结合，使得本标准里的相关技术内容能够适用于智能交通交通，能够实现对智能交通行业的数据采样预处理、学习方法和应用场景的统一与规范。(三)制定本标准的基础1)智慧交通：项目带头人正在主持华为高校合作面向城市轨道场景的客流动态分析预测与突发事件的应急客流分析预测项目，该项目引入机器学习来应对突发事件相关的应急客流预测；研发了一套基于人工智能和数据科学等技术的交通预测平台搭建了多个适用于不同场景的算法构件以推进智慧交通行业智能化；同时正在申请多项相关技术专利。本工作组的成员包含了来自中国一汽、华为、浪潮等国内先进智慧交通公司的一线专家。因此，本工作组对当前智慧交通业的智能化转型升级过程中面临的痛点和需求有着深入的理解和研究。2)机器学习：项目组在机器学习技术上已经积累了丰厚的科研经验并取得了多项研究应用成果。项目组在深圳防疫密切接触检测相关项目中实现了基于机器学习的传染病传播、城市人流、防控方法、密切接触者确定方法等发明，为深圳防疫提供技术支持。此外，项目组申请了多个与智慧交通、数据挖掘相关的国家发明专利。3)项目带头人：项目带头人多年来一直从事人工智能和大数据领域的学术研究工作，并通过长期系统地研究，积累了大量的理论和应用基础。基于在“城市智能化管理”方面的学术贡献，申请人在2017年入选了日本国家卓越研究员计划。在各类国际高水平期刊UT等多个国际著名学术期刊和会议上担任编辑或委员。在以上理论研究工作的基础上，落地了多个重大传染病防控、城市人流移动预测、城市应急管理的实际应用系统。在过去十年中，申请人同深圳市政府、联合国、日本内阁府等政府或组织合作，承担了多项重大智7能应急项目。4)项目团队：本工作组是人工智能、大数据分析、智能制造、智慧城市、区块链等领域的国内一流产学研团队，包含了来自南方科技大学、北京大学、同济大学等国内知名研究型大学的教授和研究人员，以及来自中国一汽、华为、浪潮等国内先进智慧交通业业公司的专家和技术骨干。因此，本工作组在推动深度学习技术和智慧交通业转型升级的深度融合发展过程中有着深厚的底蕴和巨大的潜力。5)硬件资源：南方科技大学已建成国际一流的超算中心，其超算设备包含了全球最高密度的刀片计算节点、最高规格的八路胖节点、GPU异构加速器，并采用目前世界上最快的100Gbps高速网络，实现了高性能计算+大数据+深度学习的统一调度管理，计算性能超过三百万亿次每秒。此外，南方科技大学投资1.6亿元正在筹建大型超算和可视化平台、人工智能基础研究平台，这些计算资源支撑将为本工作组后续的工作开展创造非常有利的条件。(四)实验内容实验内容主要包含以下几点：设计和构建机器学习驱动下的智慧交通出行数据采集与预处理方法。设计和明确智慧交通出行预测方法。设计和明确算法应用的具体智慧交通场景。设计和明确算法模型的性能测试评估指标。(五)实际应用效果无。无三、试验验证的分析、综述报告，技术经济论证，预期的经济效益、社会效8(一)主要试验或验证的分析为了验证本标准提出的基于机器学习的智慧交通出行技术的科学性、有效性和可行性，本工作组搭建基于机器学习的数据处理与挖掘预测平台进行验证分析：该平台使用Keras，Pytorch和Sklearn作为机器学习平台，使用numpy和pandas等数据处理软件进行数据处理功能，同时使用各类机器学习技术等进行建模对交通预测问题进行方法构建，并使用全面齐全的性能测试工具对平台功能和性能进行测试和优化。该平台可以实现对智慧交通业中智慧交通场景预测的精准高效预测，有助于推动交通行业智能化。(二)预期的经济效果本标准提出了一种基于机器学习的智慧交通出行技术,预期能够在智慧交通场景下实现高效精准的智慧交通状态和需求预测，降低数据采样和预处理成本，增强智慧交通行业数据采样、预处理和挖掘预测的效率，促进产品协同研发，进而提升企业整体利润。(三)真实性验证无。无样机的有关数据对比情况无。无五、以国际标准为基础的起草情况，以及是否合规引用或者采用国际国外标准，并说明未采用国际标准的原因无。无六、与有关法律、行政法规及相关标准的关系1.按照GB/T1.1－2020《标准化工作导则第1部分：标准化文件的结构和起草规则》要求进行编写。92.参照相关法律、法规和规定，在编制过程中着重考虑了科学性、适用性和可操作3.规范性引用文件包括：GB/T35295-2017信息技术大数据术语T/ZGCSC004-2022城市时空预测智能模型的数据要求七、重大分歧意见的处理经过和依据无。无利的有关说明无。无九、实施标准的要求，以及组织措施、技术措施、过渡期和实施日期的建议1.宣传培训在标准审批通过后，主要起草单位组织召开内部会议商讨和制定标准宣传和推广工作，建议联合智慧交通业各行业主管部门为