《Future Internet》：The Impact of Intelligent Transport Systems on Safety, Emissions Reduction, and Travel Time: A Review
编辑推荐：
公路交通的密集发展以及车辆数量的持续增长，已引发与道路安全、交通拥堵、出行时间、能源消耗及负面环境影响相关的重大挑战。在此背景下，智能交通系统（Intelligent Transport Systems，ITS）代表了提升现代交通系统效率与可持续性的重要途径。
公路交通的密集发展以及车辆数量的持续增长，已引发与道路安全、交通拥堵、出行时间、能源消耗及负面环境影响相关的重大挑战。在此背景下，智能交通系统（Intelligent Transport Systems，ITS）代表了提升现代交通系统效率与可持续性的重要途径。本文旨在呈现并系统化现代ITS技术在改善道路安全、减少排放以及缩短出行时间方面的应用。基于对相关文献的分析，本文阐述了ITS的基本组成与架构，包括传感器系统、V2X通信、物联网（IoT）、云与边缘计算，以及人工智能在交通数据处理与预测中的应用。分析结果表明，ITS能够实现动态交通流管理、路径优化、减少拥堵与排放，并提升对紧急情况的响应效率。研究特别关注同时考量出行时间、能源消耗、排放、噪声及道路安全的可能性。作为分析结果的综合，本文提出了一种集成化的智能交通管理算法，该算法以闭环反馈机制运行，涵盖数据采集、状态评估、预测、优化与控制等环节。未来ITS的发展预计将聚焦于AI、IoT、6G与边缘计算技术的融合，并利用真实交通数据进行验证。
1. 引言
1.1 车辆影响的基本事实
汽车是全球范围内个人与商业出行的主要方式。然而，机动车的广泛使用带来了严重且难以预见的负面后果，直接威胁人类健康与环境，并加剧社会不平等。从道路安全角度看，全球每年约有119万人死于道路交通事故，另有2000万至5000万人遭受不同程度的非致命伤害。从汽车问世至今，道路交通事故累计已造成6000万至8000万人死亡，至少20亿人受伤。
车辆燃烧产物的排放增加直接导致城市地区生活质量的下降。汽车运行过程中排放的污染物包括二氧化碳（CO?）、氮氧化物（NO?）、颗粒物（PM）、碳氢化合物（HC）、一氧化碳（CO）、挥发性有机化合物（VOC）以及多环芳烃（PAH）。2023年全球高达790万人的死亡直接归因于空气污染，使其成为全球第二大死亡风险因素。车辆排放的有害物质可导致严重的慢性呼吸系统与心血管疾病，甚至过早死亡。受影响的不仅是交通繁忙道路沿线的居民，风可将污染空气输送至远离排放源的区域。
车辆不仅影响人类，还影响动植物。道路沿线植被首先暴露于有害排放物中，可引发形态与生理变化，主要表现为叶面积和叶绿素浓度降低。高污染水平与密集交通流共同导致大量森林生态系统和单株树木的枯死，进而加剧城市空气质量恶化。当某一植物物种的个体大量死亡且无法自然更替时，可能导致动物物种的被迫迁移甚至完全灭绝，从而从根本上破坏整个生态系统的平衡。此外，道路交通对动物群的直接负面影响还体现在车辆碰撞导致的高死亡率上。
1.2 交通拥堵：从经济损失到数字化
大量汽车在人口密集的城市地区产生了长期交通拥堵。拥堵通常发生在高峰时段，此时使用路网的车辆数超过其可用容量。除发动机怠速引起的污染加剧外，这些状况还导致不必要的出行时间延长和通勤系统性延误。2024年，中国100个主要城市的通勤者因交通拥堵平均损失高达82小时。交通拥堵不仅造成出行者的直接经济损失，还产生巨大的社会与环境成本，并可能诱发道路交通事故。
解决城市交通约束的方案并非扩建道路基础设施，而是实施智能网络物理系统。智能交通系统（ITS）已成为智慧城市中这一进程的关键驱动力。通过整合信息与通信技术（ICT），如物联网（IoT）、5G/6G通信网络、边缘计算和人工智能（AI），ITS将被动式道路基础设施转变为能够通过V2X通信协议实现实时优化的动态自优化网络。
2. 研究方法
研究方法包括若干相互关联的步骤。首先对Scopus、IEEE Xplore、MDPI、Springer和Google Scholar等数据库和平台中的现有科学文献进行综述，纳入进一步分析的研究为近期发表成果。基于相关科学研究分析，确定ITS领域当前的研究主题和方向，作为界定研究内容与目标的基础。随后，研究聚焦于呈现ITS的基本概念，包括基本术语、定义及系统架构，为理解ITS的运作方式、组成部分及子系统间的相互连接提供理论基础。下一步分析ITS实施的关键影响，确定道路安全、有害排放减少和出行时间缩短为特别重要的领域。基于分析结果和识别出的趋势，提出ITS领域的未来发展方向与潜在研究。最后一步是形成结论，将当前研究领域的识别与ITS理论基础、其最重要影响的分析以及未来发展方向的界定相连接。
3. 智能交通系统的基础与架构
智能交通系统（ITS）代表了信息通信技术与电信技术的革命性整合，通过先进的交通实施、运营和管理方法从根本上改变人与货物的运输方式。通过集成最先进的基础设施、传感器网络、实时数据和智能算法，这些系统优化交通的关键方面，包括交通流管理、车辆运营和公共交通。ITS实施的主要目标是显著提高交通系统的运营效率和整体效能，减少交通拥堵和出行时间，同时增强道路安全并最小化负面环境影响。
3.1 ITS架构
现代ITS作为数据驱动系统运行，其基本原理基于连续循环：检测当前交通状态、传输和处理大量数据、实施实时控制。ITS架构可分为四个相互连接的层次：物理层、通信层、计算层和应用层。
3.2 物理层
数据采集是ITS架构的基础层，能够以高精度实时获取数据。数据可从固定设备和移动设备采集。固定设备包括：感应线圈检测器（嵌入路面用于车辆计数和速度测量）、闭路电视（CCTV）系统（作为时空交通数据来源）、LiDAR和雷达（高精度车辆检测与分类系统，即使在低能见度条件下也能准确定位车辆）。移动设备覆盖更大地理区域，包括：浮动车数据（FCD）（通过手机或GPS定位沿路线采集实时交通数据）和车载传感器（车载诊断系统、传感器和摄像头提供遥测数据）。
3.3 通信与计算层
数据采集后，下一步是数据传输。数据传输通过V2X通信实现，包括：V2V（车对车）通信模型（使车辆能够交换事故和拥堵信息，以及当前速度和位置，从而比人类驾驶员更快响应）、V2I（车对基础设施）通信模型（实现车辆与道路基础设施要素之间的双向无线数据交换，整合交通流数据和各类基础设施组件数据）、V2N（车对网络）通信模型（依赖蜂窝网络和专用短程通信，车辆类似移动设备接收事故通知等信息）、V2P（车对行人）通信模型（建立车辆与行人、摩托车手等弱势道路使用者之间的通信，用于检测、警告和防止潜在碰撞）。此外，5G和6G是关键通信技术，5G实现了随时随地的连接，大幅提高移动数据传输速度并降低延迟；6G预计将实现近乎即时的数据传输、极高的可靠性和物理世界与虚拟世界的无缝集成。
数据传输后的下一步是数据处理，主要有两种方式：边缘计算（基于本地数据处理，在需要改善响应时间和带宽效率的位置执行，实现实时数据分析）和云计算与大数据分析（远程服务器存储和处理数据，处理非时间敏感数据，用于宏观交通优化和历史交通事件分析）。
3.4 应用层
应用层是ITS架构的最高层，为用户提供一系列服务。网络层处理实时车辆数据，处理后传递给车辆。用户可以访问与位置和导航相关的出行服务，这些服务支持出行规划，帮助用户避开拥堵并识别最快路线。
4. 智能交通系统对交通关键方面的影响
4.1 提升道路安全
实施ITS的首要目标是改善道路安全和降低人员生命损失风险。ITS在城市交通中不仅有助于更安全的道路交通运行，还能量化减少交通事故数量和死亡率，同时为执法部门提供有价值的信息。风险评估常用方法之一是领结分析（bowtie analysis），整合专家评估和现有科学知识。事故发生后，ITS算法能够动态确定通往医院的最优紧急运输路线，最小化拥堵和延误的影响。在极端气候条件下，如北极地区实施的专门ITS能够快速检测交通事故、预测潜在场景并确定紧急情况下的最优响应策略。
4.2 减排
高交通流强度产生拥堵，直接导致碳排放增加。交通部门是全球三大碳排放源之一，ITS的实施已成为实现能源效率和减少交通网络环境足迹的关键解决方案。ITS的实施可显著减少每公里碳排放，主要通过缩短出行时间和实现行驶途中路线变更。这可通过集成先进的交通流预测模型有效实现，该模型根据路网状况量化预期排放和燃料消耗，输出最环保且最省时的路线。持续监测拥堵水平等交通指标可及时将车辆改道至饱和度较低的路段，进一步减少能源消耗和燃烧产物排放。另一种减排方法涉及智能交通速度引导系统（ITSGS），促进较低平均速度和更平稳的驾驶模式。动态交通管理还可通过V2I连接控制车辆速度和加速度以减排。此外，车辆排放不仅指内燃机运行产生的排放，还包括车辆运行产生的噪声。一些系统不仅提供最佳可用路线，还实时显示这些路段的噪声水平，最优路线基于物理容量和声学容量两个标准确定。
4.3 减少出行时间
ITS的应用能够改善交通协调和规划，避免拥堵并确保准时到达目的地，同时优化交通信号控制。为应对高流动性城市环境的挑战，ITS能够实时动态评估交通状况。交通参数的预测是最重要的步骤之一。传统模型在捕捉时间依赖性、全局信息和非线性关系方面存在显著局限。为克服这些挑战，引入了Mamba-ATSP和数字孪生技术。智能自适应交通控制与管理系统（IATCMS）可应用于全球各交叉口，实现更顺畅的交通流并防止拥堵。在紧急医疗服务中，ITS在识别更快路线方面发挥关键作用，使紧急服务能够使用最快路线到达事故地点并支持拥堵发生前的交通管理。ITS可使到达事故地点的出行时间减少9%，因为交通信号可调整为优先放行紧急车辆。人工智能和深度学习越来越多地应用于交通事故数据的分析和可视化、事故预防以及安全改进策略评估。
4.4 从安全、能效和环境质量角度的理论交通管理
前三节呈现了相关领域的研究综述，本节将所有发现整合为单一算法。该理论算法代表一个集成化的智能交通管理框架，结合数据采集与处理、交通状态评估与预测、出行优化、排放与噪声管理以及道路安全增强。算法作为闭环系统运行，交通网络状态基于新获取数据持续监测和更新。
第一阶段，从交通传感器、摄像头、GPS系统、交通信号和V2I通信实时采集数据，包括交通事故、紧急车辆、燃料消耗、有害燃烧排放和噪声水平信息。数据集成和处理后，评估当前交通状况，包括交通量、速度、拥堵水平、出行时间、有害燃烧排放和噪声水平。下一步预测交通网络的未来状态，据此识别潜在拥堵或风险增加。如判断需要干预，则激活动态交通优化措施，如路线变更、交通信号控制、速度管理和基于V2I的控制。算法的特定组件聚焦于多准则路线优化，除出行时间和拥堵水平外，还可考虑燃料消耗、有害燃烧排放和交通噪声水平。存在紧急车辆时，算法确定最快路线并激活优先交通信号控制。同时持续进行交通事故检测和验证，之后更新交通网络状态及预测和路线模型。最后，使用出行时间、拥堵、能耗、有害燃烧排放、噪声和道路安全等指标评估实施措施的效果，结果用于新一轮交通状态评估。理论算法由此建立监测、预测、决策和控制之间的连续反馈回路，实现交通系统对实时变化条件的动态适应。
5. 智能交通系统的未来展望
人工智能的进步，特别是多智能体系统、深度Q网络和基于人工神经网络的适应性交通信号控制的应用，结合物联网（IoT）连接和大数据分析，已实现交通流管理的显著改善。未来ITS预计将确保现有与新兴技术的无缝协作。研究调查表明，物联网（IoT）、第六代（6G）移动通信技术和人工智能（AI）的集成具有开发更智能、更高度互联的智能交通系统的潜力。6G网络有望支持大量数据的传输，人工智能能够分析海量数据和实时事件，从而更有效地检测潜在威胁或异常活动。6G还能在道路事故发生时实现更快、更高效的实时数据传输，使车辆减速从而避免卷入后续碰撞。边缘计算可在更靠近数据源的位置处理数据，减少延迟和带宽消耗。未来这些技术的实施将促进交通数据采集并支持更准确的决策。未来ITS预计将聚焦于监测大量数据并更快速、更可靠地处理，以在保持高水平道路安全的同时减少排放和出行时间。
6. 结论
公路交通的密集发展和城市化程度的提高，导致了与道路安全、交通拥堵、出行时间、能源消耗和交通负面环境影响相关的日益突出的挑战。基于分析文献可得出以下关键结论：ITS实现了从传统管理向基于实时数据连续采集、传输和处理的动态预测性交通管理的转变；ITS的应用通过危险情况早期检测、风险预测、智能交通流管理和对交通事故的更高效响应促进道路安全改善；ITS可通过交通流优化、动态路线规划、拥堵减少和更平稳的驾驶模式减少能源消耗和有害燃烧排放，路线优化还可将交通噪声水平作为附加标准；出行时间减少可通过交通网络动态评估、未来状态预测以及路线和交通信号控制对当前条件的适应实现，这对紧急车辆管理尤为重要；本研究最重要的贡献是将上述方面整合为统一的概念性交通管理算法，该算法结合数据采集与处理、交通状态评估与预测、路线优化、排放与噪声管理以及道路安全增强，其闭环反馈机制能够持续监测实施措施的效果并适应交通网络变化条件。
基于上述发现，ITS的未来在于不同技术的集成及其协同运行。人工智能、物联网（IoT）、6G通信网络和边缘计算在实现更快数据处理、更可靠预测和更高效实时决策方面具有特殊潜力。未来研究应聚焦于使用真实交通数据对提出的算法进行实验和仿真验证，同时应用同时考虑安全、出行时间、能耗、排放和噪声的多准则优化方法。此外，进一步研究应调查AI、IoT、6G和边缘计算技术集成到统一ITS平台及其与现有交通基础设施的互操作性。
