目前，四道口区域例如抖音等科技公司、高校密集，高峰期拥堵是海淀交通的一个缩影。以联想东桥路口为例，根据百度地图城市交通体验平台数据显示，晚高峰时段该路口的平均拥堵指数为4.2，属于严重拥堵。
信控能力对提升城市交通运行效率至关重要，我们为信号灯装上“眼睛”和“大脑”，自动生成通行效率最高的配时方案，实现从“车看灯”到“灯看车”，解决绿灯空放等交通问题；研发“非现场采集+取证”算法，突破非现场执法难题，解决因角度、遮挡等原因无法获取车辆违法时的全景特征图片，导致取证困难的问题。
项目终极目标是建设车路云一体化系统，通过一套系统，先实现城市治理，同时兼顾后期车路协同；通过纯视觉感知（不用雷达），利旧已有摄像机，降低建设成本；通过应用“空间智能”技术的自学习，不断精进感知能力，拓展系统的感知能力边界。所以，通过“双智”城市建设试点，不仅能解决现有城市治理问题，又支撑将来的车路云一体化系统建设。
在“双智”城市智慧交通验证试点项目中，我们实现了四大技术突破：
第一大技术突破：超大规模3D重建+每一个交通参与者的3D轨迹追踪。
项目采用低成本的3D建模技术，四道口区域的建模费用小于2万元；全海淀区3D建模只需要1千万元，而其它技术需要亿级别的费用。同时，本项目将道路沿线摄像机自动校准到3D空间，摄像机不再只有一个编号，而是带有精准的3D坐标，同时将摄像机视域范围进行标记，便于后续的跨镜联动。基于3D建模和摄像机标定技术，实现机动车和非机动车的3D跨镜连续追踪，使车辆轨迹更完整；通过车辆完整的连续轨迹，有更多机会识别到车牌；依据车辆每一秒钟的实际精确位置，提供车辆运行状态、车辆速度等更多感知数据；通过车辆特征信息+时空信息综合处理分析，实现机动车、非机动车的连续跨镜跟踪。
实时3D感知+信控自动生成大模型，实现“灯看车”。
试点项目中，系统实现了车道级实时3D感知，实时感知以过停止线为标准的车流量信息、以可见车尾的排队车辆的实时排队长度和交管局部署的互联网交通数据等交通运行状态。将实时感知数据与历史数据进行融合，输入AI信控大模型进行深度学习。结合交管部门实际管理经验和实时交通数据的变化，系统按照每50秒生成200个方案并根据执行规则选择最优的一个方案，上传市公安交管局“信号控制管理平台”，实现路口统一协调控制。目前已经设立了联想桥—联想东桥，联想桥—大柳树北口两个双向绿波带。
从2024年12月1日上线后与前一个月对比来看，根据百度地图城市交通体验平台的互联网数据，联想东桥路口日均通行流量环比提升12.95%（11月日均通行流量39722，12月1日-25年2月10日日均通行量44866），早高峰拥堵指数下降30.23%，早高峰平均行车速度提升34，76%；晚高峰拥堵指数下降30%，晚高峰平均行车速度提升113.58%，交通拥堵压力得到极大缓解。
第二大技术突破：实时3D感知+交通违法识别&取证，实现非现场执法。
构建的基于连续轨迹的多摄像头拼接执法技术和连续轨迹用于非机动车测速，都取得了北京计量院检测认证，并上线执法。截至2025年2月10日，成功上传市公安交管局执法平台形成非现场执法记录9180条。上线至今，四道口北街违法掉头数据从日均100余条降至约20条，管理效果明显。
通过对机动车及其空间连续轨迹进行分析，结合车牌识别、违法行为定义综合判断，实现对机动车违法掉头、机动车闯绿灯等违法事件的检测。根据非现场执法要求，提供车牌号、违法抓拍照等信息，并提供车辆3D轨迹便于取证。
本次试点共计划落地13项非现场执法类型，包括机动车9项，非机动车4项。
第三大技术突破：实时3D感知+精细到每一个机动车&非机动车的在途分析
通过对区域在途车辆进行动态分析，挖掘区域交通出行特点及规律，从路口感知延展到全区域覆盖，为路网规划、交通组织调整、信室调优等工作提供数据支撑，特别是对渣土车、货车等重点车型的出行规律及流向轨迹进行分析、溯源，助力科学部署警力精准追查打击，有效震慑违法，提升管理质效。目前已实现了对渣土车等特定在途车辆的精准溯源和定位，5秒内返回轨迹结果，每秒产生不少于10个车辆轨迹点，定位精度达到车道级精度，轨迹完整度超过90%。
第四大技术突破：纯视觉交通感知，赋能车路协同
试点项目围绕海淀区自动驾驶4.0扩区建设，通过纯视觉感知技术，深度分析交通参与者、交通事件和交通运行状态，并在三维模型上可视化呈现，打开交通管理"上帝视角"。
较亦庄示范区3.0方案，本项目在数据采集维度上进行了丰富和优化，在交通参与者感知方面，除提供基础数据外,细化机动车、非机动车、行人交通参与者的数据信息和三维空间连续轨迹；交通事件感知方面，遵循3.0方案的数据外，新增交通事件感知数据12项；交通运行状态感知方面，除提供5项基础数据外，增加路口反溢检测、行人和非机动车等待人数等交通运行状态数据信息。
验证试点项目不仅遵循北京市高级别自动驾驶示范区车路云一体化建设3.0数据项要求，在某些数据项上有所扩展和创新，赋能未来车路协同和自动驾驶。
充分利旧的海淀车路协同建设方案体现在三方面：一是充分利旧，项目建设以充分利旧，集约建设为原则，充分利用现有相机点位、杆件、网络和电力；二是采用AI相机+分布式计算的方式，满足低延迟的要求；三是兼容和满足业务场景需求，（配合架构图讲解）AI相机在相机端计算，实时输出感知结果，边缘盒子进行数据汇总后转发到路侧通信设备，同时将结构化数据转发到后端，后端进行AI信控+非现场执法+在途分析计算，满足业务场景需求。
目前，城市建设已经安装了大量摄像机，通过3D建模和3D坐标映射，可将城市已安装摄像机全部入编，实现摄像机空间位置与画面视域范围的标定，通过纯视觉感知技术和充分利旧的建设方案，预计感知系统的建设成本可减少约38%。
基于空间智能框架的“车路云”方案，每一个Agent（特别是智能车）的感知都和路侧感知互通，车辆行驶实时数据传输给路侧感知系统，路侧感知系统把车道级实时3D感知数据传输给车辆，形成互相学习的闭环。可以通过车辆输出的实时数据以及自身数据的不断学习与积累，不断提升感知数据精度，实现真正意义上的车路协同，为自动驾驶示范区4.0海淀段扩区建设提供有力支撑。
我们采用“利旧+新建”结合方式，以推进硬件基础设施建设，利旧设备36套，其中利旧市交管探头9套、区建探头27套，初步实现四道口区域及关联路段视频感知全域覆盖和数据采集。同时支持13类AI交通违法监控，包括机动车和非机动车。
此次建设范围，在四道口区域，我们以大钟寺地铁站为核心，四至范围为东至明光路、西至皂君庙路、北至大钟寺北路、南至交通大学路，涉及13个路口、道路里程9公里、覆盖面积1.2平方公里。
另一方面，系统将道路沿线摄像机自动校准到3D空间，便于后续的跨镜联动，使车辆轨迹更加完整。
同时将纯视觉感知技术应用于非现场执法。实现了13种非现场执法包括机动车和非机动车的抓拍取证。传统非现场执法取证由于角度、遮挡等原因取证难，现在我们获得北京计量院检测认证，构建了基于连续轨迹的多摄像头拼接执法技术，通过对同一辆车在多个摄像机下的连续轨迹追踪及违法事件识别，从上线数据来看，效果显著。
我们通过实时感知交通运行状态，将实时感知数据与历史数据进行融合，输入AI信控大模型进行深度学习，结合交管部门实际管理经验，根据实时交通数据的变化，具备每50秒生成200个方案算法能力，并根据实时感知数据对方案进行实时评估，选取最优方案，上传市公安交管局“信号控制管理平台”，实现路口统一协调控制。有效减少车辆等待时间，提高路口通行能力，从而缓解城市交通压力，实现从“车看灯”到“灯看车”，解决绿灯空放等交通问题。
在AI评诊治大模型中，覆盖5条道路、13个路口，共布设了73台视频设备，对于区域路段实时流量、在途车辆实时数据和行人与非机动车实时数据进行监测和统计。构建“评估问题-找准成因-靶向治理”的闭环的系统，助力城市交通的高效综治。
接下来海淀区还将持续优化智慧交通场景算法，及时分析和跟进交通信号AI自适应控制、交通违法事件检测、道路在途车辆分析、感知视频图像生成自动驾驶感知数据等4个重点场景运行情况，不断优化算法逻辑和安全机制设置，提高数据精准度和可靠性，提升应用场景实际效能。
