摘要：两部委在《关于支持引导公路水路交通基础设施数字化转型升级的通知》中对智慧公路的绩效提出明确的量化指标：在智慧扩容方面实现示范通道通行效率提升20%左右；在安全增效方面实现突发事件应急响应效率提升30%左右。数字化转型不再是“方向正确”就能过关的政策口号，更是要

树森 | 作者

YGG | 编辑

AI生成 | 头图来源

2024年，随着多项政策的落地，昭示着高速公路领域数字化转型的号角已经吹响，但随之而来的，并不只是风口和红利，更是一场深水区里的系统性挑战。

两部委在《关于支持引导公路水路交通基础设施数字化转型升级的通知》中对智慧公路的绩效提出明确的量化指标：在智慧扩容方面实现示范通道通行效率提升20%左右；在安全增效方面实现突发事件应急响应效率提升30%左右。数字化转型不再是“方向正确”就能过关的政策口号，更是要在效率、安全等关键指标上真正“交账”。

我们在过去十余年内逐步构建起的公路监控与管控体系在高速公路运营中发挥了重要作用，但想要再此基础上使效率与安全水平更近一步，旧体系的支撑就显得有些力不从心。面对更高维度、更复杂、更动态的运营需求，大多数公路运营单位面临着“巧妇难为无米之炊”的窘境：没有高质量、高精度的感知数据、没有能精准触达车辆的执行手段，智能系统就如同盲人摸象，决策也只能停留在系统内部，无法形成闭环，很多预想的优秀功能因此无从实现。

在这样的背景下，靠打补丁、堆功能、贴设备的小步前进式更新，不仅收效甚微，反而加剧了各系统的复杂性与维护成本。数字化转型风口已至，想要达成目标，从感知到管控，高速公路行业的基础能力需要一场跨越式升级。

当前，传统高速公路的感知体系主要依赖路侧监控、毫米波雷达等设备，这套体系都是通过检测干线道路区间内的“流、密、速”三大宏观参数，判断道路的拥堵程度，在过往十几年中支撑了我国高速公路以一个区间范围内断面级宏观数据为特征的监测和管控手段， 建立了相对稳定的体系以及有迹可循的数据应用方式。但在精细化运营、车辆级精准管控、智慧扩容等新需求下，这种以“平均”为核心的宏观方法逐渐暴露出了一些不足：

1.平均值掩盖个体行为，无法发现关键问题点

“流-密-速”参数是一种统计平均指标，只能反映整体趋势，无法发现个别车辆异常行为（如占用应急车道、停驶、慢行、三急一速、频繁变道等）或关键交通瓶颈（如某个入口、出口拥堵、某车道异常）。现实中一个典型的堵点，可能只由一辆慢行货车占用快车道引起，但区间内的平均车速可能仍然达标，系统就难以及时察觉。

2.无法识别交通构成变化与运营压力来源

当前道路上的交通流结构愈发复杂，私家车出行与轻小件快递货运占比上升、早晚高峰转为“全天流”、节假日突发涨流等现象日益普遍，而流密速的“平均值”无法揭示这种压力背后的结构变化。例如：同样是1500 PCU(标准车)/小时，90%小车和50%大车所造成的拥堵效果完全不同。

3.难以全天候动态适应场景切换和突发事件

例如在“智慧扩容”“应急调度”“事故处置”等场景下，高速公路运营方需要了解：哪辆车出现了故障？哪一类车辆集中在哪个时段通行？哪辆车违规占道、慢行、三急一速以及车牌号是什么等具体信息，尤其重要的是，不仅白天天气晴好条件，也需要在夜晚和恶劣天气下做到准确、实时发现。而传统流密速体系只能提供“某段车速下降了”“平均密度变高了”，无法解释“为什么”“是谁导致的”，更别提后续处置；传统的监测手段缺乏全天候准确检测能力，在夜晚和雨雪雾天气最需要准确检测的情况下失效。

4.难以支撑“车道级”或“车辆级”的智能调度与处置

如今，道路管控目标已从“整体流畅”进化为“精准分流、逐车研判、实时调度”。宏观参数是“路段平均值”，缺乏车道维度、车辆维度的数据支撑，就无法完成车道级限速或开放决策、分车型动态车道指引、按车牌点名式通知、关键车辆识别与预警等工作。

再谈远一些，在人工智能技术高速发展的当下，宏观“流密速”数据维度太低，信息量太少，因此不具备太高的算法训练价值，难以对未来智能化管理提供支撑。

这些问题都是当前感知体系的全天候精准程度不足所导致的，相对粗颗粒度的数据已经无法满足“智慧扩容”等数字化转型场景的管理需求。

以动态开放应急车道为例，这是当前智慧扩容中最具代表性的手段之一，理论上可释放约10%以上的道路通行能力。然而，中国高速公路的应急车道宽度通常在3米左右，仅适合小型车辆安全通行，若无差别放开，极易造成大型货车误入、剐蹭、事故。盲目开放应急车道，不仅不能提升通行效率，还会导致交通事故，反而对通行造成影响，这些经验在此前一阶段的试点当中已有不少事实论证。

要确保动态开放应急车道的安全，首先要能做到精准识别通行车辆的车型、车牌，实时掌握车辆所在位置、车速与行驶轨迹，才有可能进一步进行性细化管控。车辆级、全天候、精准检测能力已经成为“智慧扩容”“车道管控”等数字化转型场景落地的前提条件。

另一方面，识别出问题车辆之后，如何让它“配合”？如何在不依赖人力的前提下，完成对关键车辆的精准引导与干预，同样困扰着高速运营者们。这正是亟待借助数字化转型补上的另一个短板：精准、有效的管控能力。

过去由于感知能力的限制，高速公路管控系统主要依赖“流、密、速”等宏观参数进行管理。整个体系也以断面流量模型为核心，更多关注的是平均状态下的车流表现，缺乏对个体车辆行为的识别能力。在这种粗放式调控模式下，高速运营方很难及时捕捉到慢行、三急一速、频繁变道等潜在诱发拥堵的关键车辆。

当拥堵或异常事件发生时，系统往往只能通过情报板等方式发布广播式信息，例如提示车道限速或通行指示。然而这类“大喇叭”式调度手段触达面广但精准度低，真正产生实效的仅是少数，车辆的实际响应遵从率通常不超过50%。这种管控方式不仅反应滞后，还难以在关键时刻真正起到疏导作用，导致“看到问题却改不动”的困境长期存在。

因此想要达成扩容量化指标，管控软件也需要根据数字化转型要求重构，支持宏观、微观相结合的智能化路网系统的管控模型，既能够根据路网、路段流量模型进行路网级、路段级的管控，也能够智能、精准识别导致道路拥堵的关键车辆，并进行带车牌的点名式通知。

以深中通道、莞番高速、沪杭甬高速、宁沪高速等大流量高速为例，如果布设了路侧硬件，通过管控软件实时分析和管控导致交通拥堵的关键要素、车辆信息，利用情报板实施动态开放应急车道、车道级管控、对车辆带车牌点名式通知等措施，可以有效提升通行流量和通行速度，纠正90%以上车辆的不良驾驶行为，保证拥堵与事故发生后的交通安全、车道级管控的遵从度，可以达到精细化、闭环化的管理目标。

明白了问题的关键，精细化感知与管控的跨越式升级该如何实现？5G-A通感一体技术的突破给出了答案。

通感一体雷射视融合是5G-A标准中非3GPP路线，是利用5G-A技术，将毫米波雷达与射频等技术进行深度融合，对车内ETC设备（OBU或CPC)或者蓝牙、Wifi通信设备进行识别，并能够自动联动对应视频，不需要在车内另外安装终端，利用通信中的射频定位技术解决雷达的遮挡和虚警问题，是信号级的融合，实现了高精度、低时延、全天候的感知。

这一技术的出现，为高速公路运营带来了跨越式的感知能力跃升。它打破了传统光学视频在夜间、雨雪、雾霾、隧道等复杂环境中的感知盲区，实现了全天候、全场景的稳定识别，真正构建起“全天候感知基础设施”。

它不仅能识别“有没有车”“车速多少”“车牌号多少“什么车型”等基础信息，更进一步实现了行为级识别，能够精准捕捉到慢行拖滞、三急一速、停驶等影响交通效率与安全的驾驶行为，为精细化管控插上了“眼睛”。通过对每辆车的轨迹级建模，感知系统能够实时掌握车辆身份、位置及行驶轨迹，为运营单位提供了“它是谁、在哪儿、干了什么、该如何管”的全面数据支撑。

更重要的是，5G-A通感一体技术不仅是“看”的革命，更是“管”的革新。通过在道路侧部署可实现“感知+通知+智能控制”的协同工作：一边通过融合感知手段“捕捉”车辆的物理运动信息和身份，一边通过多种手段对车辆进行精准通知。

5G-A通感一体不是简单的“联网+感知”，而是实现了通信与感知的深度融合。系统能够将识别出的目标车辆信息与交通管控系统实时联动，并点对点地将提示、指令精准传达给特定车辆，从传统的“广播式提示”迈向“点名式通知”。

这一体系打通了“感知—判断—决策—管理”的闭环链条，为动态开放应急车道、智慧扩容、差异化调控等数字化转型应用场景提供了精细化感知-管控基础。

以成谷科技为代表，当前国内正在推动5G-A通感一体技术在交通领域的前沿应用，实现“通信+感知”融合的工程化落地。成谷科技的通感一体雷射视融合RSU产品，基于5G-A通感一体技术，实现雷达和射频信号级融合，直接输出结构化数据，结合视频取证，可做到百毫秒内直接输出车辆的车牌、车速、位置、车型等数据信息。

目前该设备已部署于苏台高速、深中通道等多个路段，用于实现全天候、带车牌发现常停车、慢行、三急一速、不按车道行驶等事件，并点名式通知车主，可用于支持干线通道主动管控、智慧站点、智慧服务区、路网运行监测预警、恶劣气象通行安全预警、智慧隧道等智慧扩容和安全增效场景。

今年的高速公路信息化大会上，交通运输部路网监测与应急处置中心主任李斌就曾公开感慨道：“高速公路信息化正开启大运营时代。”这不仅是一种趋势判断，更是行业深层转型的真实写照。

当前，智慧高速正加速迈入从“数字化建设”向“数智化运营”转型的关键阶段。其中，以“智慧扩容”为代表的新一轮变革正持续推进。只有打破“看不清”“管不动”这两大技术桎梏，数字化转型才能真正落地，交通效率提升才能不再是停留在纸面上的目标。

来源：赛文交通