9月18日，第四届华为全联接大会在上海召开，华为智慧交通解决方案总经理方海林、华为智慧交通解决方案CTO王鹏和赛文交通网CEO徐赫联合发布了“华为智慧交通TrafficGo2.0解决方案。华为智慧交通TrafficGo2.0方案在TrafficGo1.0基础上迎来全面升级，以华为云EI交通智能体为核心，五大服务闭环创新、四大生态智慧聚合、五大平台强劲支撑，在智慧交通领域给客户带来持续创新，让交通更顺畅，出行更美好。

        华为智慧交通解决方案已经在多个城市成功应用。

方案成效如何 ？事实来说话

以深圳为例，深圳有6000公里，9000多条道路，道路车辆密度全国第一，拥堵成“顽疾”。 TrafficGo在深圳坂田8个路口做了试点，实现区域协同优化效果，平均车速总体提升4.2%，平均旅行时间总体上升5.1%，车均延误总体下降17.7%。

2019年5月17日，TrafficGo2.0在天津生态城完成关键桥口区域23个路口的信号优化。高峰时段，路口车辆排队溢出次数降低20%，平均车速提升18%，高早高峰时长缩短10-15分钟，完成基于50个路口的应急绿波，减少 44% 消防救援通行时间。

华为智慧交通TrafficGo2.0方案在天津、深圳的成功应用，表明了华为在智能交通行业给客户带来的价值，也让TrafficGo 2.0方案的上线更加令人期待。

五大服务闭环交通治理

华为智慧交通TrafficGo2.0方案，以华为云EI交通智能体为核心，通过感知、认知、诊断、优化、评价五大服务闭环交通治理。

全息数据融合的感知：华为支持电警、卡口过车记录、地磁、停车场、公交车GPS、浮动车、GIS地图、天气、运营商OD、车联网等等多源数据的融合，并对数据进行校准补齐，用数据构建出一个完整的数字化交通形态，真实地展现交通情况。

全量数据认知：就是从数据到信息加工的过程。在宏观掌握全网实时交通状态，中观观察区域交通情况，微观洞察交通瓶颈路口路段，识别交通供给能力和交通需求。在交通供给侧对通行能力提供精准分析；在交通需求侧，识别车多带来的拥堵变化，实时检测交通事件，识别事故带来的交通状态下降，动态的调节交通需求，提升交通供给能力。

多维AI诊断分析：在认知的基础上，使用萃取专家经验的AI算法，从时间、空间多个维度分析出路口拥堵成因。传统人工勘验靠人蹲守在路口，耗时耗力，做不到长时间全天候的观察，主要依靠人工经验解决问题，是定性的碎片化的分析。TrafficGo的价值是依靠人工智能，大数据，做到定量的，科学化的自动分析，诊断出拥堵原因，提供优化建议给交通工程师。

全时空优化治理：根据诊断出的成因，对症下药。TrafficGo除了可以使用AI技术优化信号配时，还可以结合行业专家经验更科学地为道路设计提供优化建议，如潮汐车道，可变车道等。TrafficGo通过信号优化解决的不仅是单个路口和干线的拥堵问题，最重要的是通过区域协同优化，缓解整个区域的拥堵情况。升级后的全栈AI处理平台，让复杂计算速度更快，优化建议更准确。

精准可信的评价体系：华为交通智能体联合行业主管部门建立了6大类，100+指标的评价体系，完善和建设精准可信的联合标准。

成功实践的秘诀：黑土地底座+四大生态

华为智慧交通TrafficGo2.0方案秉承华为 “坚持把自己擅长的做好，把算法、操作系统、数据库做到极致，一点一点的把底座做好”的原则，坚持开放开源，为合作伙伴提供最肥沃的“黑土地”。从算法生态、数据生态、专家生态、业务生态四大层面联合客户和合作伙伴携手创新，共建开放、合作、共赢的产业生态，博采众长，百花齐放。

TrafficGo2.0的创新基础：五大平台

在SDC感知平台，华为智慧交通TrafficGo2.0推出新款SDC软件定义摄像机，支持云端算法加载，支持将非智能摄像机改造成智能摄像机的1拖N功能，增强视频分析能力。华为研发了 SDC OS 视频设备操作系统，开放给图像智能识别算法企业，形成算法仓库，各合作伙伴可更为快速的将算法上线，而应用单位可以将前端算法一键加载或升级，提供前所未有的使用体验。

通过IEF边缘计算平台，让路口具有智能计算的能力，实时处理事件检测的分析与扩展能力，提升了数据处理的实时性，完成对路口档案的精准刻画。

通过FusionData数据平台，汇聚互联网和各类交通大数据，提供“采-存-算-管-用”全生命周期的数据处理能力，让数据“存得下、流得动、算得快、用得好”，帮助客户打通全域数据连接、建立统一的数据平台、提升实时数据服务能力，打造数据融合的黑土地。

基于华为自研全栈全场景的AI平台，提供Modelarts2.0开发和管理平台、Mindscope统一机器学习框架，并开放算法仓，共享AI开放平台能力，提高了处理性能，减少了业界成本。

HUAWEI Cloud平台：信号推理模型基于海量样本数据在华为云平台上持续进行“训练-仿真-预评估”循环，不断地迭代优化信号推理模型，让信号优化方案更准确。