2. 智能交通系统基础
智能交通系统（Intelligent Transportation System，ITS）是将感知、通信、计算与控制技术融入道路交通运输全过程，使“人—车—路—环境”之间能够实时交换信息并协同决策的综合系统。它的目标不是单纯增加道路供给，而是通过信息共享和智能调度，提高通行效率、降低事故风险、减少能耗与排放。对《车路云协同交通预测工程》而言，ITS 是上位框架，车路云协同是其在网联化、智能化阶段的重要技术形态。
一、核心原理：从“感知—决策—控制”闭环理解 ITS
ITS 的基本逻辑可以概括为一条闭环链路：交通状态被感知后，经过通信传输汇聚到计算节点，形成对当前和未来态势的判断，再通过信号控制、路径诱导、车速引导、预警发布等手段作用于交通流，最终改变下一时刻的交通状态。这个闭环每转动一次，系统就获得一次新的观测，因此 ITS 天然具有反馈控制特征。
在这一闭环中，交通预测处于“决策前”的关键位置。没有预测，控制只能被动响应；有了预测，系统才能提前调整信号配时、发布诱导信息或规划路径。车路云协同则进一步把感知、计算和控制分散到车端、路侧和云端，使预测所需的数据更完整、计算更弹性、服务范围更广。
二、发展历程：从信息化到网联化、协同化
ITS 的发展大致经历三个阶段。第一阶段是信息化阶段，重点是把交通信号、监控、收费等系统数字化，解决“看得见、管得住”的问题；第二阶段是智能化阶段，引入数据挖掘、交通预测和自适应控制，使系统能够根据实时状态调整策略；第三阶段是网联化与协同化阶段，借助 V2X、5G、边缘计算和云平台，实现车与车、车与路、车与云之间的信息交互，交通预测也从单点、单路段走向区域协同。
这一演进并非替代关系，而是能力叠加。信息化提供数据底座，智能化提供算法能力，协同化提供连接与分工。车路云协同正是第三阶段的核心技术路线，它把“路侧感知”和“云端全局优化”结合起来，弥补单车智能视野有限、路侧计算资源受限的不足。
三、车路云协同在 ITS 中的定位
在 ITS 体系中，车路云协同不是独立于 ITS 的新系统，而是 ITS 在网联环境下的实现方式。可以用“三层两链”来理解：车端负责实时感知、执行和局部决策；路侧负责区域融合感知、边缘计算和低时延服务；云端负责全局数据汇聚、长时预测、模型训练和跨区域调度。两条链分别是数据链和控制链，数据自下而上汇聚，控制自上而下下发。
| 层级 | 典型设备/平台 | 核心职责 | 在交通预测中的角色 |
|---|---|---|---|
| 车端 | OBU、车载摄像头、毫米波雷达 | 实时感知、预警接收、局部执行 | 提供个体轨迹与响应数据 |
| 路侧 | RSU、边缘计算单元、路侧感知设备 | 区域融合感知、低时延计算 | 生成路段级实时状态与短时预测 |
| 云端 | 交通云平台、AI 训练平台、数据中台 | 全局汇聚、模型训练、跨域调度 | 区域级、路网级中长时预测 |
四、典型应用场景与常见误区
车路云协同在 ITS 中的典型场景包括：城市交叉口自适应信号控制，依据预测排队长度提前调整相位；高速公路匝道控制和可变限速，利用云端预测结果平滑主线交通流；公交优先与专用道管理，通过车路协同实现信号优先；以及恶劣天气和事故场景下的预警发布与路径诱导。
理解 ITS 的定义、发展脉络和车路云协同的定位，是后续学习交通预测工程的前提。只有明确各层职责和数据流向，才能在具体项目中合理设计预测模型、部署方案和评估指标。