人人都说数据好，有了数据用不了。
为什么会出现这种现象？到底什么样的数据能用？
北方工业大学城市道路交通智能控制技术北京市重点实验室研究员张福生在第三届中国交通信控中国发展年会上分析了当前部分检测数据无法使用的原因，并结合交通控制场景，提出了检测器设置的建议。
以下为张福生演讲主要内容：
为什么讨论交通控制场景与检测器设置？
第一，交通检测建设投入大、维护投入少。
第二，检测方法越来越多，但应用进步不大。
第三，互联网数据热闹一时，但难见实效。
第四，交通检测用于规划多、用于实时控制少。
常见问题
选择什么检测手段？使用哪些检测数据？检测器怎样布设？怎样判别交通场景？怎样看待检测精度？车路协同车联网后还需要检测器吗？
交通检测数据与应用
关于交通检测目的，我的理解是：获取交通数据、辨识交通场景、发现交通需求、识别交通事件、评价交通状态。
关于交通检测种类及特点：
关于交通检测数据，一个车队在通过检测断面的时候，可以分析出车头时距、流量及占有率等数据，在实际应用中，经常会将这些数据以统计的方式表达出来，而车队特性、个体特性、实时检测精度等数据被统计数据淹没。
为什么需要精确的交通数据？因为需要用这些数据做不同应用场景的控制，比如方案优化、实时控制响应、需求检测、事件判别与响应、交通场景识别等。
控制场景与交通检测
SCOOT系统在做交通检测时要求检测器放置在停止线上游80-150m，自由交通流处，这样设置的核心原因是：SCOOT系统优化模型是以车辆到达特性、到达停止线行程时间、停止线饱和通行能力等关键参数来进行优化。
SCATS系统检测器布局是在停止线上游，临近停止线处，它核心检测目的是检测车辆通过特性。通过分析交通流特性，来形成饱和度计算方法。
通过SCOOT和SCATS对检测器的要求可以发现，这些系统都非常关心交通流通过检测区域形成的检测脉冲精度，这些参数对系统控制优化作用非常关键，而不能简单的用流量、占有率等参数来看待。
在感应控制场景下，检测器位置应该依据车速计算。需求检测器通常用这条道路上的平均车速，按照这个车速到达停止线的行程时间作为计算位置的原则。
在公交优先与有轨电车场景下，分为模式锁定的检测、需求检测、到达检测、通过路口的检测等。
在溢出控制场景下，溢出检测常用的方法是在路口下游设置检测器做溢出分析，但仅有这个还不够，我们建议是做两组检测器，一组是溢出预警，一组是溢出检测。
溢出预警检测器位置，我们建议是剩余的排队空间至少要够它进入这个方向的各个相位最小绿准备到达的这个车队所需要的空间。
最后总结一下，实时检测是实时控制的重要基础检测，数据精度不仅仅体现于统计数据，检测布局与控制方法结合是关键。
