人工智能技術在智慧交通領域中的應用

陳春妍

摘要：現如今，我國是科技發展的大時代，隨著人工智能技術高速發展，人工智能技術逐漸走入我們的視野，這些技術在改 變人類生活方式的同時，也對社會發展的各個領域產生了深遠的影響。本文將簡要介紹人工智能技術和智慧交通的概念，并 重點分析和探討人工智能技術在智慧交通領域中的一些應用狀況。

關鍵詞：人工智能；交通大數據；公路交通；智能化

中圖分類號：F49 文獻標識碼：A 文章編號：2095-3178（2018）06-0074-01

引言

人工智能是眾多行業應用中自動化、智能化技術的核心要素。

近年來隨著深度學習技術的發展，人工智能在諸多應用領域都取得 了舉世矚目的成就。使用人工智能技術中的機器視覺和深度學習等 技術，對交通大數據進行分析和建模，可以輔助或替代人工來做出 分析、判斷和決策。在某些情況下機器的分析識別效果已經接近甚 至超過了人類水平。因此，人工智能技術的進步對于推動交通行業 的技術進步，提升交通行業的信息化、自動化、智能化水平有著非 常重要和積極的意義。本文詳細探討了人工智能技術在公路交通中 的應用，并對未來的智慧交通的發展做出了展望。

1 人工智能和智慧交通的概念

人工智能技術是指以人類智能相關理論的研究為依據，進行相

關理論的模擬、延伸、和擴張的一種技術，人工智能也稱機器智能。 它是由計算機科學、統計學、信息論、語言科學等多種學科相互融 合和發展而來。人工智能研究的主要內容是如何制造出人造的智能 機器或智能系統，使其具備模擬人類智能活動的能力。目前人工智 能主要包含自然語言處理、語音處理、計算機視覺、機器人技術以 及深度學習等熱點研究領域。隨著計算機運算性能的快速發展，以 及存儲容量不斷擴大，人工智能技術的研究將會不斷深入和提高， 人類的生活將會逐漸變得越來越智能化。智慧交通作為智慧城市的 一個重要構成，它是解決城市交通問題的最佳方法，同時也是智慧 城市建設的一項具體應用。智慧交通系統是指在交通領域中充分運 用物聯網、云計算、人工智能、自動控制等技術而建立起的全方位 發揮作用的，實時、準確、高效的綜合運輸和管理系統。智慧交通 的目的是使得人、車、路達到密切配合，并發揮協同效應，從而提 高交通運輸效率、保障交通安全、改善交通運輸環境。

2 智慧交通在智慧城市建設中的應用難點與瓶頸

2.1智慧交通缺乏頂層設計

目前，我國城市智慧交通普遍缺少頂層設計，迫切需要建立一

個系統全面的智慧交通框架體系，基于科學的方法論，從城市交通 全局角度，對智慧交通進行戰略規劃及總體設計，自上而下、由近 及遠指導城市智慧交通系統的設計、建設和運行管理。

2.2部門間信息共享程度低

交通相關部門及下屬單位數量較多，其信息化系統多數由不同

的軟件公司在不同時期開發，系統獨立運行且不能互聯互通，存在 信息孤島現象，導致交通數據呈現碎片化分布、信息利用率低且融 合程度差，各部門間缺乏有效的信息溝通和共享。

2.3海量交通數據難以得到充分利用

由于各個部門信息系統相互獨立，數據標準和格式各不相同，

對存在于各個業務系統中的海量數據無法共享運用，導致對交通信 息的感知和收集能力有限，數據潛在價值沒有得到有效挖掘，數據 沒有發揮其應有的價值，在交通監控、出行服務、交通指揮、應急 處置等功能中不能充分發揮事前預測、事中管理和事后評估的智慧 化決策支持的作用。

3 人工智能技術在交通流量管理中的應用

3.1預測交通流量以改善交通擁堵

隨著我國汽車產業的發展，城市道路及高速公路道路擁堵的問 題日益嚴峻。通過對交通流數據挖掘，同時在此基礎上建立交通流 預測模型，就能夠有效的預測交通擁堵狀況，從而引導車輛選擇合 理出行路線。深度學習作為人工智能的新興學科，它已經被成功地 應用到很多領域，比如自然語言處理、分類任務、圖像識別等。深 度學習通過利用多層體系架構來有效地提取出底層數據的潛在的特 征，然后提供給高層進行分類與回歸。通過收集交通數據流的海量 數據，利用深度自動編碼器模型對采集到的交通大數據進行訓練， 并在訓練過程中對深度自動編碼器模型進行不斷的調整，最后利用 調整后的深度自動編碼器模型對交通進行預測。

3.2根據交通流動態調節的智能紅綠燈

隨著計算機技術的迅速發展，基于機器視覺的檢測技術已經應

用于交通監測系統，通過視頻檢測技術可以實時檢測路口中各車道 車輛的排隊長度。通過收集到的數據，生成路口的候車隊列分布情 況，從而控制交通燈采取實時動態的配時控制方案。傳統紅綠燈浪 費了很多綠燈的時間，對于交叉路口的雙向車流不一致的情況十分 不利。而上述這種方案可以最大程度的利用綠燈時間，避免綠燈時 間的浪費以及路口候車時間的增加，可以有效緩解路口的交通擁堵。

3.3闖紅綠燈檢測

很多車輛在紅燈的時候繼續前進，這是一種很危險的行為，會

影響到自身以及他人的生命安全。交管部門必須對違章車輛進行記 錄處罰，如何準確記錄闖紅燈的車輛是一個問題。通常的方法是使 用道路埋線圈進行檢測，這種方法需要在停車線前方柏油路面下方 埋設一個壓力感應器，然后將感應器開關與紅燈相連接，紅燈亮的 時候感應器接通處于工作狀態，車的前輪碾過去，感應器就發出拍 照信號，后輪再碾過去，再拍一次，通過照片記錄闖紅燈的車輛信 息。這種方法需要人工在路口填進感應線圈，由于線圈的精度問題， 還會出現誤判、漏判的情況。

結語

通過在公路交通中將引入人工智能技術，借助其龐大的數據分

析能力，有效的改善了道路交通中的各種問題。使用圖像識別技術 將之前需要大量人工作業、高成本的運營到高速、簡單的智能化規 劃的轉變。通過人與計算機的共同協作，讓道路交通更加便利快捷， 穩定提升國民經濟。最近幾年機器視覺取得了空前的成就，得益于 深度學習技術帶來的巨大進步，通過機器視覺的廣泛應用，能夠大 大提高智能交通系統的感知精度和維度，讓智能交通系統更加智慧。

同時，這些技術發展降低了交通管理部門任務量，給人們的生活帶 來了極大的便利。

參考文獻

[1]葉云.基于機器視覺的道路標線損壞智能檢測設想.公

路與汽運，2016，（03）：55-57.

[2]尹邵龍，趙亞楠.深度學習在城市交通流預測中的實 踐研究.現代電子技術，2015，（15）：158-162.

[3]譚娟，王勝春.基于深度學習的交通擁堵預測模型研 究.計算機應用研究，2015，（10）：2951-2954.