人工智能技術在智慧交通領域的應用研究

□白 雪

自20世紀中期人工智能技術誕生以來，其以輔助或替代人工作出分析、判斷和決策的特點，在眾多領域中取得了顯著的成效。交通作為城市發展的主要動力，對生產要素的流動、城鎮體系的發展有著決定性的影響。近年來，人工智能與交通建設緊密融合，全面賦能于交通行業多個要素，通過構建實時動態信息服務體系，深度挖掘交通相關數據，形成問題分析模型，為資源的優化配置、行業管理、公眾服務等提供智能決策，從而加速智慧交通建設的進程。

一、人工智能技術在智慧交通建設中的應用

(一)在擁堵治理中的應用——基于交通流的自適應控制信號燈。據統計，車輛在城市中的行程時間約有1/3耗費在道路交叉口[1]，如何在有限的空間和環境條件制約下，提高交叉口通行效率是解決道路交通擁堵的關鍵。基于交通流的自適應控制信號燈能夠根據道路交通流量、排隊長度、平均車速、道路等級等因素，自動調整紅綠燈配時，確保綠燈時間的最大化利用[2]，從而有效改善交叉口擁堵問題。

該自適應方案的實現基于“權重均衡”的思想，一方面通過交通調研，充分了解交叉口現狀，對交叉口的通行效率、排隊長度、延誤進行初步評估，形成信號控制相位的靜態權重；另一方面根據視頻、雷達、地感等傳感設備實時獲取的流量數據、排隊狀態、占有率、飽和度等交通參數，計算相位的動態權重。綜合二者，形成相位的綜合權重，并作為紅綠燈配時策略的設置標準，以此取代靠人工經驗進行的固定配時工作，在有效節約人力投入外，極大提升了路網通行能力，降低了平均延誤時間[3]。

(二)在交通運輸中的應用——基于人臉檢測與識別技術的人員智能化管控。人臉檢測與識別技術是一個重要的視覺認知計算模型，其主要功能是判斷所給的圖片或視頻中是否包含人臉，并將人臉圖片提取出來與身份庫中的人臉圖片進行比較，找到最接近的結果。乘客與駕駛員作為智慧交通的核心參與者，人臉檢測與識別技術對于二者的管控應用廣泛。

1.乘客端。人證比對身份識別核驗。通過在客運站、機場等出入口部署人證比對設備，當乘客刷身份證時，人證設備會摳取身份證上的人臉圖片，并實時采集乘客人臉，將二者上傳到中心平臺進行1∶1特征值比對，比對成功則放行，同時將采集到的實時人臉與公安機關黑名單庫中的人臉進行1∶N比對，實現黑名單預警。

乘客人流態勢分析預測。通過在售票廳、候車廳等人員密集的場所布設視頻采集設備，將視頻傳輸給后端智能分析設備，通過對視頻中的人流進行目標檢測、場景建模，實時輸出人群密度分布圖，同時可根據模型數據輸出人數趨勢圖，展現人群密度的發展趨勢，從而輔助管理部門進行人流疏導，避免擁擠踩踏事故的發生。

2.駕駛員端。失格駕駛員管控。所謂失格駕駛員是指被吊銷、注銷駕駛證的駕駛人員仍然開車上路行駛的情況，這種駕駛員上路后肆無忌憚、屢次違法，對交通管理造成重大影響。通過在道路上布設卡口抓拍單元，可實時捕獲駕駛員人臉圖片，并傳輸到后端進行建模分析，之后與失格駕駛庫中的人臉進行比對，實現異常人員報警、展示、核查等應用。

駕駛員考勤與身份識別。近年來，國家大力倡導公共交通出行，駕駛員作為公共交通的參與主體，確保其駕駛安全是公共交通平穩運行的關鍵。通過在駕駛艙內布設人臉抓拍設備，實時采集駕駛員人臉圖片，并基于人臉識別比對技術實現駕駛員考勤與身份識別，從而避免由代打卡行為導致不具備駕駛資格的人員駕駛公共交通工具，造成駕駛隱患。

(三)在交通管理中的應用——基于視頻分析與深度學習技術的新型違法行為檢測。視頻提取與智能分析技術在交通治理中應用廣泛，如機動車闖紅燈、超速、違法停車、變道等違法行為均可基于視頻分析技術實現檢測判定。但對一些新型違法行為的檢測，如不系安全帶、打電話等，傳統的技術尚無法實現，得益于人工智能的出現，目前已可對多種新型違法行為進行檢測取證。

1.不系安全帶/打電話檢測。不系安全帶、打電話等違法行為的檢測需克服2道難關，其一視頻采集設備的光線需穿透擋風玻璃，其二需具備不系安全帶、打電話等行為的識別能力。對于問題一：需配置氣體爆閃燈，輔助光源穿透擋風玻璃，確保采集設備能夠獲取清晰的駕駛員照片；對于問題二：其本質是深度學習算法的運用，其中打電話是通過定位左手或右手附耳打電話的動作和人臉識別算法中嘴部點位的變化來判斷駕駛員是否存在打電話的行為；不系安全帶同樣是基于深度學習算法對駕駛員身前是否具有條帶狀特征進行判定。

2.行人闖紅燈檢測。行人闖紅燈違法行為長期存在，但因缺少有效的檢測取證手段，常會遇到法不責眾的尷尬局面。基于視頻分析與人臉識別技術，通過部署在斑馬線的行人闖紅燈取證攝像機，可實時抓拍闖紅燈人員圖片，此外攝像機內部的人臉檢測與跟蹤算法可摳取出3張反映不同位置的人臉圖片形成取證證據[4]，并將人臉圖片上傳到后端進行建模分析，與公安機關的常住人口庫進行比對確認闖紅燈人員的身份，從而對其曝光或與其征信掛鉤或由社區民警上門教育以杜絕再次發生。

3.非法鳴笛自動檢測。機動車鳴笛作為一種信號，警示其他車輛和行人注意安全，然而隨著道路通行壓力的增大，非法鳴笛現象隨處可見，由此帶來的噪音污染影響越來越大[5]。但由于非法鳴笛取證難，很難判定鳴笛聲來源于哪輛車，造成執法難度劇增。基于視頻抓拍+聲音檢測的可視化鳴笛檢測系統，可精確定位鳴笛機動車，并自動抓拍和識別車輛號牌，形成完整的取證證據。其中聲源定位是基于波束成形技術實現的，通過聲源傳輸到各個聲音傳感器的相位差確定鳴笛的位置，并對音頻數據進行處理得到聲像圖；同時采用校正匹配算法實現聲像圖與視頻抓拍圖像的融合，形成由鳴笛抓拍圖片+聲音文件+含有鳴笛聲音的視頻組成的完整證據文件[6]，從而輔助交管部門執法取證。

二、結語

綜合以上應用實踐，智慧交通的建設離不開人工智能思維，更離不開人工智能技術。一方面，需借助人工智能的數據思維，通過多種感知手段精確獲取道路上人、車、地、事、物的全量實時數據；另一方面，需通過人工智能技術將這些數據進行融合、標簽化，結合AI技術進行態勢推演、預測，挖掘出影響交通安全、交通秩序的原因及規律，進而為更深層次的智慧應用如智能調度、智慧停車、無人駕駛等提供決策支撐，從而最大程度地解放人力，提高管理效率，提升公眾出行體驗。