人工智能技術與交通網聯深度融合的城市智能交通技術

文/劉軍

1 引言

目前，分析和理解交通問題往往受依賴數據源約束。最新興技術，目前正朝著車輛-基礎設施-行人環境和大數據相互連接的方向發展，使得多源數據更容易和更便宜地收集，存儲，分析，使用和傳播。相互網聯的環境還使系統更加靈活，以便實時管理并且可以實施控制措施以改進系統性能。擁有，車輛，基礎設施和行人的互聯環境，可以通過同伴連接協議或通過5G或更高級的集中式系統電信網絡交換信息。這樣的技術被認為是人工智能與交通網聯技術的深度融合體現，也是城市生態系統最具潛力的技術之一。信息的互動和交流可以發生車對車（V2V），車對基礎設施（V2I），行人對基礎設施（P2I），或車輛到行人（V2P）。考慮到各個單元的獨特之處，對了解當前智能交通是至關重要，這樣的系統可以適應與連接環境一起工作。本文旨在回顧當前智能化趨勢交通系統（ITSs）和智能城市的基礎上，對人工智能技術與交通網聯深度融合的城市智能交通技術進行分析和整理。最后，提供了對未來ITS和智能城市的見解。

2 智能交通系統（ITSs）的當前趨勢

旅行需求造成的擁堵，交通事故和污染問題，由于各種各樣車輛數量的巨大增長而變得更加嚴重，包括車輛交通，公共交通，貨運交通，甚至行人交通。為了解決這些問題，ITS有已開發出能夠集成各種系統的子系統，包括傳感，通信，信息傳播和交通控制。任何ITS都需要三個基本功能組件：數據收集，數據分析和數據（信息）傳輸。數據收集組件收集來自運輸系統的所有可觀察信息（例如，交通系統的特定點）道路網絡，特定路段的平均旅行時間，乘客乘坐的公交線路等，以進一步分析當前的交通狀況情況。傳統上，感應環路檢測器，根據感應電流檢測車輛的存在通過車輛和氣動管的循環，檢測基于管內壓力變化的用于收集交通量和速度等基本。但是，由于其實施成本高，這些方法在實施過程中逐漸增加不太受歡迎，特別是在擁擠的地區。由于傳感和成像技術的進步，攝像機和射頻識別（RFID）掃描儀越來越多被考慮用于交通數據收集。相機可以安裝在網絡中的不同位置以收集流量視頻，這也為智能城市交通提供了最基本的“眼睛”。

3 深入理解“人工智能+交通網聯”對智能城市的影響

上一節介紹的ITS旨在解決與運輸相關的問題并提高運輸的整體效率系統。這些ITS屬于智能移動類別智能城市的框架，最近幾十年引起了人們的關注。在文獻中，尚未就智慧城市什么構成達成一個共識，有不同的定義。盡管定義多種多樣，但使用先進的電子/數字技術（如ICT），嵌入ICT或其他電子硬件進入城市基礎設施，改善利益相關者在系統的不同方面的利益是智慧城市共同的特征。

關于功能性，智能城市可以分為六種不同的組件：智能治理，智能經濟，智能人力/社會資本，智能環境，智能生活和智能移動。智能治理旨在利用ICT提高公共部門組織在管理方面的效率和公共資源透明度，并鼓勵公眾參與做決定。智能經濟的目標是利用ICT和相關技術提高制造鏈生產力的技術并加強和加強在線交易以促進電子商務。智慧人力/社會資本旨在改善教育公民通過提供的水平和積極的公眾參與從其他組成部分產生智慧城市的豐富信息。智能環境的目標是減少污染和解決其他環境問題，最終目標是通過使用技術改善/實現城市可持續發展。智能生活尋求提高生活質量，例如，安全，住房質量，社會凝聚力等。

特別地，通過在城市內實施先進技術和基礎設施。智能移動，有時被認為是由于注重高效運輸，也是網聯人與城市的重要組成部分。目前一些學者嘗試使用先進的ICT來優化物流和運輸系統，為乘客和貨運提供高效，安全，環保的服務。基于這些組件，各種各樣指標（例如，當地可達性，生產率，排放等）具有被來用于評估智能城市和城市的表現，幫助決策者制定政策的重要指標，為創建更智能的城市鋪平道路。在智能移動和ITS的背景下，基于傳感器和利益相關者的可用信息，各種估計，預測，管理和控制方法必須真實實施。與運輸有關的問題的特點是數量眾多具有參數關系的變量未被充分理解，大量不完整的數據，目標和限制不明確。

最近，人工智能相關技術，具有獨特的知識建設實力，已被智能移動和ITS所采用。AI是機器在合理地感知到的智能表現環境（分析來自各種傳感器的數據），以及做出理性決策，最大限度地實現目標。對于運輸問題通常采用的AI方法涉及人工神經網絡，支持向量機和貝葉斯網絡。人工神經網絡（ANN）具有執行非線性的能力，通過考慮輸入和輸出之間的映射隱藏層，解決適合運輸問題變量之間的參數關系。在現有研究中，人工神經網絡常見被用于：狀態估計/預測，事件檢測，交通/基礎設施控制，以及行為分析。類似對于ANN，支持向量機技術（SVM）是監督學習分析輸入數據的模型，但更側重于分類階段/場景。在ITS的背景下。與ANN和SVM不同，貝葉斯網絡是唯一的數據驅動可控制變量的概率和條件依賴性的統計模型，在ITS研究中，貝葉斯網絡已被用于各種運輸問題，但主要用于預測交通和事故/事故何時發生的相關問題。

4 現代城市智能移動交通的網聯環境及深度融合的未來發展

由于ICT和相關傳感技術的重大進步，目前的趨勢是安裝和使用車輛自動化通信系統（VACS）。 VACS有被證明能夠改善個人的安全性，舒適性和便利性，以及聯網車輛的排放。VACS可以通過交通管制提高效率發揮促進全球流量的潛力。未來十年，連接配備自動化VACS的車輛數量將迅速增加。同時，常規人駕車輛（RHVs）將繼續在短期內在市場中發揮重要作用。因此，擁有智能駕駛技術的車輛，滲透到市場可能會帶來在高速公路網絡性能和交通流量效率上的改善。它還可以實現控制方案，例如個別車輛速度和車道變換。由于信息通信技術的進步和日益普及的智能設備，在交通相關的環境中的想法背景已經延伸，現在已經超越了物理邊界。在現有中，交通網絡通常按照指示進行建模（僅限與運輸基礎設施）。但是，交通網絡應該包括人類，物質基礎設施，道路標記和多形式聯運系統。因此，它更合理考慮多種不同類型的對象在智能網聯交通中的表現。現在已經有越來越多的討論，來嘗試構建一個靈活的分層交通網絡模型，整合數字化中的物理，語義，邏輯和感知網絡重建智能城市交通網聯空間。

除了各種傳感器可以收集的物理數據外，從網絡來源收集的公眾態度和看法（例如，社交網絡），也可以被用作交通系統的數據來源。因此，未來的ITS應該使用這些數據來監控和管理系統。提取來自社交網絡數據源有用和有意義的信息。（例如，Twitter或者微博等平臺上發布的公眾評論），建議可采用自然語言處理（NLP）的算法用于數據分析的預定義語義結構。NLP算法應該能夠檢測社交事件和公眾意見可能會導致的潛在交通問題（例如，足球比賽），或揭示公眾對運輸系統/現行政策的看法。

5 總結

綜上所述，可以看出智能交通是智能城市構建中的重要組成部分，未來智能網聯交通屬于多個層次的連接環境（即網絡，社交和物理）。鑒于此理解，本文從ITSs與人工智能深度融合的角度提供一些智能城市的發展見解，包括：分析來自網絡資源的信息等等。本文的研究為豐富人工智能技術與交通網聯深度融合的城市智能交通技術提供新的思路。