人工智能技術(shù)在智慧交通領(lǐng)域中的應(yīng)用

文／貴州宏信達高新科技有限責任公司 阮雪飛

關(guān)鍵字:人工智能技術(shù)；智慧交通；應(yīng)用

0 引言

人工智能技術(shù)簡稱“AI”（Artificial Intelligence），它是集智能方法、理論、技術(shù)為一體，運用模擬、擴展和延伸等方式代替人類智能的一種技術(shù)科學和新的應(yīng)用系統(tǒng)，與傳統(tǒng)的信息化應(yīng)用系統(tǒng)不同，人工智能技術(shù)主要通過計算機來實現(xiàn)[1]。

1 人工智能技術(shù)概況

以智慧交通領(lǐng)域為例，采用人類或生物機體智慧模擬系統(tǒng)，借助人工神經(jīng)網(wǎng)絡(luò)及智能遺傳算法，通過對大量的智慧交通數(shù)據(jù)進行分析，即可有效判斷當前交通狀況，從而能夠幫助人類借助云計算、大數(shù)據(jù)等信息采集方式，對交通路況信息、交通通信量信息等進行實時采樣分析及處理，基于智慧處理結(jié)果，即可為人們出行、自動交通、車流量控制等提供不同的處理解決方案，這在一定程度上可減少交通擁堵問題，大大方面人們出行。

2 “智慧交通領(lǐng)域”下的人工智能關(guān)鍵技術(shù)分析

2.1 “智慧交通”圖像識別

“圖像識別”是人工智能技術(shù)體系下的一種關(guān)鍵技術(shù)。隨著現(xiàn)代網(wǎng)絡(luò)技術(shù)快速發(fā)展，越來越多的信息化場合都需要對各種圖像進行數(shù)據(jù)識別，比如，在交通領(lǐng)域，采用人臉識別技術(shù)，對移動互聯(lián)網(wǎng)場景下的駕駛?cè)藛T、行人進行人臉識別和身份驗證，可提高交通安全性。另外，基于圖像識別這一人工智能技術(shù)對各種不同的對象和移動目標進行識別，可控制復(fù)雜交通網(wǎng)絡(luò)下的車流量，減少工作人員交通控制工作量，進而基于特定算法條件下的圖像識別技術(shù)，提高交通控制準確度，建設(shè)人工智能指揮交通通行網(wǎng)絡(luò)。

在智慧交通領(lǐng)域，基于人工智能技術(shù)體系下的圖像識別關(guān)鍵技術(shù)，能夠針對相關(guān)圖像目標信息進行篩選、分析、處理、特征描述、數(shù)據(jù)分類訓(xùn)練、信息決策等。首先，在信息的預(yù)處理環(huán)節(jié)，需要對智慧交通識別目標對象進行圖像灰度二值化處理，然后分別經(jīng)過圖像去噪、圖像平滑處理、圖像模擬變換等，進一步強化目標對象的基本圖像特征；其次，需要在智慧識別模式下，篩選、提取和確定目標圖像的輪廓，通過與數(shù)據(jù)庫中的模板相比，運用圖像識別技術(shù)對人工智能系統(tǒng)提取到的圖像輪廓特征信息進行比對，在實現(xiàn)精準、智慧識別基礎(chǔ)上，對道路的實時交通擁堵情況、人/車流量狀況進行判斷，并將判斷結(jié)果上傳到中央處理系統(tǒng)，最終實現(xiàn)智慧交通管理[2]。

2.2 “智慧交通”圖像預(yù)處理

智慧交通領(lǐng)域中的圖像預(yù)處理操作均需要在計算機系統(tǒng)中完成和實現(xiàn)，由于每個彩色圖像分別由三通道圖像，即“R-B-G”三個關(guān)鍵分量來組成，因此在采用計算機進行圖像信息預(yù)處理時，為了提高圖像處理質(zhì)量及工作效率，通常需要采用圖像灰度化處理技術(shù)，分別對“red”、“blue”、“green”三個不同分量圖像本身進行灰度化的算法處理。通常情況下，當其取值范圍均為“0~255”時，即可將灰色調(diào)的彩色圖像分量二值化轉(zhuǎn)化為同一個分量，即用“0.35R(x,y)+0.46G(x,y)+0.15B(x,y)”來表示，一方面，灰度化預(yù)處理后的交通圖像能夠呈現(xiàn)出特征非常明顯的黑白效果，有利于清晰顯示圖像的整體輪廓；另一方面，經(jīng)過二值化技術(shù)對交通圖像進行特征提取，可減少圖像數(shù)據(jù)量，提高計算機人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)的工作運算效率。

除了圖像預(yù)處理外，在智慧交通領(lǐng)域，還需對識別和提取的圖像輪廓進行“去噪處理”。通常采用“中值/均值濾波器法”等空間域法，即可消除海量交通圖像數(shù)據(jù)低頻部分的噪聲，也可基于均值和中值濾波法等“線性濾波法”對圖像邊緣輪廓進行模糊化處理。以常用的“中值濾波”處理為例，通過智慧提取圖像高頻部分的有用信息，再采用鄰域平均法將數(shù)字序列或圖像中某點的值用該點的一個鄰域中各點值的中值代替，就能夠使原本非常模糊的圖像變得更加清晰有效。

2.3 “智慧交通”圖像特征提取

對于常見的交通圖像，主要分為區(qū)域、角、邊緣和脊幾種不同智慧圖像類型，簡言之，提取這些不同智慧圖像的信息就是采用人工智能算法，借助計算機機器系統(tǒng)模仿人類智慧系統(tǒng)，對識別和篩選出的有用圖像進行特征描述和抽取，通過提取特殊或有效部分的圖像信息，即可找出兩個不同區(qū)域（或邊緣）之間的交叉、邊緣像素。

但在實際交通領(lǐng)域，由于每個可被識別區(qū)域的交通圖像邊緣性狀隨意，因此當面對復(fù)雜信息時，通過機器進行算法特征提取，即可從海量圖像中找出對人類有用的信息，進而減少工作量，提高圖像識別準確度。以智慧交通中的交叉點、角圖像為例，在圖像特征提取環(huán)節(jié)，可利用空中攝影或智能監(jiān)控等，直接在圖像梯度中找出同一個區(qū)域的兩維結(jié)構(gòu)，對于不同監(jiān)測區(qū)域而言，一個圖像的結(jié)構(gòu)和高度曲率并不完全相同，因此機器需要經(jīng)過人工智能算法，使用脊檢測對長條形、角區(qū)域圖像進行快速分析和處理，結(jié)合該圖像區(qū)域的特征，以清晰的圖像像素輔助交通控制和人工智能無人駕駛，分辨道路。

3 人工智能技術(shù)在智慧交通領(lǐng)域中的應(yīng)用場景

3.1 識別道路路況

基于人工智能技術(shù)能夠準確識別道路路況，以智慧交通為例，在實際應(yīng)用過程中，首先需要依賴道路智能監(jiān)控，準確獲取道路圖像，然后將其傳輸至人工智能系統(tǒng)處理端進行圖像灰度化處理，并準確篩選和提取圖像特征。在此基礎(chǔ)上，系統(tǒng)會通過運算識別，將同類信息劃分為多個小區(qū)域，利用人工智能算法構(gòu)建分界函數(shù)，即可根據(jù)當前道路車輛數(shù)量、人流量、車流密度、車輛速度等基本信息，掌握實時交通狀況，并結(jié)合系統(tǒng)運算分析結(jié)果，對該路段未來一段時間內(nèi)的實時交通狀況變化情況進行預(yù)測分析，通過系統(tǒng)人工智能導(dǎo)航，即可輔助控制中心決策管理，對道路交通信號燈進行調(diào)整，疏導(dǎo)道路交通擁堵情況，提高道路通行暢通度。

3.2 控制交通通行量

傳統(tǒng)的紅綠燈由倒計時器控制，雖然能夠滿足交通需求，但隨著城市車流量日益增多，交通擁堵、不規(guī)范、不安全行車問題越來越多。因此，智慧交通控制就顯得尤為重要。在實際使用情景中，基于人工智能技術(shù)科對道路路況進行識別，并對不同方向來車車流量進行比較，最后基于交通識別系統(tǒng)對當前道路車流量進行測算，并對周圍幾個交通路段進行車、人流量對比分析，能夠準確獲得當前最佳綠燈秒數(shù)，由此還可以通過對交通信號燈進行適當控制，提高城市通行效率，解決交通擁堵問題。

4 結(jié)語

人工智能技術(shù)在智慧交通中的運用是未來交通發(fā)展的基本趨勢，借助大數(shù)據(jù)、云計算及圖像識別技術(shù)等，能夠?qū)崿F(xiàn)交通信號燈控制，無人駕駛，智能交通導(dǎo)航等，能夠廣泛應(yīng)用于交通資源調(diào)配，構(gòu)建強大的交通信息網(wǎng)，通過對碎片化交通信息模型進行整合，為傳統(tǒng)的交通控制提供了有效解決方案，可改善擁堵狀況，提高交通效率[3]。