人工智能技术在智慧交通领域中的应用

陈春妍

摘要：现如今，我国是科技發展的大时代，随着人工智能技术高速发展，人工智能技术逐渐走入我们的视野，这些技术在改 变人类生活方式的同时，也对社会发展的各个领域产生了深远的影响。本文将简要介绍人工智能技术和智慧交通的概念，并 重点分析和探讨人工智能技术在智慧交通领域中的一些应用状况。

关键词：人工智能；交通大数据；公路交通；智能化

中图分类号：F49 文献标识码：A 文章编号：2095-3178（2018）06-0074-01

引言

人工智能是众多行业应用中自动化、智能化技术的核心要素。

近年来随着深度学习技术的发展，人工智能在诸多应用领域都取得 了举世瞩目的成就。使用人工智能技术中的机器视觉和深度学习等 技术，对交通大数据进行分析和建模，可以辅助或替代人工来做出 分析、判断和决策。在某些情况下机器的分析识别效果已经接近甚 至超过了人类水平。因此，人工智能技术的进步对于推动交通行业 的技术进步，提升交通行业的信息化、自动化、智能化水平有着非 常重要和积极的意义。本文详细探讨了人工智能技术在公路交通中 的应用，并对未来的智慧交通的发展做出了展望。

1 人工智能和智慧交通的概念

人工智能技术是指以人类智能相关理论的研究为依据，进行相

关理论的模拟、延伸、和扩张的一种技术，人工智能也称机器智能。 它是由计算机科学、统计学、信息论、语言科学等多种学科相互融 合和发展而来。人工智能研究的主要内容是如何制造出人造的智能 机器或智能系统，使其具备模拟人类智能活动的能力。目前人工智 能主要包含自然语言处理、语音处理、计算机视觉、机器人技术以 及深度学习等热点研究领域。随着计算机运算性能的快速发展，以 及存储容量不断扩大，人工智能技术的研究将会不断深入和提高， 人类的生活将会逐渐变得越来越智能化。智慧交通作为智慧城市的 一个重要构成，它是解决城市交通问题的最佳方法，同时也是智慧 城市建设的一项具体应用。智慧交通系统是指在交通领域中充分运 用物联网、云计算、人工智能、自动控制等技术而建立起的全方位 发挥作用的，实时、准确、高效的综合运输和管理系统。智慧交通 的目的是使得人、车、路达到密切配合，并发挥协同效应，从而提 高交通运输效率、保障交通安全、改善交通运输环境。

2 智慧交通在智慧城市建设中的应用难点与瓶颈

2.1智慧交通缺乏顶层设计

目前，我国城市智慧交通普遍缺少顶层设计，迫切需要建立一

个系统全面的智慧交通框架体系，基于科学的方法论，从城市交通 全局角度，对智慧交通进行战略规划及总体设计，自上而下、由近 及远指导城市智慧交通系统的设计、建设和运行管理。

2.2部门间信息共享程度低

交通相关部门及下属单位数量较多，其信息化系统多数由不同

的软件公司在不同时期开发，系统独立运行且不能互联互通，存在 信息孤岛现象，导致交通数据呈现碎片化分布、信息利用率低且融 合程度差，各部门间缺乏有效的信息沟通和共享。

2.3海量交通数据难以得到充分利用

由于各个部门信息系统相互独立，数据标准和格式各不相同，

对存在于各个业务系统中的海量数据无法共享运用，导致对交通信 息的感知和收集能力有限，数据潜在价值没有得到有效挖掘，数据 没有发挥其应有的价值，在交通监控、出行服务、交通指挥、应急 处置等功能中不能充分发挥事前预测、事中管理和事后评估的智慧 化决策支持的作用。

3 人工智能技术在交通流量管理中的应用

3.1预测交通流量以改善交通拥堵

随着我国汽车产业的发展，城市道路及高速公路道路拥堵的问 题日益严峻。通过对交通流数据挖掘，同时在此基础上建立交通流 预测模型，就能够有效的预测交通拥堵状况，从而引导车辆选择合 理出行路线。深度学习作为人工智能的新兴学科，它已经被成功地 应用到很多领域，比如自然语言处理、分类任务、图像识别等。深 度学习通过利用多层体系架构来有效地提取出底层数据的潜在的特 征，然后提供给高层进行分类与回归。通过收集交通数据流的海量 数据，利用深度自动编码器模型对采集到的交通大数据进行训练， 并在训练过程中对深度自动编码器模型进行不断的调整，最后利用 调整后的深度自动编码器模型对交通进行预测。

3.2根据交通流动态调节的智能红绿灯

随着计算机技术的迅速发展，基于机器视觉的检测技术已经应

用于交通监测系统，通过视频检测技术可以实时检测路口中各车道 车辆的排队长度。通过收集到的数据，生成路口的候车队列分布情 况，从而控制交通灯采取实时动态的配时控制方案。传统红绿灯浪 费了很多绿灯的时间，对于交叉路口的双向车流不一致的情况十分 不利。而上述这种方案可以最大程度的利用绿灯时间，避免绿灯时 间的浪费以及路口候车时间的增加，可以有效缓解路口的交通拥堵。

3.3闯红绿灯检测

很多车辆在红灯的时候继续前进，这是一种很危险的行为，会

影响到自身以及他人的生命安全。交管部门必须对违章车辆进行记 录处罚，如何准确记录闯红灯的车辆是一个问题。通常的方法是使 用道路埋线圈进行检测，这种方法需要在停车线前方柏油路面下方 埋设一个压力感应器，然后将感应器开关与红灯相连接，红灯亮的 时候感应器接通处于工作状态，车的前轮碾过去，感应器就发出拍 照信号，后轮再碾过去，再拍一次，通过照片记录闯红灯的车辆信 息。这种方法需要人工在路口填进感应线圈，由于线圈的精度问题， 还会出现误判、漏判的情况。

结语

通过在公路交通中将引入人工智能技术，借助其庞大的数据分

析能力，有效的改善了道路交通中的各种问题。使用图像识别技术 将之前需要大量人工作业、高成本的运营到高速、简单的智能化规 划的转变。通过人与计算机的共同协作，让道路交通更加便利快捷， 稳定提升国民经济。最近几年机器视觉取得了空前的成就，得益于 深度学习技术带来的巨大进步，通过机器视觉的广泛应用，能够大 大提高智能交通系统的感知精度和维度，让智能交通系统更加智慧。

同时，这些技术发展降低了交通管理部门任务量，给人们的生活带 来了极大的便利。

参考文献

[1]叶云.基于机器视觉的道路标线损坏智能检测设想.公

路与汽运，2016，（03）：55-57.

[2]尹邵龙，赵亚楠.深度学习在城市交通流预测中的实 践研究.现代电子技术，2015，（15）：158-162.

[3]谭娟，王胜春.基于深度学习的交通拥堵预测模型研 究.计算机应用研究，2015，（10）：2951-2954.