人工智能技术在智慧交通领域的应用研究

□白 雪

自20世纪中期人工智能技术诞生以来，其以辅助或替代人工作出分析、判断和决策的特点，在众多领域中取得了显著的成效。交通作为城市发展的主要动力，对生产要素的流动、城镇体系的发展有着决定性的影响。近年来，人工智能与交通建设紧密融合，全面赋能于交通行业多个要素，通过构建实时动态信息服务体系，深度挖掘交通相关数据，形成问题分析模型，为资源的优化配置、行业管理、公众服务等提供智能决策，从而加速智慧交通建设的进程。

一、人工智能技术在智慧交通建设中的应用

(一)在拥堵治理中的应用——基于交通流的自适应控制信号灯。据统计，车辆在城市中的行程时间约有1/3耗费在道路交叉口[1]，如何在有限的空间和环境条件制约下，提高交叉口通行效率是解决道路交通拥堵的关键。基于交通流的自适应控制信号灯能够根据道路交通流量、排队长度、平均车速、道路等级等因素，自动调整红绿灯配时，确保绿灯时间的最大化利用[2]，从而有效改善交叉口拥堵问题。

该自适应方案的实现基于“权重均衡”的思想，一方面通过交通调研，充分了解交叉口现状，对交叉口的通行效率、排队长度、延误进行初步评估，形成信号控制相位的静态权重；另一方面根据视频、雷达、地感等传感设备实时获取的流量数据、排队状态、占有率、饱和度等交通参数，计算相位的动态权重。综合二者，形成相位的综合权重，并作为红绿灯配时策略的设置标准，以此取代靠人工经验进行的固定配时工作，在有效节约人力投入外，极大提升了路网通行能力，降低了平均延误时间[3]。

(二)在交通运输中的应用——基于人脸检测与识别技术的人员智能化管控。人脸检测与识别技术是一个重要的视觉认知计算模型，其主要功能是判断所给的图片或视频中是否包含人脸，并将人脸图片提取出来与身份库中的人脸图片进行比较，找到最接近的结果。乘客与驾驶员作为智慧交通的核心参与者，人脸检测与识别技术对于二者的管控应用广泛。

1.乘客端。人证比对身份识别核验。通过在客运站、机场等出入口部署人证比对设备，当乘客刷身份证时，人证设备会抠取身份证上的人脸图片，并实时采集乘客人脸，将二者上传到中心平台进行1∶1特征值比对，比对成功则放行，同时将采集到的实时人脸与公安机关黑名单库中的人脸进行1∶N比对，实现黑名单预警。

乘客人流态势分析预测。通过在售票厅、候车厅等人员密集的场所布设视频采集设备，将视频传输给后端智能分析设备，通过对视频中的人流进行目标检测、场景建模，实时输出人群密度分布图，同时可根据模型数据输出人数趋势图，展现人群密度的发展趋势，从而辅助管理部门进行人流疏导，避免拥挤踩踏事故的发生。

2.驾驶员端。失格驾驶员管控。所谓失格驾驶员是指被吊销、注销驾驶证的驾驶人员仍然开车上路行驶的情况，这种驾驶员上路后肆无忌惮、屡次违法，对交通管理造成重大影响。通过在道路上布设卡口抓拍单元，可实时捕获驾驶员人脸图片，并传输到后端进行建模分析，之后与失格驾驶库中的人脸进行比对，实现异常人员报警、展示、核查等应用。

驾驶员考勤与身份识别。近年来，国家大力倡导公共交通出行，驾驶员作为公共交通的参与主体，确保其驾驶安全是公共交通平稳运行的关键。通过在驾驶舱内布设人脸抓拍设备，实时采集驾驶员人脸图片，并基于人脸识别比对技术实现驾驶员考勤与身份识别，从而避免由代打卡行为导致不具备驾驶资格的人员驾驶公共交通工具，造成驾驶隐患。

(三)在交通管理中的应用——基于视频分析与深度学习技术的新型违法行为检测。视频提取与智能分析技术在交通治理中应用广泛，如机动车闯红灯、超速、违法停车、变道等违法行为均可基于视频分析技术实现检测判定。但对一些新型违法行为的检测，如不系安全带、打电话等，传统的技术尚无法实现，得益于人工智能的出现，目前已可对多种新型违法行为进行检测取证。

1.不系安全带/打电话检测。不系安全带、打电话等违法行为的检测需克服2道难关，其一视频采集设备的光线需穿透挡风玻璃，其二需具备不系安全带、打电话等行为的识别能力。对于问题一：需配置气体爆闪灯，辅助光源穿透挡风玻璃，确保采集设备能够获取清晰的驾驶员照片；对于问题二：其本质是深度学习算法的运用，其中打电话是通过定位左手或右手附耳打电话的动作和人脸识别算法中嘴部点位的变化来判断驾驶员是否存在打电话的行为；不系安全带同样是基于深度学习算法对驾驶员身前是否具有条带状特征进行判定。

2.行人闯红灯检测。行人闯红灯违法行为长期存在，但因缺少有效的检测取证手段，常会遇到法不责众的尴尬局面。基于视频分析与人脸识别技术，通过部署在斑马线的行人闯红灯取证摄像机，可实时抓拍闯红灯人员图片，此外摄像机内部的人脸检测与跟踪算法可抠取出3张反映不同位置的人脸图片形成取证证据[4]，并将人脸图片上传到后端进行建模分析，与公安机关的常住人口库进行比对确认闯红灯人员的身份，从而对其曝光或与其征信挂钩或由社区民警上门教育以杜绝再次发生。

3.非法鸣笛自动检测。机动车鸣笛作为一种信号，警示其他车辆和行人注意安全，然而随着道路通行压力的增大，非法鸣笛现象随处可见，由此带来的噪音污染影响越来越大[5]。但由于非法鸣笛取证难，很难判定鸣笛声来源于哪辆车，造成执法难度剧增。基于视频抓拍+声音检测的可视化鸣笛检测系统，可精确定位鸣笛机动车，并自动抓拍和识别车辆号牌，形成完整的取证证据。其中声源定位是基于波束成形技术实现的，通过声源传输到各个声音传感器的相位差确定鸣笛的位置，并对音频数据进行处理得到声像图；同时采用校正匹配算法实现声像图与视频抓拍图像的融合，形成由鸣笛抓拍图片+声音文件+含有鸣笛声音的视频组成的完整证据文件[6]，从而辅助交管部门执法取证。

二、结语

综合以上应用实践，智慧交通的建设离不开人工智能思维，更离不开人工智能技术。一方面，需借助人工智能的数据思维，通过多种感知手段精确获取道路上人、车、地、事、物的全量实时数据；另一方面，需通过人工智能技术将这些数据进行融合、标签化，结合AI技术进行态势推演、预测，挖掘出影响交通安全、交通秩序的原因及规律，进而为更深层次的智慧应用如智能调度、智慧停车、无人驾驶等提供决策支撑，从而最大程度地解放人力，提高管理效率，提升公众出行体验。