人工智能技术在智慧交通领域中的应用

文／贵州宏信达高新科技有限责任公司 阮雪飞

关键字:人工智能技术；智慧交通；应用

0 引言

人工智能技术简称“AI”（Artificial Intelligence），它是集智能方法、理论、技术为一体，运用模拟、扩展和延伸等方式代替人类智能的一种技术科学和新的应用系统，与传统的信息化应用系统不同，人工智能技术主要通过计算机来实现[1]。

1 人工智能技术概况

以智慧交通领域为例，采用人类或生物机体智慧模拟系统，借助人工神经网络及智能遗传算法，通过对大量的智慧交通数据进行分析，即可有效判断当前交通状况，从而能够帮助人类借助云计算、大数据等信息采集方式，对交通路况信息、交通通信量信息等进行实时采样分析及处理，基于智慧处理结果，即可为人们出行、自动交通、车流量控制等提供不同的处理解决方案，这在一定程度上可减少交通拥堵问题，大大方面人们出行。

2 “智慧交通领域”下的人工智能关键技术分析

2.1 “智慧交通”图像识别

“图像识别”是人工智能技术体系下的一种关键技术。随着现代网络技术快速发展，越来越多的信息化场合都需要对各种图像进行数据识别，比如，在交通领域，采用人脸识别技术，对移动互联网场景下的驾驶人员、行人进行人脸识别和身份验证，可提高交通安全性。另外，基于图像识别这一人工智能技术对各种不同的对象和移动目标进行识别，可控制复杂交通网络下的车流量，减少工作人员交通控制工作量，进而基于特定算法条件下的图像识别技术，提高交通控制准确度，建设人工智能指挥交通通行网络。

在智慧交通领域，基于人工智能技术体系下的图像识别关键技术，能够针对相关图像目标信息进行筛选、分析、处理、特征描述、数据分类训练、信息决策等。首先，在信息的预处理环节，需要对智慧交通识别目标对象进行图像灰度二值化处理，然后分别经过图像去噪、图像平滑处理、图像模拟变换等，进一步强化目标对象的基本图像特征；其次，需要在智慧识别模式下，筛选、提取和确定目标图像的轮廓，通过与数据库中的模板相比，运用图像识别技术对人工智能系统提取到的图像轮廓特征信息进行比对，在实现精准、智慧识别基础上，对道路的实时交通拥堵情况、人/车流量状况进行判断，并将判断结果上传到中央处理系统，最终实现智慧交通管理[2]。

2.2 “智慧交通”图像预处理

智慧交通领域中的图像预处理操作均需要在计算机系统中完成和实现，由于每个彩色图像分别由三通道图像，即“R-B-G”三个关键分量来组成，因此在采用计算机进行图像信息预处理时，为了提高图像处理质量及工作效率，通常需要采用图像灰度化处理技术，分别对“red”、“blue”、“green”三个不同分量图像本身进行灰度化的算法处理。通常情况下，当其取值范围均为“0~255”时，即可将灰色调的彩色图像分量二值化转化为同一个分量，即用“0.35R(x,y)+0.46G(x,y)+0.15B(x,y)”来表示，一方面，灰度化预处理后的交通图像能够呈现出特征非常明显的黑白效果，有利于清晰显示图像的整体轮廓；另一方面，经过二值化技术对交通图像进行特征提取，可减少图像数据量，提高计算机人工神经网络系统的工作运算效率。

除了图像预处理外，在智慧交通领域，还需对识别和提取的图像轮廓进行“去噪处理”。通常采用“中值/均值滤波器法”等空间域法，即可消除海量交通图像数据低频部分的噪声，也可基于均值和中值滤波法等“线性滤波法”对图像边缘轮廓进行模糊化处理。以常用的“中值滤波”处理为例，通过智慧提取图像高频部分的有用信息，再采用邻域平均法将数字序列或图像中某点的值用该点的一个邻域中各点值的中值代替，就能够使原本非常模糊的图像变得更加清晰有效。

2.3 “智慧交通”图像特征提取

对于常见的交通图像，主要分为区域、角、边缘和脊几种不同智慧图像类型，简言之，提取这些不同智慧图像的信息就是采用人工智能算法，借助计算机机器系统模仿人类智慧系统，对识别和筛选出的有用图像进行特征描述和抽取，通过提取特殊或有效部分的图像信息，即可找出两个不同区域（或边缘）之间的交叉、边缘像素。

但在实际交通领域，由于每个可被识别区域的交通图像边缘性状随意，因此当面对复杂信息时，通过机器进行算法特征提取，即可从海量图像中找出对人类有用的信息，进而减少工作量，提高图像识别准确度。以智慧交通中的交叉点、角图像为例，在图像特征提取环节，可利用空中摄影或智能监控等，直接在图像梯度中找出同一个区域的两维结构，对于不同监测区域而言，一个图像的结构和高度曲率并不完全相同，因此机器需要经过人工智能算法，使用脊检测对长条形、角区域图像进行快速分析和处理，结合该图像区域的特征，以清晰的图像像素辅助交通控制和人工智能无人驾驶，分辨道路。

3 人工智能技术在智慧交通领域中的应用场景

3.1 识别道路路况

基于人工智能技术能够准确识别道路路况，以智慧交通为例，在实际应用过程中，首先需要依赖道路智能监控，准确获取道路图像，然后将其传输至人工智能系统处理端进行图像灰度化处理，并准确筛选和提取图像特征。在此基础上，系统会通过运算识别，将同类信息划分为多个小区域，利用人工智能算法构建分界函数，即可根据当前道路车辆数量、人流量、车流密度、车辆速度等基本信息，掌握实时交通状况，并结合系统运算分析结果，对该路段未来一段时间内的实时交通状况变化情况进行预测分析，通过系统人工智能导航，即可辅助控制中心决策管理，对道路交通信号灯进行调整，疏导道路交通拥堵情况，提高道路通行畅通度。

3.2 控制交通通行量

传统的红绿灯由倒计时器控制，虽然能够满足交通需求，但随着城市车流量日益增多，交通拥堵、不规范、不安全行车问题越来越多。因此，智慧交通控制就显得尤为重要。在实际使用情景中，基于人工智能技术科对道路路况进行识别，并对不同方向来车车流量进行比较，最后基于交通识别系统对当前道路车流量进行测算，并对周围几个交通路段进行车、人流量对比分析，能够准确获得当前最佳绿灯秒数，由此还可以通过对交通信号灯进行适当控制，提高城市通行效率，解决交通拥堵问题。

4 结语

人工智能技术在智慧交通中的运用是未来交通发展的基本趋势，借助大数据、云计算及图像识别技术等，能够实现交通信号灯控制，无人驾驶，智能交通导航等，能够广泛应用于交通资源调配，构建强大的交通信息网，通过对碎片化交通信息模型进行整合，为传统的交通控制提供了有效解决方案，可改善拥堵状况，提高交通效率[3]。