论文部分内容阅读
摘要：智能交通产业化竞争激烈，因此需要在新的起点上进一步发展基于人工智能的智能交通系统，提升智能交通水平，适应我国社会经济发展的需求。所以，本文对人工智能技术在城市智能交通方面的应用进行探讨。
关键词：人工智能;智能交通;交通规划;交通监控
一、人工智能技术概述
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[1]。
二、城市智能交通面临的问题
（一）智能交通规划不足，智能交通规划涵盖范围广而杂，长期的规划有智能交通发展规划，主要依据城市人口增长来考虑未来的交通发展规划，具体包括基础设施规划、交通枢纽等众多内容，短期规划则包括线网规划、车辆规划等内容，目前因为其考虑城市规模、人口、城市发展等众多因素，对未来智能交通规划缺乏应有的依据[2]。
（二）公交系统应对路况动态变化能力不足。随着机动车保有量的快速增长及交通路况的不稳定性增加，公交车辆的周期性调度无法应对这种变化，如何及时感知路网性能状态并预判路网可靠性，这些是需要人工智能技术结合大数据技术来解决的问题[2]。
（三）出租车服务监管服务水平不力、机动车交通诱导水平低，出租车行业监管不力，目前出租车行业出现司机绕道驾驶，拒载以及盗牌出租车运营等情况，导致出租车行业管理混乱[1]。
（四）停车设施供需能力不足，随着城市中机动车数量的增多，大城市普遍存在停车难问题。据发达国家的经验，平均每百辆车要115个停车位才能满足需要，一般露天地面停车场为25～30m2/车，室内停车库为30～35m2/车。而我国城市市区百辆汽车停车位数不足45个，因而占路停车现象非常严重[2]。
三、人工智能应用于智能交通的主要技术
（一）机器学习
机器学习是智能交通的主要应用技术，它主要是运用机器学习的一些的算法，包括聚类分析以及自回归模型、最大似然概率等技术，对智慧交通的交通信息进行分类统计，并对短期的交通状况进行预测。统计分析主要是对对公共交通的人、车等进行汇总和排名统计，聚类分析则考虑各类情况，掌握公共交通各个时期的车流和客流分布情况，便于进行交通规划和运营调度[1]。
（二）计算机视觉
计算机视觉技术是一项综合性极强的技术，其中包括了数学理论、光学理论、生物学理论等多领域知识[1]。计算机视觉技术是建立在计算机技术之上的新兴学科，许多研究人员对此都产生了浓厚的兴趣，因此计算机视觉技术拥有良好的发展前景。计算机视觉技术在智能交通的应用主要是图像识别技术，通过图像识别可以掌握大型会议和重要枢纽的客流和车流情况，然后根据其有监督的训练和神经网络算法进行疏解方案的模式匹配，根据匹配的结果采取相应的措施进行交通疏导[2]。
（三）深度学习技术
深度学习技术在智能交通的应用主要是采用先进的深度学习和视频感知技术，通过深度神经网络进行大规模视频样本的学习，识别视频场景以及关键目标信息，从视频场景中智能分割与提取关键目标[1]。在准确提取和识别视频场景中关键目标的基础上，针对视频场景分析与理解中所关注的对象及其行为进行计算机视觉中层的描述，生成多粒度、多层次语义信息，实现典型监控场景的视频分析与语义理解，从而提高视频大数据挖掘的实用性、可靠性和高效性。该应用对象是自动驾驶，通过自动驾驶车辆上的各种传感器车辆周围信息，然后通过深度学习的卷积神经网络等算法，实现车辆的自动驾驶[2]。
四、人工智能在智能交通领域的主要应用
（一）智能交通规划
随着城市规模扩张、机动化交通工具数量增加以及资源、环境、安全等方面的制约，而随着智能终端、大数据、云计算、人工智能等新技术正引导着交通规划向智能化方向发展[2]。通过智能终端技术收集车辆状态和道路环境信息数据，并基于云计算系统把上述海量数据存储与分析处理工作集中于云端，然后通过人工智能技术的支撑向量机、深度神经网络等学习算法，对交通与土地利用相关关系进行量化分析与交通资源的优化配置，分析和预测居民的出行行为与出行偏好，精准把握居民出行时空特性，为智能交通需求预测、交通网络态势评估预测以及交通规划决策支持提供有力的依据[1]。
（二）公交调度优化应用
人工智能在公交调度优化中的应用主要是基于全球定位系统（北斗）、客流IC卡进行数据采集，根据IC卡采集的历史数据，并使用人工智能的一些算法进行客流统计分析和短期客流预测，同时通过公共交通车辆的GPS采集数据，获取车辆的发车时间、发出班次以及线路车辆的周转率，在此基础上，通过人工智能技术的客流和车辆匹配算法，对线路的发车间隔、发车频次等进行优化和设计，实现公交车辆的自动调度和指挥，保证车辆准点运行。缩短乘客的等候时间以及增加车辆载客率[1]。
（三）实时路况和交通诱导
实时路况通过对交通流信息采集，结合浮动车信息，通过人工智能技术的一些算法，对路网交通实时路况进行分析评估，自动生成相应的路网诱导信息。它能够有效地引导车辆在路网中运行，减少车辆在道路上的行驶时间，实现交通量在整个路网中的均匀分配。而对于交通诱导则包含在途导航和停车诱导两种[1]。在途导航是通过电子车牌、GPS（或北斗）定位技术、地理信息系统技术、数据库技术通过人工智能的交通实时路况和路径规划等人工智能算法，实现动态导航功能。主要包括最短时间、最短距离以及高速优先等多种导航的方法。而停车诱导则通过大数据汇集实时数据，与分散在各处的停车场实现智能联网数据上传，实现对各个停车场停车数据进行实时发布，然后通过路径规划算法，引导司机实现便捷停车，解决城市停车难等问题的智能系统[2]。
（四）智能交通监控系统
智能交通监控系统是通过智能计算机以互联网为媒介链接道路上的摄像头，并通过图像检测和图像识别技术来分析各区域内道路交通情况，通过智能交通系统能够对城市重大出入口进行检测和实时监控，能够实时的掌握外地进出车辆数量以及城市内各条道路的车流量、主干道、次干道和支路的车辆饱和度以及道路交通信号灯等状况，并对交通信号灯进行智能化的调整，从而实现智能化的交通管理与调节，最终达到缓解交通堵塞的目的[2]。此外，智能交通监控系统还应用于停车场、高速路口收费站、路口车辆抓拍等较为简单的监控设施，随着人工智能技术的完善，智能监控系统可以更好的配合交通管理，实现城市道路动态拥堵收费的效果。最终达到绿色交通的目的[1]。
五、结语：
人工智能在智能交通行业领域已经取得一定的成绩，对缓解交通拥堵、市民出行服务产生一定的效果。但是，人工智能在智能交通领域还有很多无法彻底解决的应用。例如，彻底的实现无人自动驾驶，全自动的多车型的自动调度问题以及重大活动的应急疏散。这些需要我们进一步研究。
参考文獻：
[1]黄鑫.分析计算机人工智能识别技术的应用瓶颈[J].字技术与应用，2016（7）：244.
[2]武嘉琪.计算机人工智能技术的发展与应用研究[J].息与电脑：理论版，2016（7）：103-104.
关键词：人工智能;智能交通;交通规划;交通监控
一、人工智能技术概述
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[1]。
二、城市智能交通面临的问题
（一）智能交通规划不足，智能交通规划涵盖范围广而杂，长期的规划有智能交通发展规划，主要依据城市人口增长来考虑未来的交通发展规划，具体包括基础设施规划、交通枢纽等众多内容，短期规划则包括线网规划、车辆规划等内容，目前因为其考虑城市规模、人口、城市发展等众多因素，对未来智能交通规划缺乏应有的依据[2]。
（二）公交系统应对路况动态变化能力不足。随着机动车保有量的快速增长及交通路况的不稳定性增加，公交车辆的周期性调度无法应对这种变化，如何及时感知路网性能状态并预判路网可靠性，这些是需要人工智能技术结合大数据技术来解决的问题[2]。
（三）出租车服务监管服务水平不力、机动车交通诱导水平低，出租车行业监管不力，目前出租车行业出现司机绕道驾驶，拒载以及盗牌出租车运营等情况，导致出租车行业管理混乱[1]。
（四）停车设施供需能力不足，随着城市中机动车数量的增多，大城市普遍存在停车难问题。据发达国家的经验，平均每百辆车要115个停车位才能满足需要，一般露天地面停车场为25～30m2/车，室内停车库为30～35m2/车。而我国城市市区百辆汽车停车位数不足45个，因而占路停车现象非常严重[2]。
三、人工智能应用于智能交通的主要技术
（一）机器学习
机器学习是智能交通的主要应用技术，它主要是运用机器学习的一些的算法，包括聚类分析以及自回归模型、最大似然概率等技术，对智慧交通的交通信息进行分类统计，并对短期的交通状况进行预测。统计分析主要是对对公共交通的人、车等进行汇总和排名统计，聚类分析则考虑各类情况，掌握公共交通各个时期的车流和客流分布情况，便于进行交通规划和运营调度[1]。
（二）计算机视觉
计算机视觉技术是一项综合性极强的技术，其中包括了数学理论、光学理论、生物学理论等多领域知识[1]。计算机视觉技术是建立在计算机技术之上的新兴学科，许多研究人员对此都产生了浓厚的兴趣，因此计算机视觉技术拥有良好的发展前景。计算机视觉技术在智能交通的应用主要是图像识别技术，通过图像识别可以掌握大型会议和重要枢纽的客流和车流情况，然后根据其有监督的训练和神经网络算法进行疏解方案的模式匹配，根据匹配的结果采取相应的措施进行交通疏导[2]。
（三）深度学习技术
深度学习技术在智能交通的应用主要是采用先进的深度学习和视频感知技术，通过深度神经网络进行大规模视频样本的学习，识别视频场景以及关键目标信息，从视频场景中智能分割与提取关键目标[1]。在准确提取和识别视频场景中关键目标的基础上，针对视频场景分析与理解中所关注的对象及其行为进行计算机视觉中层的描述，生成多粒度、多层次语义信息，实现典型监控场景的视频分析与语义理解，从而提高视频大数据挖掘的实用性、可靠性和高效性。该应用对象是自动驾驶，通过自动驾驶车辆上的各种传感器车辆周围信息，然后通过深度学习的卷积神经网络等算法，实现车辆的自动驾驶[2]。
四、人工智能在智能交通领域的主要应用
（一）智能交通规划
随着城市规模扩张、机动化交通工具数量增加以及资源、环境、安全等方面的制约，而随着智能终端、大数据、云计算、人工智能等新技术正引导着交通规划向智能化方向发展[2]。通过智能终端技术收集车辆状态和道路环境信息数据，并基于云计算系统把上述海量数据存储与分析处理工作集中于云端，然后通过人工智能技术的支撑向量机、深度神经网络等学习算法，对交通与土地利用相关关系进行量化分析与交通资源的优化配置，分析和预测居民的出行行为与出行偏好，精准把握居民出行时空特性，为智能交通需求预测、交通网络态势评估预测以及交通规划决策支持提供有力的依据[1]。
（二）公交调度优化应用
人工智能在公交调度优化中的应用主要是基于全球定位系统（北斗）、客流IC卡进行数据采集，根据IC卡采集的历史数据，并使用人工智能的一些算法进行客流统计分析和短期客流预测，同时通过公共交通车辆的GPS采集数据，获取车辆的发车时间、发出班次以及线路车辆的周转率，在此基础上，通过人工智能技术的客流和车辆匹配算法，对线路的发车间隔、发车频次等进行优化和设计，实现公交车辆的自动调度和指挥，保证车辆准点运行。缩短乘客的等候时间以及增加车辆载客率[1]。
（三）实时路况和交通诱导
实时路况通过对交通流信息采集，结合浮动车信息，通过人工智能技术的一些算法，对路网交通实时路况进行分析评估，自动生成相应的路网诱导信息。它能够有效地引导车辆在路网中运行，减少车辆在道路上的行驶时间，实现交通量在整个路网中的均匀分配。而对于交通诱导则包含在途导航和停车诱导两种[1]。在途导航是通过电子车牌、GPS（或北斗）定位技术、地理信息系统技术、数据库技术通过人工智能的交通实时路况和路径规划等人工智能算法，实现动态导航功能。主要包括最短时间、最短距离以及高速优先等多种导航的方法。而停车诱导则通过大数据汇集实时数据，与分散在各处的停车场实现智能联网数据上传，实现对各个停车场停车数据进行实时发布，然后通过路径规划算法，引导司机实现便捷停车，解决城市停车难等问题的智能系统[2]。
（四）智能交通监控系统
智能交通监控系统是通过智能计算机以互联网为媒介链接道路上的摄像头，并通过图像检测和图像识别技术来分析各区域内道路交通情况，通过智能交通系统能够对城市重大出入口进行检测和实时监控，能够实时的掌握外地进出车辆数量以及城市内各条道路的车流量、主干道、次干道和支路的车辆饱和度以及道路交通信号灯等状况，并对交通信号灯进行智能化的调整，从而实现智能化的交通管理与调节，最终达到缓解交通堵塞的目的[2]。此外，智能交通监控系统还应用于停车场、高速路口收费站、路口车辆抓拍等较为简单的监控设施，随着人工智能技术的完善，智能监控系统可以更好的配合交通管理，实现城市道路动态拥堵收费的效果。最终达到绿色交通的目的[1]。
五、结语：
人工智能在智能交通行业领域已经取得一定的成绩，对缓解交通拥堵、市民出行服务产生一定的效果。但是，人工智能在智能交通领域还有很多无法彻底解决的应用。例如，彻底的实现无人自动驾驶，全自动的多车型的自动调度问题以及重大活动的应急疏散。这些需要我们进一步研究。
参考文獻：
[1]黄鑫.分析计算机人工智能识别技术的应用瓶颈[J].字技术与应用，2016（7）：244.
[2]武嘉琪.计算机人工智能技术的发展与应用研究[J].息与电脑：理论版，2016（7）：103-104.