第1章 人工智能：引领未来交通新路径

1.1 基于人工智能技术的智慧交通系统

1.1.1 人工智能的概念内涵与工作原理

近年来，交通优化逐渐成为城市建设的重点，智慧交通领域蕴藏着巨大的发展潜力。美国旧金山知名调查机构Grand View Research预测，到2020年时，智慧交通的市场份额将增加至386.8亿美元。在城市化建设不断加快的今天，汽车规模迅速扩大，许多城市都面临严重的交通拥堵问题，且交通事故频发，环境污染严重，增加了城市建设及发展的负担，在这种情况下，越来越多的地区开始打造智慧交通体系。

近两年来，人工智能产业呈现蓬勃发展之势，借助神经网络与深度学习技术，人工智能提高了自身的学习能力与理解能力。随着该领域的持续发展，人工智能将逐渐渗透到人们的日常生活中，提高人们的工作效率，并且对人们的思维方式产生影响。人工智能的应用能够加速社会经济的发展，促进整体的转型升级，在道路交通管理领域发挥越来越重要的作用。

◇ 概念内涵

“人工智能”概念的提出要追溯到20世纪中期的美国，由McCarthy与参与Dartmouth大学学术会议的计算机科学家、信息学家、神经生理学家、信息学家等共同提出。现如今，人工智能已经拥有60多年的发展历史，涉及多个领域。通俗地讲，人工智能是在探索人类智能活动的基础上，运用智能技术创建人工系统，旨在将人的智力赋予计算机系统，用以代替传统的人工劳动。传统模式下只能靠人的智力完成的任务，在人工智能时代用计算机硬件及软件也能进行高效处理。

人工智能技术是20世纪70年代后全球三大尖端技术之一，也是21世纪世界三大尖端技术的组成部分。经过40年的探索，人工智能领域的发展取得了一系列突出成就，其应用范围也不断扩大。现如今，人工智能作为一门独立的学科已经得到了国际学术界的认可，逐渐形成了完善的理论及实践体系，将人类的思考、学习、规划、推测等智能行为赋予计算机，让计算机拥有部分人脑的功能，在信息处理过程中更好地体现计算机的价值。从根本上来说，人工智能是再现人类的思维过程，将人类智能转移到计算机上。

◇ 智能原理

智能感知、精确性计算与智能反馈是人工智能的核心部分，这三个环节依次展示了人工智能在感知、思考、行动维度的特性。

要想实现人工智能，首先要获取海量且丰富的结构化数据，对具体场景进行客观描写，让计算机能够完成信息收集任务；接下来要通过精确计算，对获取的数据资源进行分析，参照人类大脑的思维过程，让计算机能够独立学习，做出科学判断并制定合理决策；之后，要用媒介信息和肢体运动来表现前一步的决策结果，也可以通过外部设备向用户进行信息传达，促进用户与设备、设备与设备之间的信息交互，在这个过程中，人机交互界面的表达能力能够代表人工智能的发展程度。

在实现人工智能的过程中，要用到知识工程、专家系统、人脑仿生技术、机器学习算法，并依托智能控制技术模仿人类的控制行为。目前，百度、国际商用机器公司、谷歌等都对计算机深度学习技术进行了大范围的实践应用。这种技术是依托人工神经网络发展起来的，能够提高计算机对图像、语音的识别能力，优化计算机图形处理器的性能，逐渐形成规模化、完善的人工神经网络系统。与此同时，日益壮大的互联网业务意味着深度学习拥有海量的数据样本，应用该技术对数据信息进行挖掘与分析，能够有效提升图像识别技术的精准度。

1.1.2 人工智能重新定义智慧交通格局

人工智能虽然并非一个新概念，但在相当长的一段时间里，普通大众对它的认识仅停留在影视剧作品中，很多人认为它是一个虚无缥缈的事物，然而近几年，人工智能在多个行业的应用在世界范围内产生了广泛的话题讨论，尤其是世界围棋冠军和人工智能AlphaGo大战事件更是一度在公众中持续产生热议，人们对人工智能在生产、生活中的应用有了更高的期待。

从技术角度看，人工智能近两年表现异常活跃，在很大程度上是因为深度学习技术的发展，在深度学习技术的支持下，机器的智能化水平得到明显提升，应用深度学习算法的智能机器，可以完成一些此前我们人类根本无法完成的事情。

人工智能对人类经济社会具有强大的颠覆性能力已经成为业界共识，机器不再仅是冷冰冰的工具，通过人工智能赋能，它能够和人、系统及环境等进行交互，对各行业产生深远影响。通过智能机器提高工作效率与质量是相关从业者研究的重点方向。在颠覆性技术的强烈冲击下，各行业都需要做出相应调整，交通运输行业亦是如此。建设智慧交通、智慧城市是打造现代化城市的重要基础，而人工智能技术将为此提供强有力支持。

自动驾驶、智慧交通信号系统、最佳路线推荐等都是人工智能对智慧交通带来的积极影响。当然，想要让人工智能在智慧交通领域的作用得到充分发挥，应该将其与应用场景相结合，从浅层次的技术驱动过渡到深层次的场景驱动。和应用场景结合后，人工智能将会有力地推动产业模式创新，为创业者及企业提供广阔的变现空间。

事实上，人工智能并非仅是一种技术，它就像互联网一般，将给人类带来一种全新的思维模式，对产业结构优化、经济管理理念创新等，具有十分重要的价值。

党的十九大中特别强调，要建设交通强国。目前，在交通基础设施、交通服务供给者与消费者规模方面，我国是当之无愧的世界第一，但规模与体量大并不代表着水平高、实力强。人工智能在交通运输行业的应用，为我国完成从交通大国向交通强国的转变提供了一个新的思路。

同时，智慧交通离不开大数据支持，辅助驾驶、无人驾驶、路径规划等都是建立在对海量交通大数据进行搜集与分析的基础之上。通过数据分析，可以发现知识、找到规律，进而从中提炼智能，行业的发展水平将会实现快速提升。无论是发达国家还是发展中国家，信息化、数字化程度较高的行业发展水平明显具有优势。

人、车、路通过实时数据交换实现高效低成本交互，是智慧交通落地的重要基础。在人工智能行业应用过程中，很多企业会使用和“大脑”相关的词汇，比如，维基大脑、百度大脑、城市大脑等，不过，这些“大脑”目前并非真正建设完成，主要是完成了浅层的脑壳阶段，内部的“神经元”搭建及链接工作尚未完成，更不用说真正形成一个完善的生态协同系统了。

1.1.3 基于人工智能的智慧交通考量指标

在认识到人工智能蕴藏的巨大发展潜力之后，许多国家都为该领域的发展投入了更多的资金、资源支持。以美国为例，其人工智能产业发展的资金主要来源于公共投资。为了维持自身在世界先进制造技术领域的优势地位，2017财年美国在先进制造业投入了20亿美元，给由45家制造业创新研究所组成的国家网络提供支持，大力推进制造业的创新发展。此外，美国商用机器公司致力于开发新型的仿生芯片，将人脑的运算功能赋予计算机系统，如果该项目发展顺利，新产品到2019年就能研发成功。

欧盟出台“地平线2020”（Horizon 2020）研发及创新计划，给人工智能产业的发展提供公共投资支持，预计到2020年年底投入大约15亿欧元，并通过公私合作计划投入25亿欧元，目的是加强高精尖研究中心的建设，为中小企业的人工智能技术发展和应用提供支持，加快人工智能测试和试验的发展。

为加快人工智能产业的发展，我国于2016年4月出台《机器人产业发展规划(2016—2020年)》。进入2017年后“公共安全风险防控与应急技术装备”专项研发计划也在人工智能领域做出发展规划，开始注重相关技术的研发及应用，包括道路交通安全主动防控技术、主动防控型警用机器人关键技术等。

未来，人工智能将成为一种基础设施，而交通运输业本身就是一个大众广泛参与的领域，二者具有较高的契合性。服务于广大民众日常出行、社会资源高效流通的智慧交通必然要追求安全、便捷、绿色、高效。

人工智能在智慧交通行业的应用，可以被看作一个从IT（互联网技术）到OT（运营技术）再到ET（进化技术）的过程。最初，交通行业要投入大量资源实现信息化、数字化，为了挖掘数据价值，输出产品及服务，就需要进行OT化，形成一种标准化的运营流程与模式，最后再进行ET化，也就是智能化。

自动感知是智慧交通的基础性工作，要在不干扰出行者的基础上，实现对交通大数据的实时搜集，实现自动感知后，企业的价值创造空间将会得到极大拓展。具体而言，智慧交通的考量指标主要包括以下几点：

（1）安全。在安全方面，在人工智能系统的协调控制下，人、车、路将会进行实时交互，交通事故概率将会显著降低，而且无人驾驶时代来临后，酒驾、路怒症、闯红灯、疲劳驾驶等问题将得到根本解决。

（2）便捷。在便捷方面，现行交通系统缺乏系统性、协调性，不同交通方式未能发挥联动作用。以换乘为例，地铁站和公交站设置不合理，导致人们换乘需要付出较高的时间成本，而应用人工智能技术后，将通过对各类交通数据的整合与分析，对城市交通流量变化进行预测，帮助交通运输运营企业更好地设置公交及地铁站点，合理安排路线等，给人们的生产、生活带来诸多便利。

（3）高效。智慧交通系统可以实施整体性优化，通过“智慧交通大脑”协调各方资源，帮助人们制订更为科学合理的出行方案，提高交通路网承载能力及交通运行效率。

（4）以人为本。为人服务是智慧交通创造价值的根本途径，满足人民日益增长的美好生活需要是建设中国特色社会主义的必然选择，而交通作为一个高频刚需需求，会对人们的生活水平与质量产生直接影响。在智慧交通系统中，人的需求将会得到充分尊重，系统会从城市整个交通生态角度上配置资源，以人为本，实现人、车、路之间的高度和谐。

1.1.4 人工智能在智慧交通领域的应用

我们看到，智慧交通行业迅猛发展，与此同时，问题频出，为了保证行业健康发展，国家相关部门开展了一系列调研活动，计划发布一些利好政策。比如，国家发改委基础司对不停车收费系统、集装箱铁路水运联运信息化、北斗系统交通行业应用等领域进行调研，还开展了综合交通枢纽建设和智慧交通发展专题调研。这些调研活动表明智慧交通已引起政府部门的高度重视。

近年来，越来越多的交通卡口联网，汇集的车辆通行记录信息越来越多，相关部门可借助人工智能技术对城市交通流量进行实时分析，对红绿灯间隔进行有效调节，缩短车辆等待时间，让城市道路通行效率得以切实提升。

人工智能用于交通相当于给整个城市的交通系统安装了一个人工智能大脑。它能实时掌控城市道路上的车辆通行信息、小区的停车信息、停车场的车辆信息等，能提前对交通流量、停车位数量变化进行有效预测，对资源进行合理调配，对交通进行有效疏导，实现大规模的交通联动调度，提升整个城市的交通运行效率，缓解交通拥堵，保证居民出行顺畅。

◇ 车牌识别是人工智能应用最理想的领域

目前，车牌识别是人工智能在智慧交通领域最为理想的应用。据了解，车牌识别率可达到99%，前提是在标准卡口的视频条件下，并附加一些预设条件。如果在简单卡口与卡口图片条件下，车牌识别率不足90%。不过，未来随着人工智能、深度学习算法持续发展，这种情况能得到显著改变。

传统图像处理与机器学习算法的很多特征都是人为制定的，比如HOG（方向梯度直方图）、SIFT（尺度不变特征变换）等。在目标检测与特征匹配方面，这些特征占据着非常重要的地位，安防领域很多算法使用的特征都源于这两大特征。根据以往的经验，因为理论分析难度较大，且训练方法需要诸多技巧，所以人为设计特征与机器学习算法需要5～10年才能取得一次较大的突破，而且对算法工程师的要求越来越高。

深度学习则不同，利用深度学习进行图像检测与识别，无需人为设定特征，只需准备好充足的图像进行训练，不断迭代就能取得较好的结果。从目前的情况看，只要不断加入新数据，拥有充足的时间与资源，深度学习的网络层次就会持续增加，识别率就能不断提升。相较于传统方法来说，这种方法的使用效果要好很多。

除此之外，车辆颜色识别、无牌车检测、车辆检索、人脸识别、非机动车检测与分类等领域的技术也日趋成熟。

（1）车辆颜色识别

过去，光照条件不同、相机硬件误差等因素会导致车辆颜色发生改变。现如今，在人工智能技术的辅助下，因图像颜色变化导致识别错误的问题得以有效解决，卡口车辆颜色的识别率达到了85%，电警车辆主颜色的识别率超过了80%。

（2）车辆厂商标志识别

过去，车辆厂商标志识别一般使用传统的方向梯度直方图（HOG）、局部二值模式（LBP）、尺度不变特征变换（SIFT）、加速鲁棒（SURF）等，借助基于支持向量机的机器学习技术开发一个多级联的分类器进行识别，错误率比较高。现如今，自引入大数据和深度学习技术之后，车辆厂商标志的识别率从89%提升到了93%，甚至更高。

◇ 车辆检索

在车辆检索方面，在不同场景下，车辆图片会出现曝光过度或者曝光不足、车辆尺寸发生变化等现象。在此情况下，如果继续使用传统方法提取车辆特征会出现失误，导致车辆的检索率受到不良影响。引入深度学习之后，系统可获得比较稳定的车辆特征，更加精准地搜索到相似目标，部分设备的搜索率超过95%。

在人脸识别方面，受光线、表情、姿态等因素的影响，人脸会发生一些变化。目前，很多应用都要求人脸识别的场景、姿态固定，引入深度学习算法之后，固定场景的人脸识别率可提高到99%，且对光线、姿态等条件的要求也有所放松。

◇ 交通信号系统

传统的交通灯转换使用的都是默认时间，虽然这个时间每隔几年就会更新一次，但随着交通模式的不断发展，传统系统的适用时间越来越短。而引入人工智能的智慧交通信号系统则是用雷达传感器和摄像头监控交通流，然后利用人工智能算法确定转换时间，通过将人工智能与交通控制理论相融合对城市道路网中的交通流量进行合理优化。

◇ 警用机器人

未来，警用机器人或将取代交通警察，全天候、全方位地保证公路交通安全。

◇ 大数据分析

人工智能算法以城市民众的出行偏好、生活方式、消费习惯等因素为依据，对城市人流和车流的迁移、城市建设、公共资源等数据进行有效分析。分析结果可辅助城市规划决策，指导公共交通设施基础建设。

◇ 无人驾驶和汽车辅助驾驶

在人工智能领域，图像识别是一项非常重要的技术，该技术可对前方的车辆、行人、障碍物、道路、交通标识、信号灯等物体进行有效识别，有效提升人们的出行体验，重塑交通体系，使人们真正进入智慧交通时代。

公路交通安全防控体系涉及交通行为监测、交通安全研判、交通风险预警、交通违法执法等众多核心技术。目前，这些技术已和人工智能实现了有机融合，交通管理部门可以清晰地看到公路交通运行状态，发现车辆通行轨迹，抓住重点违法行为，消除安全隐患，快速响应路面协作联动，提升交通信息应用服务水平等。