人工智能技術(shù)在智慧交通領(lǐng)域的應(yīng)用研究

□白 雪

自20世紀中期人工智能技術(shù)誕生以來，其以輔助或替代人工作出分析、判斷和決策的特點，在眾多領(lǐng)域中取得了顯著的成效。交通作為城市發(fā)展的主要動力，對生產(chǎn)要素的流動、城鎮(zhèn)體系的發(fā)展有著決定性的影響。近年來，人工智能與交通建設(shè)緊密融合，全面賦能于交通行業(yè)多個要素，通過構(gòu)建實時動態(tài)信息服務(wù)體系，深度挖掘交通相關(guān)數(shù)據(jù)，形成問題分析模型，為資源的優(yōu)化配置、行業(yè)管理、公眾服務(wù)等提供智能決策，從而加速智慧交通建設(shè)的進程。

一、人工智能技術(shù)在智慧交通建設(shè)中的應(yīng)用

(一)在擁堵治理中的應(yīng)用——基于交通流的自適應(yīng)控制信號燈。據(jù)統(tǒng)計，車輛在城市中的行程時間約有1/3耗費在道路交叉口[1]，如何在有限的空間和環(huán)境條件制約下，提高交叉口通行效率是解決道路交通擁堵的關(guān)鍵。基于交通流的自適應(yīng)控制信號燈能夠根據(jù)道路交通流量、排隊長度、平均車速、道路等級等因素，自動調(diào)整紅綠燈配時，確保綠燈時間的最大化利用[2]，從而有效改善交叉口擁堵問題。

該自適應(yīng)方案的實現(xiàn)基于“權(quán)重均衡”的思想，一方面通過交通調(diào)研，充分了解交叉口現(xiàn)狀，對交叉口的通行效率、排隊長度、延誤進行初步評估，形成信號控制相位的靜態(tài)權(quán)重；另一方面根據(jù)視頻、雷達、地感等傳感設(shè)備實時獲取的流量數(shù)據(jù)、排隊狀態(tài)、占有率、飽和度等交通參數(shù)，計算相位的動態(tài)權(quán)重。綜合二者，形成相位的綜合權(quán)重，并作為紅綠燈配時策略的設(shè)置標準，以此取代靠人工經(jīng)驗進行的固定配時工作，在有效節(jié)約人力投入外，極大提升了路網(wǎng)通行能力，降低了平均延誤時間[3]。

(二)在交通運輸中的應(yīng)用——基于人臉檢測與識別技術(shù)的人員智能化管控。人臉檢測與識別技術(shù)是一個重要的視覺認知計算模型，其主要功能是判斷所給的圖片或視頻中是否包含人臉，并將人臉圖片提取出來與身份庫中的人臉圖片進行比較，找到最接近的結(jié)果。乘客與駕駛員作為智慧交通的核心參與者，人臉檢測與識別技術(shù)對于二者的管控應(yīng)用廣泛。

1.乘客端。人證比對身份識別核驗。通過在客運站、機場等出入口部署人證比對設(shè)備，當乘客刷身份證時，人證設(shè)備會摳取身份證上的人臉圖片，并實時采集乘客人臉，將二者上傳到中心平臺進行1∶1特征值比對，比對成功則放行，同時將采集到的實時人臉與公安機關(guān)黑名單庫中的人臉進行1∶N比對，實現(xiàn)黑名單預(yù)警。

乘客人流態(tài)勢分析預(yù)測。通過在售票廳、候車廳等人員密集的場所布設(shè)視頻采集設(shè)備，將視頻傳輸給后端智能分析設(shè)備，通過對視頻中的人流進行目標檢測、場景建模，實時輸出人群密度分布圖，同時可根據(jù)模型數(shù)據(jù)輸出人數(shù)趨勢圖，展現(xiàn)人群密度的發(fā)展趨勢，從而輔助管理部門進行人流疏導(dǎo)，避免擁擠踩踏事故的發(fā)生。

2.駕駛員端。失格駕駛員管控。所謂失格駕駛員是指被吊銷、注銷駕駛證的駕駛?cè)藛T仍然開車上路行駛的情況，這種駕駛員上路后肆無忌憚、屢次違法，對交通管理造成重大影響。通過在道路上布設(shè)卡口抓拍單元，可實時捕獲駕駛員人臉圖片，并傳輸?shù)胶蠖诉M行建模分析，之后與失格駕駛庫中的人臉進行比對，實現(xiàn)異常人員報警、展示、核查等應(yīng)用。

駕駛員考勤與身份識別。近年來，國家大力倡導(dǎo)公共交通出行，駕駛員作為公共交通的參與主體，確保其駕駛安全是公共交通平穩(wěn)運行的關(guān)鍵。通過在駕駛艙內(nèi)布設(shè)人臉抓拍設(shè)備，實時采集駕駛員人臉圖片，并基于人臉識別比對技術(shù)實現(xiàn)駕駛員考勤與身份識別，從而避免由代打卡行為導(dǎo)致不具備駕駛資格的人員駕駛公共交通工具，造成駕駛隱患。

(三)在交通管理中的應(yīng)用——基于視頻分析與深度學習技術(shù)的新型違法行為檢測。視頻提取與智能分析技術(shù)在交通治理中應(yīng)用廣泛，如機動車闖紅燈、超速、違法停車、變道等違法行為均可基于視頻分析技術(shù)實現(xiàn)檢測判定。但對一些新型違法行為的檢測，如不系安全帶、打電話等，傳統(tǒng)的技術(shù)尚無法實現(xiàn)，得益于人工智能的出現(xiàn)，目前已可對多種新型違法行為進行檢測取證。

1.不系安全帶/打電話檢測。不系安全帶、打電話等違法行為的檢測需克服2道難關(guān)，其一視頻采集設(shè)備的光線需穿透擋風玻璃，其二需具備不系安全帶、打電話等行為的識別能力。對于問題一：需配置氣體爆閃燈，輔助光源穿透擋風玻璃，確保采集設(shè)備能夠獲取清晰的駕駛員照片；對于問題二：其本質(zhì)是深度學習算法的運用，其中打電話是通過定位左手或右手附耳打電話的動作和人臉識別算法中嘴部點位的變化來判斷駕駛員是否存在打電話的行為；不系安全帶同樣是基于深度學習算法對駕駛員身前是否具有條帶狀特征進行判定。

2.行人闖紅燈檢測。行人闖紅燈違法行為長期存在，但因缺少有效的檢測取證手段，常會遇到法不責眾的尷尬局面。基于視頻分析與人臉識別技術(shù)，通過部署在斑馬線的行人闖紅燈取證攝像機，可實時抓拍闖紅燈人員圖片，此外攝像機內(nèi)部的人臉檢測與跟蹤算法可摳取出3張反映不同位置的人臉圖片形成取證證據(jù)[4]，并將人臉圖片上傳到后端進行建模分析，與公安機關(guān)的常住人口庫進行比對確認闖紅燈人員的身份，從而對其曝光或與其征信掛鉤或由社區(qū)民警上門教育以杜絕再次發(fā)生。

3.非法鳴笛自動檢測。機動車鳴笛作為一種信號，警示其他車輛和行人注意安全，然而隨著道路通行壓力的增大，非法鳴笛現(xiàn)象隨處可見，由此帶來的噪音污染影響越來越大[5]。但由于非法鳴笛取證難，很難判定鳴笛聲來源于哪輛車，造成執(zhí)法難度劇增。基于視頻抓拍+聲音檢測的可視化鳴笛檢測系統(tǒng)，可精確定位鳴笛機動車，并自動抓拍和識別車輛號牌，形成完整的取證證據(jù)。其中聲源定位是基于波束成形技術(shù)實現(xiàn)的，通過聲源傳輸?shù)礁鱾€聲音傳感器的相位差確定鳴笛的位置，并對音頻數(shù)據(jù)進行處理得到聲像圖；同時采用校正匹配算法實現(xiàn)聲像圖與視頻抓拍圖像的融合，形成由鳴笛抓拍圖片+聲音文件+含有鳴笛聲音的視頻組成的完整證據(jù)文件[6]，從而輔助交管部門執(zhí)法取證。

二、結(jié)語

綜合以上應(yīng)用實踐，智慧交通的建設(shè)離不開人工智能思維，更離不開人工智能技術(shù)。一方面，需借助人工智能的數(shù)據(jù)思維，通過多種感知手段精確獲取道路上人、車、地、事、物的全量實時數(shù)據(jù)；另一方面，需通過人工智能技術(shù)將這些數(shù)據(jù)進行融合、標簽化，結(jié)合AI技術(shù)進行態(tài)勢推演、預(yù)測，挖掘出影響交通安全、交通秩序的原因及規(guī)律，進而為更深層次的智慧應(yīng)用如智能調(diào)度、智慧停車、無人駕駛等提供決策支撐，從而最大程度地解放人力，提高管理效率，提升公眾出行體驗。