路迅通智能交通管理系統設計與實現

張璞凡 申振強 馮科榜

摘? ?要：隨著人口的快速增長，交通問題變得越來越嚴重。為優化城市交通，設計并實現了路訊通智能交通管理系統。文章介紹了智能交通管理的核心技術研發，在此基礎上采用模式創新，通過AI人工智能、路網狀態檢測、交通擁堵溯源以及智能輔助決策來實現。采用深度學習技術，在道路口進行實時檢測。環境創新與5G時代無縫銜接，能夠在新型智慧城市規劃的發展浪潮中完美形成全新交通發展生態鏈，從而緩解交通壓力。

關鍵詞：智能交通;深度學習;人工智能;交通管理

路迅通智能交通協助管理系統是使用人工智能Image Recognition Technology（圖像識別技術），基于現有通用的ATMS（交通管理系統）、Intelligent Traffic System（智能交通系統），通過機器學習、深度學習以及大量數據模型、各方面自動生成的模擬情況演練，對檢測目標進行數據分析、信息速遞到智能決策等。可應用于交通服務與運輸管理。在實際運用上，通過監測過程的機器學習模型、信息處理等子系統，向交管部門、駕駛員等多個信息終端提供對道路交通實施疏導、引導駕駛信息、提升交通運輸速率和突發狀況解決建議的功能。

1? ? 智能交通系統發展現狀

當前，我國大部分城市處于城鎮化階段，私家車數量激增，城市交通問題日益復雜，交通和環境問題開始被人們重視。為緩解城市交通擁堵，急需針對目前城市交通所存在的問題提出相應策略并采取有效措施。城市交通系統是城市運輸機制的重要組成部分，由流量系統、管理系統和道路系統組成，系統結構開放而繁雜。因交通結構由多方面因素組成，其交通流具有自適應性、動態、隨機、非線性等基本特征。交通環境問題日益復雜，需從多個角度規范交通，而問題主要體現在下列幾點：（1）道路矛盾增多。（2）擁堵狀況嚴重。（3）交通路網隨機應變能力較弱。我國交通量主要集中在干線道路，主要節點容易出現堵塞，交通路網隨機應變能力差。（4）城市道路基礎設施相對不足。（5）城市交通規劃不合理。在我國大中城市中，瓶頸路、斷頭路、畸形路口較多，路網結構不合理，造成交通擁堵。

2? ? 路迅通技術研發

（1）YOLOV3算法對目標進行檢測，根據回歸的策略提取特征，被稱為端對端的提取過程，簡潔、快速地在特征層上回歸顯現出類別和邊框，減少了提取邊框的時間，從而達到實時檢測的前提需求。

（2）路迅通技術研發團隊通過收集大量交通路口數據、錄像、圖片以及機器學習算法建模、YOLOV3改良版（MK-YOLOV3），檢測道路口大規模的實體物體（車、人），精準評估車流量、人流量。

（3）將實時監測的人流量和車流量數據載入后臺，后臺利用邏輯回歸、時序預測等相關機器學習算法，對各種情況下的當先道路擁堵情況作出預測及處理決策。

（4）在大量的數據訓練之后，使其達到新階段的穩定性和可擴展性，使系統能夠預測未來一段時間內的道路擁擠狀況和道路擁擠高峰。

3? ? 路迅通智能交通創新點

3.1? 模式創新

3.1.1? AI人工智能

路迅通智能交通協助管理系統采用AI人工智能學習，自我學習能力使系統不斷優化升級，即每一個檢測對象都將成為系統優化學習目標，使數據庫深度和廣度、運營準確度和效率、速度得到提升。

3.1.2? 交通擁堵溯源

多路口監測聯動，通過數據庫路網分析，對交通擁堵追蹤溯源，對癥下藥，因地制宜。

3.1.3? 智能輔助決策

路迅通智能交通協助管理系統在訓練中能夠依據情況推送適當的管理建議，如實時調整交通信號燈、警力調配預算、優選路線規劃等。

3.1.4? 交通研判分析

路迅通能夠根據路口實時信息及數據庫歷史大數據追蹤，預判擁堵路段信息，自動規劃行駛路線。

3.1.5? 交通大數據整合

構建數據庫，自動收集多維交通信息數據，構建分型數據沙盒儲存，運用大數據體現數據價值。

3.2? 環境創新

路迅通智能交通協助管理系統旨在構建全新智能信息化交通生態圈，目標在未來5G發展時代、路網信息發達時代。一方面，路迅通可在城市車輛過多時減緩交通擁堵。另一方面，路迅通能夠完美契合時代發展潮流，路迅通的AI智能學習和路網信息預判與自動駕駛汽車潮流無縫銜接，能夠在自動駕駛汽車、新型能源汽車及新型智慧城市規劃的發展浪潮中完美形成全新交通發展生態鏈。

3.3? 技術創新

打破傳統。在路況檢測方面，采用了深度學習技術，攝像頭覆蓋整個路口，實時監測路口圖像。同時，使用目前最快、最新的物體檢測算法YOLOV3，對車流量及人流量進行實時監測。這個擁有輕量級框架的算法可以輕易而廣泛地嵌入到硬件中。

在后臺，同樣采用機器學習技術，應用各個模型，實時分析路口的擁堵指數（將擁堵指數分為相應等級）。

在上述基礎上，可以橫向擴展路迅通的功能，例如：將交通擁堵情況可視化后實時反饋給交管部門，方便交管部門工作人員作出決策。整個系統還可以嵌入汽車中，提醒司機某個路口的擁堵情況，向司機推送行駛最優路線。

4? ? 結語

路迅通智能交通系統極大地優化了城市交通問題。文章介紹了一種基于深度學習的智能交通協助管理系統，并且優化了YOLOV3算法，使得小目標的圖像識別準確率很高。智能交通與5G時代汽車無人駕駛無縫銜接，科技在快速進步，但汽車無人駕駛也是剛剛起步，這就需要國家和個人共同努力，使得城市建設對社會穩定和發展具有決定性和實質性起到推動作用。

[參考文獻]

[1]鄭胤，陳權琦，章毓晉.深度學習及其在目標和行為識別中的新進展[J].中國圖象圖形學報，2014（2）：175-184.

[2]周俊宇，趙艷明.卷積神經網絡在圖像分類和目標檢測應用綜述[J].計算機工程與應用，2017（13）：34-41.

[3]李林峰.無人駕駛技術的發展現狀及制約因素[J].傳播力研究，2018（25）：245.

[4]葛雯，史正偉.改進YOLOV3算法在行人識別中的應用[J].計算機工程與應用，2019（20）：128-133.

[5]劉彩紅.BP神經網絡學習算法的研究[J].西安工業大學學報，2012（9）：723-727.

[6]駱京銘.城市智能交通管理系統設計與實現[J].自動化技術與應用，2019（6）：171-175.