AI:看不見的城市交警

齊旭

近日，杭州市蕭山區出租車司機劉師傅常常感嘆：“這兩天真好走，一路沒堵車，真幸運。”他可能不知道，這份“小幸運”并非偶然，基于AI、大數據等技術，交通系統正一點點變得“智慧”起來。

近年來在世界范圍內，城市擁堵情況越來越嚴峻。據統計，全球每人每天因堵車平均浪費15分鐘，北京居民因擁堵造成的經濟損失為30元/半小時。快速、便捷的交通已經成為城市居民的核心需求之一。為滿足這一需求，基于AI的智慧動態交通系統發揮了強大作用——它可以優化道路資源、實施道路交通狀況預測，對城市交通進行動態、實時管理。那么，Al究竟如何讓城市交通系統變智慧從而解決擁堵問題？Al已經在哪些城市落地？當前面臨哪些挑戰？

智慧交通已在

多個城市落地

道路是整個城市交通系統的“血管”，每一個路口的通暢程度都影響著整個交通系統的“健康水平”，進而影響著整座城市的運營效率、市民的生活成本以及宜居指數。2018年交通運輸部辦公廳發布《關于加快推進新一代國家交通控制網和智慧公路試點的通知》，決定在北京、河北、吉林、江蘇、浙江、福建、江西、河南、廣東等九省份加快推進新一代國家交通控制網和智慧公路試點。如今，全國已經有超過20個城市的交通系統基于AI、大數據實施了智慧化改造。華為、阿里、百度、騰訊、京東、滴滴、平安等互聯網公司和產業巨頭紛紛參與了智慧交通的建設。

2016年，杭州市政府和阿里合作，為杭州安裝了數據大腦，從城市交通切入，實現基礎設施數據化。2018年，杭州城市大腦建立了新的交通數據中臺，管轄范圍較最初擴大了28倍.每2分鐘便可完成一次區域掃描，處置效率提高了9倍。2020年，杭州城市大腦已更新到3.0版本。新冠肺炎疫情發生以來，基于AI的智慧交通系統幫助杭州實現了逢車必查，既守好了全市疫情的第一道防線，又保證了復工復產后居民正常出行不受影響。

北京CBD區域地面與地下交通錯綜復雜，幾乎覆蓋了所有類型的城市交通出行方式。以北京CBD為試點區的智慧交通系統示范工程于2019年全面開展，根據AI和交通大數據綜合分析各燈控路口24小時交通量變化規律，將路口信號調控時段劃分為2個夜間低峰、2個高峰和1個平峰，自動平衡區域整體交通壓力。截至目前，CBD西北區域已經實現了交通大腦全覆蓋，包括行人過街通道、智慧道釘提示設備、全區域車路協同控制系統、多個路段電子警察等設施全面完善。目前該區域高峰通行效率提升25%，部分道路事故擁堵報警下降了35.7%。

在深圳，華為公司和深圳市政府共同建設Traffic Go（交通智能體），現在已經發展到全市的大概200個路口。深圳市公安局交通警察局局長徐煒介紹，經過這大概一年多的運行，深圳市在高峰時段路口通行能力大概提升了10%。左右，接下來全市2000多個路口都將接人到智慧交通系統中，讓所有路口的交通流達到相對均衡的狀態。

此外，深圳機場交通樞紐的“擁堵”也時有發生，利用AI、大數據等信息技術，人們現在僅憑一張“八臉”和身份證便能快速通行;還會結合航線和天氣狀況，合理調度飛機的停機位，減少擺渡車的乘坐。數據顯示，深圳寶安機場的運控效率整體提升了8% - 10%，平均一個廊橋每天可以多停一架次的飛機，這樣一個年旅客吞吐量達千萬級的機場，每年約可以減少250萬人次乘坐擺渡車。

基于Al建立“感知+io別+決策”系統

賽迪顧問人工智能產業研究中心副總經理鄒德寶在接受《中國電子報》記者采訪時表示，智慧交通領域有眾多細分應用場景，涉及道路設施、交通指揮類設備、視頻監控系統與設備、公交系統、出租車、停車系統等9個維度;在交通控制系統中，涉及了信息采集、云端處理、集中指揮、即時反饋的邏輯閉環。

在智慧交通管控系統中，駕駛員、行人、城市交警以及視頻監控系統等是主要的信息采集源泉，這些交通信息數據將連接到統一的動態網絡中并及時傳送到城市指揮中心，隨后進行大數據集中分析，并制定出城市交通的優化方案，將其反饋到相關管理人員和交通設施當中，從而對城市交通進行智能掌控。

在杭州市，蕭山區道路上已有的交通攝像頭就像“眼睛”，信號燈則像指揮交通的“手”，它們之間需要建立一個機器大腦來進行溝通協調。機器大腦需要訓練，數據就是知識，各種各樣的算法和場景模型則像是思維。傳統的信號燈運行模式是根據固定的時間進行變化，從而容易導致某一方向中出現嚴重壓車等問題。在智慧交通系統的管理控制之下，能夠結合所收集上來的車輛速度、數量以及分布密度等因素，對相同方向的路段進行智能分析，隨后結合相應的分析結果，科學調控紅綠燈的轉換，從而有效降低車輛等待時間。

智慧信號燈系統中，AI擔當大任，在AI算法訓練時，阿里視頻組的成員瞪大眼睛，一幀一幀地將攝像頭中出現的各種車型、車牌、左右轉彎、標志標線等信息標記出來，訓練機器認識它們。數據智能團隊對道路、車輛、車流進行算法建模，讓機器學習并預判各種可能發生的情況，通過信號燈發出相應的指令。比如，當攝像頭發現當前直行方向車流量大時，機器的大腦就要自動分析，控制信號燈變化時長，讓直行車輛降速，避免擁堵。

Al要和行業“Know-How”深度結合

AI是由理論指導的機理模型，而不僅靠數據驅動。機理模型指導下的算法和AJ算法、數據驅動的算法之間如何有機配合，實現高精度、高可靠，是AI落地的關鍵。華為云人工智能領域總裁賈永利表示：“要想訓練出最適合某一行業的AI模型，使之能夠進入到核心生產和核心應用中發揮價值，就必須要讓AI真正地與行業專業知識‘Know- How深度結合，畢竟只有行業最懂行業生產系統的關鍵點是什么。”

在智慧交通領域中，緩解某一個路口的交通壓力遠遠不夠，城市中不同區域有著不同的交通管控需求，且交通系統中不同交通工具之間處于分割運營的狀態，如何多樣化、立體化地規劃一個動態的全市交通網絡，值得業界深思。

鄒德寶指出，在多樣化的城市載體中無法建立統一標準、統一要求的智能交通系統，規劃的思路應是“1+N”模式，即在整個交通系統中建立一個通用的智能交通管理平臺系統，針對不同的城市特點，包括交通路線路口的復雜程度，城市內車輛的類型及車流量、車速等因素進行個性化布局監測平臺，調整監測平臺的數據監測頻次、時延和決策機制，從而達到適應當前城市的數據系統。將這個城市的數據系統分析后進行實時上傳總管理平臺，達到實時交互城市間的交通情況，以滿足跨城市車輛交通情況進行判斷、分析和規劃使用。

事實上，智慧交通系統遠比人們想象的更要復雜，徐煒指出，在交通系統管控過程中，私家車在日常來往中具有一種自由化、個性化和分散化的特征，行車過程中違法違規、占用應急車道等現象頻發。智慧交通系統需要對私家車的引導和服務更為完善，除了通過電子導航、路面顯示器等工具為私家車及時傳送路面交通狀況外，還應幫助私家車在出行前規劃好出行路線，做好交通事故實時上報，甚至還要提前部署災害天氣交通預案。

這一系列智能交通管控的實現無法僅靠AI完成，需要AI與大數據、云計算和物聯網系統的系統作戰。在鄒德寶看來，AI最核心的功能是提升算力，進行智能化服務，而前提需要通過傳感器的不斷感知監測、物聯網的互網傳輸、大數據中心的不斷收集和分析判斷、云計算平臺的數據提取。盡管交通領域信息化程度提升難度不大，但目前AI技術研發的成熟度還不足以適應復雜的行業應用，計算機視覺技術、深度學習技術和語音識別、自然語言處理等技術還無法對不同場景進行無縫耦合，仍需要長期實踐積累的過程。