淺析人工智能核心技術在交通領域的應用

陸清煬

【摘要】? ? “人工智能”一詞最初在美國達特茅斯大學被創造，其愿景是創造出可以模擬甚至替代人類智力的機器。自從人工智能誕生以來，歷代學者對人工智能的探究逐漸加深，從最初的專家系統到計算機視覺，再到近十年來的深度學習，各項技術逐漸從實驗室中的科學研究，走向了產業化應用階段。本文專注于人工智能各項技術在交通領域的應用，首選概述了人工智能的發展歷程，并對國內該領域研究現狀進行總結，又論述了計算機視覺、大數據和云計算技術，并分別總結出上述技術與交通領域應用場景的結合，包括計算機視覺在無人駕駛中的應用、大數據在智慧交通中的應用、云計算在交通路網最短路徑規劃中的應用，在此基礎上分析出人工智能技術在交通領域的廣闊應用前景。

【關鍵詞】? ? 計算機視覺? ? 大數據? ? 云計算? ? 交通

引言

當科技不斷融入我們的生活，人工智能開始崛起，運用到了各個方面的領域之中。人工智能在交通領域的應用—無人駕駛開始嶄露頭角。

在2020年9月15日召開的百度線上發布會中，地圖事業部副總裁季永志向我們展示了人工智能地圖賦能交通強國建設的階段性成果。分析了打造智能交通數字化基礎建設的三個方面—智能交通、智能停車、智能物流以及現階段的智能百度地圖。展現了人工智能在交通領域應用的發展潛力。而在隨后的第三屆世界人工智能大會上，百度CEO李彥宏表示人工智能（AI）會改變現在的每一個行業，而AI在無人駕駛的領域正在證明其顛覆和重構潛力。

目前，無數走在科技前沿的人對于人工智能有著巨大的肯定與信心，相信它會改變我們的世界。人工智能在交通領域的應用，具有場景豐富、落地成熟等優勢，有必要進行詳細論述和分析。

一、人工智能概述

1.1人工智能發展歷程

上世紀四五十年代，人類發明了計算機，便開始探索如何讓計算機代替人類進行部分腦力活動。1956年，在達特茅斯會議上，“人工智能”的概念開始出現，而后Donald Hebb首次提出了人工神經網絡的概念。通過算法來模擬人類的神經網絡的行為特征。

到了五六十年代，人工智能處于形成階段，其概念被逐漸提出，直到1969年第一屆國際人工智能會議的召開，人工智能才正式被世界承認。

七十到九十年代，人工智能進入發展階段，實現了從理論走向應用。1975年，斯坦福大學推出科學推理程序;1974年，Pual Werbos提出BP算法;1980年美國召開的第一屆機器人學習國際研討會，代表了機器人的興起。從此之后，機器人發展迅速，取得了豐碩成果。1997年，IBM在國際象棋中第一次擊敗了人類世界冠軍。

九十年代末至今，人工智能已逐漸成熟，深度學習的研究興起。人工智能在各個行業得到了廣泛應用，其各項水平甚至超越了人類。2016年，谷歌開發的AlphaGo程序，在圍棋方面戰勝了世界頂尖的選手。自此深度學習也被學界認可。

現如今，正是人工智能發展的第三次高潮，以深度學習、計算機視覺、大數據和云計算為代表的人工智能核心技術，正在逐漸從科學研究走向產業化應用的層面，人工智能所帶來的工業革命正把我們帶到一個嶄新的“未來世界”。

二、人工智能核心技術

2.1 計算機視覺

近幾年來，隨著人工智能技術的發展，它們正逐步進入我們的生活，計算機的視覺技術也有了很大的發展。計算機視覺技術被分為“視覺感知”和“視覺與語言”在視覺感知中，計算機通過物體的大類識別和細粒度視覺分類來識別物體。由于深度學習技術的引入，計算機對于物體大類識別的準確率大大提升。

而對于細粒度視覺分類，它通過圖像整體信息并結合特定區域的特征信息進而判斷圖像。第二點是關于計算機的目標檢測，它運用算法定位目標在圖中的準確位置，并給出準確目標信息，是諸多細粒度分支任務中的一個。除了以上兩個基礎任務外，還有許多計算機視覺理解的任務，旨在進一步分析理解圖像。計算機需要將圖像轉換、分割，從而達到理解的目的。

2.2 大數據

大數據指的是海量數據，我們需要專業的數據處理軟件，實現數據的利用價值，使其更加有效率，實現各個單位的良好運贏。

大數據有著許多特點：

（1）大量化，數據顯示出爆炸式的增長，近兩年數據的增長量就達到了以前產生數據的總和;

（2）快速化，大數據時代，人們開始主動創造數據，數據產生到利用的時間大幅減少，從而縮減了生產決策的時間;

（3）多樣化，新型數據源的產生，是數據結構發生變化，結構、格式多樣，使用的標準也具有了多樣性，因此我們需要更加智能化的信息技術來處理信息;

（4）價值化，數據十分海量，從而導致其價值密度減小，我們要在海量數據中提取有價值的數據，實現數據價值化，這也成為了大數據未來發展面對的重大挑戰。

大數據技術可以處理P8級別的數據，可滿足數據爆發式的增長，它可以適應各數據結構、格式上的不同，實現實時處理。目前為止，許多網絡平臺開始運用大數據技術，企業研發大數據技術，應用到企業管理之中，大大提高了管理和生產效率。

2.3 云計算

簡單來說，云計算的核心是一種分布式處理與運算方法，但其主體不是我們常見的計算機，而是網絡。“云計算”是一種統一調配與管理大量網絡連接的計算資源，并將原本復雜且龐大的計算拆開重組，分散到不同的服務器系統進行處理與分析，最后將得到的結果進行整合的一種計算方法。

云計算具有如下特征：

（1）規模龐大，大量服務器疊加前所未有的計算能力。

（2）虛擬化，“云”并不是實體，而是由網絡組成的“云端”，沒有物理界限的限制，可隨時獲取服務。

（3）高可用性，云計算具有優異的保障措施。

（4）通用性，“云”可以適用于各種各樣的應用場景。

（5）動態的可擴展性，“云”使用戶可以隨時隨地根據需求增減IT資源，如服務器算力。

（6）按需服務，“云”是資源，如同水電煤一般，是新時期的“基礎設施”。

三、人工智能技術在交通領域的應用

3.1 計算機視覺在交通領域的應用

計算機視覺技術在交通領域的應用場景主要為無人駕駛領域。在無人駕駛領域，計算機視覺相當于車輛的“眼睛”，通過攝像頭采集圖像，進而提取有用信息、過濾無用信息，為自動行駛的車輛提供環境感知功能。具體功能包括：車道線檢測、交通標示識別、行人檢測等。以車道線檢測為例，激光雷達等傳統的車輛感知元器件并不能檢測車道線，只能通過攝像頭進行感知，現階段主流算法為基于特征的車道線檢測和基于模型的車道線檢測，由于基于特征的車道線檢測對車道線邊界的清晰度有一定要求，且車道線的磨損和遮擋均會對檢測結果產生較大影響，因此基于模型的車道線檢測更具有應用價值。

而基于特征的檢測方法更適用于交通指示牌檢測，交通指示牌輪廓清晰，色彩辨識度高且常用文字注釋，有更為突出的特征。在檢測到交通指示牌后，仍需對內容進行識別，獲取指示牌上的道路交通信息，常見的方法為卷積神經網絡算法和SVM分類算法。此外，計算機視覺應用在無人駕駛領域，還要考慮光線過強或過弱、霧霾等特殊天氣等場景下的可靠性，避免道路環境惡劣的情況下自動駕駛車輛造成的路面隱患。

3.2 大數據在交通領域的應用

大數據在交通領域的主要應用場景是智慧交通。現如今，隨著車輛擁有者的數量逐漸攀升，城市交通的壓力越來越大，而基于大數據的智慧交通系統可有效緩解此類問題。智慧交通的體系主要由三部分組成：感知層、軟件應用平臺和預測與優化系統。其中感知層負責收集交通信息，即交通大數據，包括行人、車流量、路面狀況等情況，在硬件上可使用傳感器和攝像頭實現信息采集，在軟件層面，智慧交通系統可獲取手機等移動終端的位置信息，實現路面擁堵狀況的實時監測。軟件應用平臺將感知層采集到的大數據進行整合和轉換，為進一步的預測和優化做好支撐。

而預測與優化系統要挖掘出交通大數據的價值，進而對交通做出實時控制，包括車流控制、智能誘導、事故緊急處理、停車位規劃等，使得城市交通保持最優化的運轉狀態并對交通事故做出快速反應。

3.3 云計算在交通領域的應用

交通路網最短路徑規劃是云計算在交通領域的典型應用場景。路徑規劃是一個典型的運籌學問題，在交通領域主要包含出租車調配、專車接送調配以及貨運路線規劃。在進行大規模道路網絡最優規劃時，需要較大的算力支撐，此時云計算可充分調用云端服務器，進行分布式并行運算。MapReduce作為一種并行編程模型框架，可滿足跨省路徑規劃的計算要求，具有較高的準確度。此外，在交通管理方面，云計算可應用于交管系統構建和道路違章管理，利用其分布式計算的優勢，節約交通部門的算力投入，提升管理系統的運算能力和時間節省度。

四、結論

人工智能技術經歷了近七十年的發展歷程后，涌現出許多創造性的技術，從最初的專家系統到計算機視覺，現如今演進到深度學習、大數據、云計算等。隨著科學研究涌現出一個又一個創舉，人工智能的產業化成為現如今的熱點。人工智能在交通領域有著廣泛的應用，本文探究了計算機視覺、大數據和云計算三項技術在交通領域的應用場景。計算機視覺是無人駕駛的核心技術，包括基于特征和基于模型兩類算法，可實現車道線和交通標識的檢測和識別。大數據主要應用于智慧交通，通過感知層采集交通大數據，通過軟件應用平臺進行數據的整理和分類，進而對城市交通進行預測和優化。

云計算具有分布式運算的特征，可應用于交通路網最短路徑規劃、交管系統構建和道路違章管理等場景，為交通行業提供大量的計算資源。人工智能在交通領域的應用仍存在許多問題，如無人駕駛領域的安全性和可靠性，以及智慧交通領域的數據泄露隱患等。

參? 考? 文? 獻

[1]? 李躍勇.大數據技術理論及其應用實踐探索[J].計算機產品與流通，2020（11）：211.

[2]? 姜國睿，陳暉，王姝歆.人工智能的發展歷程與研究初探[J].計算機時代，2020（09）：7-10+16.

[3]? 范志遠，崔田田，王青松.計算機視覺在無人駕駛領域的應用[J].數碼世界，2020（05）：2.

[4]? 余京蕾.淺談計算機視覺技術進展及其新興應用[J].北京聯合大學學報，2020，34（01）：63-69.

[5]? 向陽.駛向未來的無人駕駛汽車[J].科學24小時，2016（05）：4-5.

[6]? 蘇子毅，顧懷中. 云計算技術在智能交通管理中的應用探討[A]. 中國智能交通協會.第八屆中國智能交通年會優秀論文集——智能交通與安全[C].中國智能交通協會：中國智能交通協會，2013：7.

[7]? 倪琴，許麗.云計算技術在智能交通系統中的應用研究[J].交通與運輸（學術版），2012（01）：106-109.