AI來了，智能交通變了！
人工智慧的狂潮已經席捲世界，標誌著智能化所代表的下一代生產力規則已經影響和改變當下的秩序，同時也正在顛覆智能交通行業。說及顛覆，必然是對之前傳統方式的極大提升，而人工智慧在智能交通領域的應用，主要集中在交通管控、智慧出行兩個方面，這也是本文探討的主要內容。
談及交通管控，最為頭疼的問題就是交通擁堵。為此，2016年杭州雲棲大會召開，杭州市政府就聯合阿里巴巴推出了城市大腦智慧城市建設計劃，並首戰交通擁堵。至此，AI成為了治療城市擁堵時立竿見影的一劑猛葯。
用AI控制交通燈，為交通擁堵提供良方
雲棲大會會上，阿里發布了人工智慧的互聯網+信號燈控制優化平台，經過一年多的應用，阿里用人工智慧調試交通信號燈的方式在杭州蕭山區的試點實驗數據顯示車輛通行速度提升11%左右。
廣州是阿里人工智慧互聯網+信號燈控制優化平台首個真正應用案例，廣州市交警支隊副支隊長吳澤駒在接收媒體時說，阿里的這一平台可應用於路口運行效率監控。路口運行效率監控主要針對兩種現象，一是路口運行失衡，二是出口溢出。當一個交叉口某個方向非常擁堵，而其他方面運行順暢，則稱之為路口失衡。這種情況可以適當增加擁堵方向的信號配時，減少順暢方向的配時來緩解路口的擁堵。對於嚴重失衡的路口，系統會發出報警，提醒交通指揮員關注，並採取下一步措施。出口溢出預警則是監控出口擁堵情況，將溢出可能性大的路口進行排序展示，以便及時實施流量控制和干預，避免路口溢出導致路口癱瘓。
在應用之前廣州海珠區路口全天平均失衡指數排名表顯示，南華中路-寶崗大道位居失衡之首，失衡指數為1.14。而在人工智慧的助力之下，交警部門對這一路口採取優化措施，將擁堵時段增加南華中路放行時間至70秒；並拆分南華中路放行相位。最新數據顯示，經過一段時間優化，南華中路-寶崗大道9時~13時和15時~20時的平均擁堵指數分別下降了25.75%和11.83%，路段擁堵指數下降超25%。
百度也在這方面積極探索，他們的人工智慧交通燈可根據統計結果重新設置紅綠燈時間、實時識別現場的交通狀況。該系統由視頻採集分析存儲上傳系統、閘機、控制器、顯示屏、語音播報和前端計算機等組成，可實現語音播報、延時關閉、檢測控制、人臉識別和抓拍報警功能。簡單來說，就是用人工智慧識別分析車輛、人等運動物體的運動信息，推斷交通狀況進一步調配車輛與行人的放行時間。
「中國式過馬路」作為城市交通管理難點的代表作，是造成交通安全事故的主要原因之一。2017深圳交警正式啟用人工智慧交通產品「智能行人闖紅燈取證系統」，對行人闖紅燈行為進行整治。同一期間，深圳的智能行人過街系阻止行人闖紅燈。在紅燈亮時，關閉閘門，阻止行人前行；綠燈亮時，打開閘門。該系統主要包括視頻採集分析存儲上傳系統、控制器、顯示屏、閘機、語音播報和前端計算機等系統組成，擁有檢測、控制、語音、人臉識別、自動抓拍報警、ITS等技術。
安防企業以人工智慧改變交通數據的獲取方式，讓管理更智能
在互聯網企業暢想人工智慧解決交通擁堵的同時，安防企業也在以基於人工智慧改變交通管理方面努力。在2017深圳安博會我們最為常見的就是基於車牌識別的應用。目前在智能交通領域，人工智慧分析及深度學習比較成熟的應用技術以車牌識別演算法最為理想，雖然目前很多廠商都宣稱自己的車牌識別率已經達到了99%，但這也只是在標準卡口的視頻條件下再加上一些預設條件來達到的。在針對很多簡易卡口和卡口圖片進行車牌定位識別時，較好的車牌識別也很難達到90%。不過隨著採用人工智慧、深度學習的應用，這一情況在2018年將會得到很大的改善。
在傳統的圖像處理和機器學習演算法研發中，很多特徵都是人為制定的，比如hog、sift特徵，在目標檢測和特徵匹配中佔有重要的地位，安防行業的很多具體演算法所使用的特徵大多是這兩種特徵的變種。人為設計特徵和機器學習演算法，由於理論分析的難度大，訓練方法又需要很多經驗和技巧，一般需要一定的時間才會有一次突破性的發展，而且對演算法工程師的知識要求也一直在提高。
人工智慧則不然，在進行圖像檢測和識別時，無需人為設定具體的特徵，只需要準備好足夠多的圖進行訓練即可，通過逐層的迭代就可以獲得較好的結果。從目前的應用情況來看，只要加入新數據，並且有充足的時間和計算資源，隨著深度學習網路層次的增加，識別率就會相應提升，比傳統方法表現更好。另外在車輛顏色、車輛廠商標誌識別、無牌車檢測、非機動車檢測與分類、車頭車尾判斷、車輛檢索、人臉識別等相關的技術方面安防企業也比較成熟。
以記者評測過的海康神捕系列人工智慧產品為例，在與廠家溝通中技術人員告訴記者，當AI來臨時，促使我國交通管理方式從「交通違章執法管理」到「交通秩序管理」的轉變，交管信息化系統建設需要更準確、更豐富的數據基礎和更智能的感知手段。該產品沿用交通綜合管控平台雲圖底層+前端子系統的經典架構，基於AI深度智能的海康神捕將不系安全帶演算法和開車接打手機交通違法檢測準確率提升逾30個百分點，從而將這兩項功能真正推向非現場執法實戰應用。
同時集成了基於AI深度智能的遠光燈檢測演算法，能夠對城市夜間車輛濫用遠光燈的違法行為進行智能識別和有效取證。在前端架設專屬的駕駛員人臉抓拍機，同時利用基於AI深度智能的人臉捕獲深度學習演算法，大幅度提高畫面中人臉的檢出率和高清摳圖的質量，為後端進行人臉的建模和比對提供基礎數據，實現報警攔截。在2018年，該神捕系列人工智慧產品會可以在現有電子警察的基礎上集成交通事故檢測功能，當路口範圍內發生交通事故或者交通擁堵時，可以實時檢測到並向指揮中心發送報警信號。
大華2017年推出了一體化智能攝像機，搭載VPU深度學習晶元，算力是傳統智能攝像機的20倍以上，它支持準確識別14種車型、200多種車輛品牌、3000多種車系、13種車身顏色以及車輛年款、年檢標誌、紙巾盒、掛墜、香水盒等更多細節特徵，相對於傳統設備將車輛主要屬性識別轉變為車輛「全」屬性識別;在違章行為分析上增加不禮讓行人檢測、加塞檢測、左轉不讓直行檢測、開車抽煙打電話檢測等;同時它從車智能擴展到人智能，支持非機動車、行人特徵檢測、駕駛員、行人人臉檢測實現了交通道路場景下的交通參與者全目標分析。數據是應用的基礎，慧系列交通AI攝像機的強大感知能力將全面提升交通管理者對人、車管控的能力。
人工智慧在安防行業受到熱寵，研發製造企業都不遺餘力在研發公安和交通應用的智能產品。
這些產品無論是以哪種產品形態或是採用哪種架構，都集中體現在交通管理三個方面的技術功能設定：
● 識別行人的生理屬性。通過分析道路行人的身體結構，準確識別視頻中人物的性別、年齡、姿態等多種生理特徵；
● 識別行人車輛。基於深度學習的行人檢測演算法能夠在各類遮擋的情況下精確找出行人位臵，並能夠進一步分析行人姿態和動作，可應用於交通監控、輔助駕駛、無人駕駛等。
● 可以在行車場景、交通監控場景、卡口場景中檢測多種不同角度的車輛，並同時給出車牌號碼、汽車品牌、型號、顏色等物理特徵；實現人群分析。在高密度公共場所，例如地鐵，廣場，估計人群數量和密度，同時檢測人群過密、異常聚集、滯留、逆行、混亂等多種異常現象。
AI賦能智慧出行，讓出行更簡單
除了擁堵，停車難的問題也備受關注，也造成近幾年來智慧停車的呼聲高居不下。因此，人工智慧在智慧出行方面也在悄然顛覆。
我國大部分駕駛時間要麼花費在交通擁堵中，要麼是在尋找停車位。人工智慧如何改變停車難問題，記者走進了華夏智信這家企業。副總經理王偉從事智慧停車多年，他告訴記者每個城市都面臨著一個巨大的難題，那就是停車難。
以深圳為例，去年註冊的車輛大概是318萬輛，但是車位保有量是191萬個。如果去掉公交車和大車的停車位，給小車的預留車位只有136萬個，停車位嚴重不足。華夏智信的入口車牌識別相機、車位相機、路邊停車相機都基於最新的人工智慧演算法，相較於傳統的車牌識別具有識別速度快、準確率高、魯棒性好三大優點。可以識別國內目前最多的全品類車牌，在超大角度(75°)車牌識別上具有明顯的優勢，可適應寬車道、短進深、多方向來車等各種複雜場景下的車牌識別，可支持超寬動態圖像優化，適應各種光影情況複雜，包括雨雪天氣場景、順逆光車牌、污損車牌、夜間車牌等。
2018年伊始，滴滴出行推出了智慧交通戰略產品「滴滴交通大腦」，攜手交管部門，運用AI的決策能力解決交通工具與承載系統之間的協調問題，爭做智慧出行履行者。該產品一方面在空間上打破了城市內區域的「數字」壁壘，實現高效、全面的交通管理和協同；另一方面，在時間上，交通大腦突破了人類的決策能力極限。
人的能力中，最重要的便是思維決策能力，也就是通過各種外部感知判斷以及知識、經驗積累，做出解決問題、有利於自身的行動。交通大腦通過機器自我學習的方式，搭建出能夠支撐類腦推理的核心演算法模型，可以幫助實現更準確的預測能力、智能的調配能力，實現最優的交通組織。目前，滴滴交通大腦已在全國20多座城市落地。
其實交通企業在智慧停車方面的人工智慧應用，基本都是通過智慧停車平台下的硬體+軟體的結合，對整個停車資源進行了智慧化整合。同時，利用人工智慧、物聯網、大數據和雲計算等技術，智慧停車平台得以生成。通過這個平台，每個車位都像是一個人工智慧控制點。雖然技術框架已搭建成功，但最終智慧停車想要邁入人工智慧的領域勢必要求整個社會的停車資源全部納入到以人工智慧為基礎構架的智慧停車的大平台中。
然而，在目前國內乃至全球的智慧停車企業中，各個企業仍然各自為戰，進行著圈地、改造、運營的單一線性發展。同行業間的信息閉塞、眾多車場尚未智慧化。所以2015年中國雲停車產業聯盟在深圳成立，記者在近期與該聯盟理事長楊義平溝通中得知，2018，人工智慧會更深入滲透到智慧停車領域。
傳統的安防行業也在對智慧停車表示出了興趣，2017深圳安博會期間大華技術人員告訴記者，智慧停車進入了由人工智慧引發的視頻時代。他們的室外視頻車位檢測器應用於智慧道路停車領域，其原理結合了多種人工智慧技術，比如：車牌識別、超聲波檢測、車牌顏色檢測、車輛模型檢測等技術。每車位放置1台視頻車位檢測器對駛入車輛進行車牌識別和車位狀態判斷，通過終端盒走無線網橋傳輸方式把抓拍圖片和對應的識別結果上傳給雲平台。
可見，智慧停車最有價值的可謂對人工智慧的支撐作用。龐大的數據流量和廣闊的車主人群都為人工智慧的學習和進化提供了絕佳的成長環境，如ETCP，其停車場覆蓋城市已超過200座。在其大數據停車平台上，每月有著超過6000萬次的停車紀錄和針對上千萬的車主出行駕駛的習慣分析，其深層價值已遠超單純的停車環節。
雖然同樣投身於智慧出行領域，但人工智慧的無人駕駛的前進道路卻比智慧停車更艱辛。
結束語
因為人工智慧，世界變了，也因為人工智慧，智能交通也變了。2018，人工智慧將更深一步強化交通的智慧性，推動交通管理、城市管理實現新變革；同時也在顛覆智慧出行方式和商業模式。相信2018是人工智慧在交通領域唱主角的關鍵一年，拭目以待！
TAG:ITS智能交通 |