AI:看不見的城市交警

齊旭

近日，杭州市蕭山區(qū)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?！彼赡懿恢溃@份“小幸運”并非偶然，基于AI、大數(shù)據(jù)等技術(shù)，交通系統(tǒng)正一點點變得“智慧”起來。

近年來在世界范圍內(nèi)，城市擁堵情況越來越嚴峻。據(jù)統(tǒng)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(jīng)濟損失為30元/半小時?？焖?、便捷的交通已經(jīng)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(tài)交通系統(tǒng)發(fā)揮了強大作用——它可以優(yōu)化道路資源、實施道路交通狀況預測，對城市交通進行動態(tài)、實時管理。那么，Al究竟如何讓城市交通系統(tǒng)變智慧從而解決擁堵問題？Al已經(jīng)在哪些城市落地？當前面臨哪些挑戰(zhàn)？

智慧交通已在

多個城市落地

道路是整個城市交通系統(tǒng)的“血管”，每一個路口的通暢程度都影響著整個交通系統(tǒng)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(shù)。2018年交通運輸部辦公廳發(fā)布《關(guān)于加快推進新一代國家交通控制網(wǎng)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(wǎng)和智慧公路試點。如今，全國已經(jīng)有超過20個城市的交通系統(tǒng)基于AI、大數(shù)據(jù)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(lián)網(wǎng)公司和產(chǎn)業(yè)巨頭紛紛參與了智慧交通的建設(shè)。

2016年，杭州市政府和阿里合作，為杭州安裝了數(shù)據(jù)大腦，從城市交通切入，實現(xiàn)基礎(chǔ)設(shè)施數(shù)據(jù)化。2018年，杭州城市大腦建立了新的交通數(shù)據(jù)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(qū)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(fā)生以來，基于AI的智慧交通系統(tǒng)幫助杭州實現(xiàn)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(chǎn)后居民正常出行不受影響。

北京CBD區(qū)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(qū)的智慧交通系統(tǒng)示范工程于2019年全面開展，根據(jù)AI和交通大數(shù)據(jù)綜合分析各燈控路口24小時交通量變化規(guī)律，將路口信號調(diào)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(qū)域整體交通壓力。截至目前，CBD西北區(qū)域已經(jīng)實現(xiàn)了交通大腦全覆蓋，包括行人過街通道、智慧道釘提示設(shè)備、全區(qū)域車路協(xié)同控制系統(tǒng)、多個路段電子警察等設(shè)施全面完善。目前該區(qū)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(shè)Traffic Go（交通智能體），現(xiàn)在已經(jīng)發(fā)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(jīng)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(tǒng)中，讓所有路口的交通流達到相對均衡的狀態(tài)。

此外，深圳機場交通樞紐的“擁堵”也時有發(fā)生，利用AI、大數(shù)據(jù)等信息技術(shù)，人們現(xiàn)在僅憑一張“八臉”和身份證便能快速通行;還會結(jié)合航線和天氣狀況，合理調(diào)度飛機的停機位，減少擺渡車的乘坐。數(shù)據(jù)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(tǒng)

賽迪顧問人工智能產(chǎn)業(yè)研究中心副總經(jīng)理鄒德寶在接受《中國電子報》記者采訪時表示，智慧交通領(lǐng)域有眾多細分應用場景，涉及道路設(shè)施、交通指揮類設(shè)備、視頻監(jiān)控系統(tǒng)與設(shè)備、公交系統(tǒng)、出租車、停車系統(tǒng)等9個維度;在交通控制系統(tǒng)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(huán)。

在智慧交通管控系統(tǒng)中，駕駛員、行人、城市交警以及視頻監(jiān)控系統(tǒng)等是主要的信息采集源泉，這些交通信息數(shù)據(jù)將連接到統(tǒng)一的動態(tài)網(wǎng)絡(luò)中并及時傳送到城市指揮中心，隨后進行大數(shù)據(jù)集中分析，并制定出城市交通的優(yōu)化方案，將其反饋到相關(guān)管理人員和交通設(shè)施當中，從而對城市交通進行智能掌控。

在杭州市，蕭山區(qū)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(xié)調(diào)。機器大腦需要訓練，數(shù)據(jù)就是知識，各種各樣的算法和場景模型則像是思維。傳統(tǒng)的信號燈運行模式是根據(jù)固定的時間進行變化，從而容易導致某一方向中出現(xiàn)嚴重壓車等問題。在智慧交通系統(tǒng)的管理控制之下，能夠結(jié)合所收集上來的車輛速度、數(shù)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(jié)合相應的分析結(jié)果，科學調(diào)控紅綠燈的轉(zhuǎn)換，從而有效降低車輛等待時間。

智慧信號燈系統(tǒng)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(xiàn)的各種車型、車牌、左右轉(zhuǎn)彎、標志標線等信息標記出來，訓練機器認識它們。數(shù)據(jù)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(fā)生的情況，通過信號燈發(fā)出相應的指令。比如，當攝像頭發(fā)現(xiàn)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(yè)“Know-How”深度結(jié)合

AI是由理論指導的機理模型，而不僅靠數(shù)據(jù)驅(qū)動。機理模型指導下的算法和AJ算法、數(shù)據(jù)驅(qū)動的算法之間如何有機配合，實現(xiàn)高精度、高可靠，是AI落地的關(guān)鍵。華為云人工智能領(lǐng)域總裁賈永利表示：“要想訓練出最適合某一行業(yè)的AI模型，使之能夠進入到核心生產(chǎn)和核心應用中發(fā)揮價值，就必須要讓AI真正地與行業(yè)專業(yè)知識‘Know- How深度結(jié)合，畢竟只有行業(yè)最懂行業(yè)生產(chǎn)系統(tǒng)的關(guān)鍵點是什么?！?/p>

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

鄒德寶指出，在多樣化的城市載體中無法建立統(tǒng)一標準、統(tǒng)一要求的智能交通系統(tǒng)，規(guī)劃的思路應是“1+N”模式，即在整個交通系統(tǒng)中建立一個通用的智能交通管理平臺系統(tǒng)，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(nèi)車輛的類型及車流量、車速等因素進行個性化布局監(jiān)測平臺，調(diào)整監(jiān)測平臺的數(shù)據(jù)監(jiān)測頻次、時延和決策機制，從而達到適應當前城市的數(shù)據(jù)系統(tǒng)。將這個城市的數(shù)據(jù)系統(tǒng)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(guī)劃使用。

事實上，智慧交通系統(tǒng)遠比人們想象的更要復雜，徐煒指出，在交通系統(tǒng)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(guī)、占用應急車道等現(xiàn)象頻發(fā)。智慧交通系統(tǒng)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(guī)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(xiàn)無法僅靠AI完成，需要AI與大數(shù)據(jù)、云計算和物聯(lián)網(wǎng)系統(tǒng)的系統(tǒng)作戰(zhàn)。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(jiān)測、物聯(lián)網(wǎng)的互網(wǎng)傳輸、大數(shù)據(jù)中心的不斷收集和分析判斷、云計算平臺的數(shù)據(jù)提取。盡管交通領(lǐng)域信息化程度提升難度不大，但目前AI技術(shù)研發(fā)的成熟度還不足以適應復雜的行業(yè)應用，計算機視覺技術(shù)、深度學習技術(shù)和語音識別、自然語言處理等技術(shù)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。