人工智能賦能城市交通精細(xì)化管理的思考1

張揚

上海市城鄉(xiāng)建設(shè)和交通發(fā)展研究院

人工智能（Artificial Intelligence，簡稱AI），是把模擬人腦的思維過程用計算機(jī)進(jìn)行智能處理的一門新興技術(shù)。人工智能的基本概念由英國科學(xué)家提出，隸屬于一種認(rèn)知范疇科學(xué)。科學(xué)家約翰·麥卡錫曾經(jīng)強(qiáng)調(diào)，人工智能技術(shù)是一種具有模擬人的學(xué)習(xí)行為或智力特征的描述，可以用機(jī)器來模擬并進(jìn)行推廣應(yīng)用，這個認(rèn)知一直沿用至今[1,2]。人工智能同樣屬于計算機(jī)科學(xué)范疇，其技術(shù)思路是通過探索人類智能的基本原理，用機(jī)器計算與學(xué)習(xí)的方式模擬人類智能，進(jìn)而能夠替代人類進(jìn)行智能感知、判斷與認(rèn)知。人工智能技術(shù)潛在的應(yīng)用范圍廣泛，目前主要用于語音識別、圖像識別、機(jī)器人、自然語言處理、智能搜索和專家系統(tǒng)等方面[3,4]。近年來，各國對人工智能產(chǎn)生了濃厚興趣，產(chǎn)業(yè)界優(yōu)先布局，加速了AI技術(shù)與應(yīng)用的結(jié)合并蔓延升溫。

城市交通是重要的民生問題，交通決策管理與公眾服務(wù)水平的智能化提升事關(guān)國計民生。早在2000年，國家就成立了中國智能交通系統(tǒng)協(xié)調(diào)指導(dǎo)小組，國內(nèi)的交通信息化建設(shè)全面展開，智能交通一直是民生期待。經(jīng)過近二十年的智能交通系統(tǒng)建設(shè)和發(fā)展，智能交通領(lǐng)域的智能設(shè)備、信息化設(shè)施、數(shù)據(jù)信息和軟硬件網(wǎng)絡(luò)等各方面都具備了較深厚的積累。2017年，黨的十九大提出，“突出關(guān)鍵共性技術(shù)、前沿引領(lǐng)技術(shù)、現(xiàn)代工程技術(shù)、顛覆性技術(shù)創(chuàng)新，為建設(shè)科技強(qiáng)國、質(zhì)量強(qiáng)國、航天強(qiáng)國、網(wǎng)絡(luò)強(qiáng)國、交通強(qiáng)國、數(shù)字強(qiáng)國、智慧社會提供有力支撐?！泵嫦蚪ㄔO(shè)交通強(qiáng)國目標(biāo)，交通運輸系統(tǒng)在新時代需要奮力開啟建設(shè)交通強(qiáng)國的新征程[5]。2018年，《中共上海市委、上海市人民政府關(guān)于加強(qiáng)本市城市管理精細(xì)化工作的實施意見》“高質(zhì)量發(fā)展舉措”的重要批示精神，城市交通精細(xì)化管理是《落實<中共上海市委、上海市人民政府關(guān)于加強(qiáng)本市城市管理精細(xì)化工作的實施意見>的三年行動計劃（2018—2020年）》的重要任務(wù)[6]。

以智能交通近二十年的建設(shè)發(fā)展為基礎(chǔ)，站在交通強(qiáng)國和精細(xì)化管理的歷史起點上，以新技術(shù)、新模式、新業(yè)態(tài)賦能，推動大數(shù)據(jù)、人工智能與城市交通精細(xì)化管理深度融合，構(gòu)建數(shù)字化、網(wǎng)絡(luò)化、智能化的智慧交通體系，將傳統(tǒng)智能交通發(fā)展上升為智慧交通，構(gòu)建起智慧交通生態(tài)十分重要。人工智能賦能城市交通精細(xì)化管理，符合交通強(qiáng)國建設(shè)和科學(xué)技術(shù)發(fā)展“四梁八柱”的目標(biāo)要求[7]。

結(jié)合深入調(diào)研、專業(yè)積累和實踐經(jīng)驗，本文對人工智能賦能城市交通精細(xì)化管理的應(yīng)用與發(fā)展加以思考，從全息動態(tài)感知與融合、大數(shù)據(jù)精細(xì)建管、業(yè)務(wù)精準(zhǔn)切入、自適應(yīng)智能模型庫建設(shè)四個方面存在的困難加以分析，總結(jié)出相應(yīng)的解決方法與思路，人工智能賦能城市交通精細(xì)化管理解決思路框架如圖1所示。

1 全息動態(tài)感知與融合

實時、準(zhǔn)確、全面地采集各類交通數(shù)據(jù)，是實現(xiàn)城市交通精細(xì)化決策與管理應(yīng)用的前提和基礎(chǔ)。目前，長期存在交通數(shù)據(jù)和信息覆蓋不全、數(shù)據(jù)統(tǒng)籌復(fù)用不足的問題。單一技術(shù)越來越難以滿足應(yīng)用需要，作為交通四要素的人、車、路、環(huán)境，對綜合交通更全面、更精細(xì)、更精準(zhǔn)的全息動態(tài)感知需求十分迫切。開發(fā)基于NB-IoT、Lora、藍(lán)牙等物聯(lián)網(wǎng)、5G、視頻的新型傳感器，持續(xù)提升信息采集時空密度，形成數(shù)據(jù)采集源端規(guī)范，促進(jìn)多源數(shù)據(jù)和信息融合，構(gòu)建全息動態(tài)感知體系，為AI應(yīng)用創(chuàng)造樣本足、可學(xué)習(xí)、能訓(xùn)練的豐富的數(shù)據(jù)集十分重要。

從交通信息基礎(chǔ)感知來看，信息采集技術(shù)手段眾多，交通信息類型多樣。根據(jù)被采集主體是否與采集系統(tǒng)進(jìn)行交互、是否獨立于采集系統(tǒng)界定，采集技術(shù)分為直接采集和間接采集兩類，如感應(yīng)線圈、視頻檢測屬于直接采集，GPS定位、RFID感知屬于間接采集；根據(jù)交通數(shù)據(jù)隨時間和空間相對變化的周期界定，交通信息分為靜態(tài)交通信息和動態(tài)交通信息兩類，如路網(wǎng)結(jié)構(gòu)、交通基礎(chǔ)設(shè)施屬于靜態(tài)信息，交通流、事故事件屬于動態(tài)信息。對直接采集與間接采集、新型感知與傳統(tǒng)采集技術(shù)、靜態(tài)信息與動態(tài)信息、結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化數(shù)據(jù)、交通管理數(shù)據(jù)與企業(yè)自有數(shù)據(jù)、交通行業(yè)數(shù)據(jù)與相關(guān)領(lǐng)域數(shù)據(jù)等方面的深度融合，可以有效提升交通數(shù)據(jù)的視野和維度，支撐全息動態(tài)感知體系建設(shè)。

從人工智能對數(shù)據(jù)的需求來看，基于語義技術(shù)的交通大數(shù)據(jù)規(guī)范尚未形成，多源數(shù)據(jù)的全息融合場景尚不清晰。面向全息感知需求，分類梳理多源異構(gòu)數(shù)據(jù)特性，以邏輯語言表達(dá)原始數(shù)據(jù)語義并實現(xiàn)統(tǒng)一，形成基于語義技術(shù)的交通大數(shù)據(jù)規(guī)范化體系是AI應(yīng)用的基礎(chǔ)。同時，界定多元采集技術(shù)感知場景，以時空可融合場景辨識技術(shù)，形成基于知識圖譜、語義規(guī)范和場景自動辨識的自適應(yīng)數(shù)據(jù)融合技術(shù)，可以實現(xiàn)從局部到整體、離散到連續(xù)、單一到多樣的交通特征融合的完備表征，從采集和存儲實現(xiàn)感知的全息化、精準(zhǔn)化和智慧化。

2 交通大數(shù)據(jù)精細(xì)建管

隨著國內(nèi)大規(guī)模交通信息化建設(shè)，各大城市積累了大量交通數(shù)據(jù)，數(shù)據(jù)體量大、來源多樣、種類復(fù)雜、結(jié)構(gòu)各異，具備了大數(shù)據(jù)的特征。作為云計算、物聯(lián)網(wǎng)之后IT產(chǎn)業(yè)的顛覆性革命，城市交通大數(shù)據(jù)定義為：由城市交通運行管理直接產(chǎn)生的數(shù)據(jù)、城市交通相關(guān)的行業(yè)和領(lǐng)域?qū)氲臄?shù)據(jù)，以及來自公眾互動提供的交通狀況數(shù)據(jù)構(gòu)成的，用傳統(tǒng)技術(shù)難以在合理時間內(nèi)管理、處理和分析的數(shù)據(jù)集。作為人工智能推廣應(yīng)用的前提，構(gòu)建綜合性大數(shù)據(jù)資源中心，進(jìn)行交通大數(shù)據(jù)精細(xì)化建設(shè)與管理，扎實人工智能應(yīng)用的環(huán)境基礎(chǔ)，是實現(xiàn)交通智能決策和管理的內(nèi)在需求，也是AI技術(shù)融合發(fā)展的必然要求。但是，交通大數(shù)據(jù)資源的構(gòu)建和管理現(xiàn)狀，依然停留在初級階段，交通大數(shù)據(jù)的匯聚和存儲，大多是在傳統(tǒng)管理體制與界面切分等既有條件下的簡單整合。

從大數(shù)據(jù)資源中心建設(shè)來看，必須構(gòu)建大數(shù)據(jù)基準(zhǔn)庫，對所存儲的數(shù)據(jù)進(jìn)行科學(xué)梳理?；跀?shù)據(jù)采集源標(biāo)準(zhǔn)化建設(shè)，除對所存儲的數(shù)據(jù)去噪、去偽、修補(bǔ)等系列清洗外，還要根據(jù)本體庫框架，衡量數(shù)據(jù)模式重復(fù)性，解析其關(guān)聯(lián)性和內(nèi)在層次邏輯關(guān)系，搭建并完善語義網(wǎng)絡(luò)。其中，需要定義交通實體知識圖譜，基于知識工程基本理論框架和交通對象建模要求，挖掘知識圖譜數(shù)據(jù)結(jié)構(gòu)特征；基于大規(guī)模交通知識圖譜的知識檢索與關(guān)聯(lián)推理，建立城市交通實體知識圖譜和可視化原型，完善多元異構(gòu)交通數(shù)據(jù)的語義關(guān)聯(lián)，實現(xiàn)大數(shù)據(jù)的精細(xì)建設(shè)、建管結(jié)合。

從面向AI多維數(shù)據(jù)體構(gòu)建來看，必須面向人工智能訓(xùn)練與測試，科學(xué)、合理、有效地組織交通數(shù)據(jù)。根據(jù)交通數(shù)據(jù)連續(xù)性、實時性特點，面向AI模型應(yīng)用，實現(xiàn)數(shù)據(jù)自組織、數(shù)據(jù)標(biāo)準(zhǔn)化、異構(gòu)類型轉(zhuǎn)換、訓(xùn)練樣本集構(gòu)建等；根據(jù)交通數(shù)據(jù)時空耦合性特點，基于數(shù)據(jù)特征累積，面向AI模型應(yīng)用，實現(xiàn)測試數(shù)據(jù)特征分類、測試樣本集構(gòu)建、參數(shù)反饋與優(yōu)化等，為AI技術(shù)應(yīng)用構(gòu)建可靠、可信、可用的多維大數(shù)據(jù)體，將大數(shù)據(jù)與AI技術(shù)緊密結(jié)合，推動AI賦能的爆發(fā)。

3 精準(zhǔn)切入穩(wěn)步發(fā)展

近幾年，隨著GPU和深度學(xué)習(xí)的快速應(yīng)用，人工智能正加速向各行業(yè)滲透，成為無人駕駛、醫(yī)療診斷、智能投顧等一大批新興產(chǎn)業(yè)的重要基礎(chǔ)。車牌識別、人臉識別、場景識別、語音識別等基于非結(jié)構(gòu)化數(shù)據(jù)分析的智能識別技術(shù)，在公安、交通、金融等領(lǐng)域快速應(yīng)用，并形成成果落地。因此，人工智能賦能前途光明，被認(rèn)定為新一輪科技革命和產(chǎn)業(yè)變革的核心驅(qū)動力量。但是，人工智能對視頻、圖片、語音等非結(jié)構(gòu)化數(shù)據(jù)挖掘的成功，源于場景明晰、數(shù)據(jù)組織成熟，這很難簡單復(fù)制到交通精細(xì)化管理中，AI賦能智慧交通不可能一蹴而就。

圖1 人工智能賦能城市交通精細(xì)化管理解決思路框架圖

從AI賦能前期準(zhǔn)備來看，人工智能應(yīng)密切結(jié)合城市交通決策管理的具體業(yè)務(wù)應(yīng)用需求，針對某一類或某幾個關(guān)鍵問題、特定應(yīng)用場景發(fā)力。在做好全息動態(tài)感知與融合、交通大數(shù)據(jù)精細(xì)建管基礎(chǔ)上，應(yīng)充分考慮交通時空耦合、數(shù)據(jù)多源異構(gòu)、行業(yè)交織復(fù)雜、跨行業(yè)關(guān)聯(lián)等城市交通的獨有特性，統(tǒng)籌布局、精準(zhǔn)擊發(fā)，穩(wěn)步推進(jìn)，從成功的實踐應(yīng)用案例中不斷歸納和總結(jié)經(jīng)驗，做到節(jié)省成本。只有精準(zhǔn)切入、扎實落地，才能最終實現(xiàn)人工智能輔助到交通決策和管理的跨越，這一跨越，仍需要眾多專業(yè)人士和多年不懈的努力才能達(dá)到，任重而道遠(yuǎn)。

從AI賦能場景選取來看，應(yīng)從多維視角劃分城市交通精細(xì)化管理的復(fù)雜場景，并有針對性地構(gòu)建AI賦能策略。對城市綜合交通的道路交通（快速路、地面道路、高等級公路等）、公共交通（軌道、公交、出租、停車等）、對外交通（鐵路、民航、道口、港口等）三大體系，對人、車、路、環(huán)境，車流、客流、物流，以及日常運行、重大活動、應(yīng)急保障等單一業(yè)務(wù)/行業(yè)、跨行業(yè)/領(lǐng)域/地域的各層級分類要素，分別梳理AI應(yīng)用需求并構(gòu)建多維場景。從時間維度構(gòu)建工作日、節(jié)假日、高峰期、非高峰期等融合時間特征，從空間維度構(gòu)建點、線、面、空間等多尺度融合空間特征，從宏觀、中觀和微觀的時空組合，設(shè)置并構(gòu)建復(fù)雜多維AI應(yīng)用場景，并建立具有智能比選的AI策略庫。

4 自適應(yīng)智能模型庫建設(shè)

人工智能賦能離不開智能算法和模型的開發(fā)，針對具體應(yīng)用，構(gòu)建相應(yīng)的算法模型庫是前提和基礎(chǔ)。與人類認(rèn)知世界的過程類似，人工智能主要解決類別、聯(lián)系兩類，涵蓋分類、聚類、推演、關(guān)聯(lián)四個方面的問題，按照模型訓(xùn)練方式不同分為監(jiān)督學(xué)習(xí)，無監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)四種。但是，針對不同場景的AI應(yīng)用，究竟哪種類型的算法模型最適合，針對同一場景應(yīng)用，算法模型效果究竟隨外部環(huán)境如何變化，尚沒有統(tǒng)一的標(biāo)準(zhǔn)和結(jié)論。針對應(yīng)用場景，構(gòu)建具有自適應(yīng)能力的AI算法模型庫可以有效解決這一問題。

人工智能賦能城市交通精細(xì)化管理的優(yōu)勢，可以歸納為主動發(fā)現(xiàn)、自動識別、科學(xué)診斷，智能解決、反饋優(yōu)化等幾個方面。根據(jù)具體業(yè)務(wù)需求，可以相應(yīng)構(gòu)建出狀態(tài)智能提取、模式智能識別、跳變智能檢測、態(tài)勢智能診斷、智能協(xié)同優(yōu)化、效能均衡調(diào)控、時空信息聚合、融合策略等系列算法模型集，并拓展神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、模糊邏輯、決策樹等各類各種機(jī)器學(xué)習(xí)算法，組成具有針對性的智能算法模型庫。對具體AI應(yīng)用場景，通過算法輸入、模型參數(shù)、映射修正標(biāo)定，逐一驗證各種算法模型在不同環(huán)境中的實際效果，給出具有針對性的標(biāo)準(zhǔn)結(jié)論、比選與組合策略，完成自適應(yīng)智能模型庫建設(shè)，切實提升AI算法模型在實際應(yīng)用中的準(zhǔn)確性和魯棒性。

5 結(jié) 語

綜上，未來人工智能技術(shù)進(jìn)一步突破，將不斷催生新產(chǎn)業(yè)、新業(yè)態(tài)、新模式的創(chuàng)新，成為新一輪科技革命和產(chǎn)業(yè)變革的核心驅(qū)動力量，并對智慧交通的決策管理和服務(wù)，乃至思維方式產(chǎn)生前所未有的深刻影響。但是，從以上全息動態(tài)感知與融合、大數(shù)據(jù)精細(xì)建管、業(yè)務(wù)精準(zhǔn)切入、自適應(yīng)智能模型庫建設(shè)四個方面存在內(nèi)外部困難和發(fā)展現(xiàn)狀來看，人工智能賦能城市交通精細(xì)化管理尚有很多工作和準(zhǔn)備，任重而道遠(yuǎn)。