淺析人工智能核心技術(shù)在交通領(lǐng)域的應(yīng)用

陸清煬

【摘要】? ? “人工智能”一詞最初在美國(guó)達(dá)特茅斯大學(xué)被創(chuàng)造，其愿景是創(chuàng)造出可以模擬甚至替代人類智力的機(jī)器。自從人工智能誕生以來(lái)，歷代學(xué)者對(duì)人工智能的探究逐漸加深，從最初的專家系統(tǒng)到計(jì)算機(jī)視覺，再到近十年來(lái)的深度學(xué)習(xí)，各項(xiàng)技術(shù)逐漸從實(shí)驗(yàn)室中的科學(xué)研究，走向了產(chǎn)業(yè)化應(yīng)用階段。本文專注于人工智能各項(xiàng)技術(shù)在交通領(lǐng)域的應(yīng)用，首選概述了人工智能的發(fā)展歷程，并對(duì)國(guó)內(nèi)該領(lǐng)域研究現(xiàn)狀進(jìn)行總結(jié)，又論述了計(jì)算機(jī)視覺、大數(shù)據(jù)和云計(jì)算技術(shù)，并分別總結(jié)出上述技術(shù)與交通領(lǐng)域應(yīng)用場(chǎng)景的結(jié)合，包括計(jì)算機(jī)視覺在無(wú)人駕駛中的應(yīng)用、大數(shù)據(jù)在智慧交通中的應(yīng)用、云計(jì)算在交通路網(wǎng)最短路徑規(guī)劃中的應(yīng)用，在此基礎(chǔ)上分析出人工智能技術(shù)在交通領(lǐng)域的廣闊應(yīng)用前景。

【關(guān)鍵詞】? ? 計(jì)算機(jī)視覺? ? 大數(shù)據(jù)? ? 云計(jì)算? ? 交通

引言

當(dāng)科技不斷融入我們的生活，人工智能開始崛起，運(yùn)用到了各個(gè)方面的領(lǐng)域之中。人工智能在交通領(lǐng)域的應(yīng)用—無(wú)人駕駛開始嶄露頭角。

在2020年9月15日召開的百度線上發(fā)布會(huì)中，地圖事業(yè)部副總裁季永志向我們展示了人工智能地圖賦能交通強(qiáng)國(guó)建設(shè)的階段性成果。分析了打造智能交通數(shù)字化基礎(chǔ)建設(shè)的三個(gè)方面—智能交通、智能停車、智能物流以及現(xiàn)階段的智能百度地圖。展現(xiàn)了人工智能在交通領(lǐng)域應(yīng)用的發(fā)展?jié)摿?。而在隨后的第三屆世界人工智能大會(huì)上，百度CEO李彥宏表示人工智能（AI）會(huì)改變現(xiàn)在的每一個(gè)行業(yè)，而AI在無(wú)人駕駛的領(lǐng)域正在證明其顛覆和重構(gòu)潛力。

目前，無(wú)數(shù)走在科技前沿的人對(duì)于人工智能有著巨大的肯定與信心，相信它會(huì)改變我們的世界。人工智能在交通領(lǐng)域的應(yīng)用，具有場(chǎng)景豐富、落地成熟等優(yōu)勢(shì)，有必要進(jìn)行詳細(xì)論述和分析。

一、人工智能概述

1.1人工智能發(fā)展歷程

上世紀(jì)四五十年代，人類發(fā)明了計(jì)算機(jī)，便開始探索如何讓計(jì)算機(jī)代替人類進(jìn)行部分腦力活動(dòng)。1956年，在達(dá)特茅斯會(huì)議上，“人工智能”的概念開始出現(xiàn)，而后Donald Hebb首次提出了人工神經(jīng)網(wǎng)絡(luò)的概念。通過(guò)算法來(lái)模擬人類的神經(jīng)網(wǎng)絡(luò)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(guó)際人工智能會(huì)議的召開，人工智能才正式被世界承認(rèn)。

七十到九十年代，人工智能進(jìn)入發(fā)展階段，實(shí)現(xiàn)了從理論走向應(yīng)用。1975年，斯坦福大學(xué)推出科學(xué)推理程序;1974年，Pual Werbos提出BP算法;1980年美國(guó)召開的第一屆機(jī)器人學(xué)習(xí)國(guó)際研討會(huì)，代表了機(jī)器人的興起。從此之后，機(jī)器人發(fā)展迅速，取得了豐碩成果。1997年，IBM在國(guó)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(xué)習(xí)的研究興起。人工智能在各個(gè)行業(yè)得到了廣泛應(yīng)用，其各項(xiàng)水平甚至超越了人類。2016年，谷歌開發(fā)的AlphaGo程序，在圍棋方面戰(zhàn)勝了世界頂尖的選手。自此深度學(xué)習(xí)也被學(xué)界認(rèn)可。

現(xiàn)如今，正是人工智能發(fā)展的第三次高潮，以深度學(xué)習(xí)、計(jì)算機(jī)視覺、大數(shù)據(jù)和云計(jì)算為代表的人工智能核心技術(shù)，正在逐漸從科學(xué)研究走向產(chǎn)業(yè)化應(yīng)用的層面，人工智能所帶來(lái)的工業(yè)革命正把我們帶到一個(gè)嶄新的“未來(lái)世界”。

二、人工智能核心技術(shù)

2.1 計(jì)算機(jī)視覺

近幾年來(lái)，隨著人工智能技術(shù)的發(fā)展，它們正逐步進(jìn)入我們的生活，計(jì)算機(jī)的視覺技術(shù)也有了很大的發(fā)展。計(jì)算機(jī)視覺技術(shù)被分為“視覺感知”和“視覺與語(yǔ)言”在視覺感知中，計(jì)算機(jī)通過(guò)物體的大類識(shí)別和細(xì)粒度視覺分類來(lái)識(shí)別物體。由于深度學(xué)習(xí)技術(shù)的引入，計(jì)算機(jī)對(duì)于物體大類識(shí)別的準(zhǔn)確率大大提升。

而對(duì)于細(xì)粒度視覺分類，它通過(guò)圖像整體信息并結(jié)合特定區(qū)域的特征信息進(jìn)而判斷圖像。第二點(diǎn)是關(guān)于計(jì)算機(jī)的目標(biāo)檢測(cè)，它運(yùn)用算法定位目標(biāo)在圖中的準(zhǔn)確位置，并給出準(zhǔn)確目標(biāo)信息，是諸多細(xì)粒度分支任務(wù)中的一個(gè)。除了以上兩個(gè)基礎(chǔ)任務(wù)外，還有許多計(jì)算機(jī)視覺理解的任務(wù)，旨在進(jìn)一步分析理解圖像。計(jì)算機(jī)需要將圖像轉(zhuǎn)換、分割，從而達(dá)到理解的目的。

2.2 大數(shù)據(jù)

大數(shù)據(jù)指的是海量數(shù)據(jù)，我們需要專業(yè)的數(shù)據(jù)處理軟件，實(shí)現(xiàn)數(shù)據(jù)的利用價(jià)值，使其更加有效率，實(shí)現(xiàn)各個(gè)單位的良好運(yùn)贏。

大數(shù)據(jù)有著許多特點(diǎn)：

（1）大量化，數(shù)據(jù)顯示出爆炸式的增長(zhǎng)，近兩年數(shù)據(jù)的增長(zhǎng)量就達(dá)到了以前產(chǎn)生數(shù)據(jù)的總和;

（2）快速化，大數(shù)據(jù)時(shí)代，人們開始主動(dòng)創(chuàng)造數(shù)據(jù)，數(shù)據(jù)產(chǎn)生到利用的時(shí)間大幅減少，從而縮減了生產(chǎn)決策的時(shí)間;

（3）多樣化，新型數(shù)據(jù)源的產(chǎn)生，是數(shù)據(jù)結(jié)構(gòu)發(fā)生變化，結(jié)構(gòu)、格式多樣，使用的標(biāo)準(zhǔn)也具有了多樣性，因此我們需要更加智能化的信息技術(shù)來(lái)處理信息;

（4）價(jià)值化，數(shù)據(jù)十分海量，從而導(dǎo)致其價(jià)值密度減小，我們要在海量數(shù)據(jù)中提取有價(jià)值的數(shù)據(jù)，實(shí)現(xiàn)數(shù)據(jù)價(jià)值化，這也成為了大數(shù)據(jù)未來(lái)發(fā)展面對(duì)的重大挑戰(zhàn)。

大數(shù)據(jù)技術(shù)可以處理P8級(jí)別的數(shù)據(jù)，可滿足數(shù)據(jù)爆發(fā)式的增長(zhǎng)，它可以適應(yīng)各數(shù)據(jù)結(jié)構(gòu)、格式上的不同，實(shí)現(xiàn)實(shí)時(shí)處理。目前為止，許多網(wǎng)絡(luò)平臺(tái)開始運(yùn)用大數(shù)據(jù)技術(shù)，企業(yè)研發(fā)大數(shù)據(jù)技術(shù)，應(yīng)用到企業(yè)管理之中，大大提高了管理和生產(chǎn)效率。

2.3 云計(jì)算

簡(jiǎn)單來(lái)說(shuō)，云計(jì)算的核心是一種分布式處理與運(yùn)算方法，但其主體不是我們常見的計(jì)算機(jī)，而是網(wǎng)絡(luò)?！霸朴?jì)算”是一種統(tǒng)一調(diào)配與管理大量網(wǎng)絡(luò)連接的計(jì)算資源，并將原本復(fù)雜且龐大的計(jì)算拆開重組，分散到不同的服務(wù)器系統(tǒng)進(jìn)行處理與分析，最后將得到的結(jié)果進(jìn)行整合的一種計(jì)算方法。

云計(jì)算具有如下特征：

（1）規(guī)模龐大，大量服務(wù)器疊加前所未有的計(jì)算能力。

（2）虛擬化，“云”并不是實(shí)體，而是由網(wǎng)絡(luò)組成的“云端”，沒有物理界限的限制，可隨時(shí)獲取服務(wù)。

（3）高可用性，云計(jì)算具有優(yōu)異的保障措施。

（4）通用性，“云”可以適用于各種各樣的應(yīng)用場(chǎng)景。

（5）動(dòng)態(tài)的可擴(kuò)展性，“云”使用戶可以隨時(shí)隨地根據(jù)需求增減IT資源，如服務(wù)器算力。

（6）按需服務(wù)，“云”是資源，如同水電煤一般，是新時(shí)期的“基礎(chǔ)設(shè)施”。

三、人工智能技術(shù)在交通領(lǐng)域的應(yīng)用

3.1 計(jì)算機(jī)視覺在交通領(lǐng)域的應(yīng)用

計(jì)算機(jī)視覺技術(shù)在交通領(lǐng)域的應(yīng)用場(chǎng)景主要為無(wú)人駕駛領(lǐng)域。在無(wú)人駕駛領(lǐng)域，計(jì)算機(jī)視覺相當(dāng)于車輛的“眼睛”，通過(guò)攝像頭采集圖像，進(jìn)而提取有用信息、過(guò)濾無(wú)用信息，為自動(dòng)行駛的車輛提供環(huán)境感知功能。具體功能包括：車道線檢測(cè)、交通標(biāo)示識(shí)別、行人檢測(cè)等。以車道線檢測(cè)為例，激光雷達(dá)等傳統(tǒng)的車輛感知元器件并不能檢測(cè)車道線，只能通過(guò)攝像頭進(jìn)行感知，現(xiàn)階段主流算法為基于特征的車道線檢測(cè)和基于模型的車道線檢測(cè)，由于基于特征的車道線檢測(cè)對(duì)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(huì)對(duì)檢測(cè)結(jié)果產(chǎn)生較大影響，因此基于模型的車道線檢測(cè)更具有應(yīng)用價(jià)值。

而基于特征的檢測(cè)方法更適用于交通指示牌檢測(cè)，交通指示牌輪廓清晰，色彩辨識(shí)度高且常用文字注釋，有更為突出的特征。在檢測(cè)到交通指示牌后，仍需對(duì)內(nèi)容進(jìn)行識(shí)別，獲取指示牌上的道路交通信息，常見的方法為卷積神經(jīng)網(wǎng)絡(luò)算法和SVM分類算法。此外，計(jì)算機(jī)視覺應(yīng)用在無(wú)人駕駛領(lǐng)域，還要考慮光線過(guò)強(qiáng)或過(guò)弱、霧霾等特殊天氣等場(chǎng)景下的可靠性，避免道路環(huán)境惡劣的情況下自動(dòng)駕駛車輛造成的路面隱患。

3.2 大數(shù)據(jù)在交通領(lǐng)域的應(yīng)用

大數(shù)據(jù)在交通領(lǐng)域的主要應(yīng)用場(chǎng)景是智慧交通?，F(xiàn)如今，隨著車輛擁有者的數(shù)量逐漸攀升，城市交通的壓力越來(lái)越大，而基于大數(shù)據(jù)的智慧交通系統(tǒng)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(yīng)用平臺(tái)和預(yù)測(cè)與優(yōu)化系統(tǒng)。其中感知層負(fù)責(zé)收集交通信息，即交通大數(shù)據(jù)，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(shí)現(xiàn)信息采集，在軟件層面，智慧交通系統(tǒng)可獲取手機(jī)等移動(dòng)終端的位置信息，實(shí)現(xiàn)路面擁堵狀況的實(shí)時(shí)監(jiān)測(cè)。軟件應(yīng)用平臺(tái)將感知層采集到的大數(shù)據(jù)進(jìn)行整合和轉(zhuǎn)換，為進(jìn)一步的預(yù)測(cè)和優(yōu)化做好支撐。

而預(yù)測(cè)與優(yōu)化系統(tǒng)要挖掘出交通大數(shù)據(jù)的價(jià)值，進(jìn)而對(duì)交通做出實(shí)時(shí)控制，包括車流控制、智能誘導(dǎo)、事故緊急處理、停車位規(guī)劃等，使得城市交通保持最優(yōu)化的運(yùn)轉(zhuǎn)狀態(tài)并對(duì)交通事故做出快速反應(yīng)。

3.3 云計(jì)算在交通領(lǐng)域的應(yīng)用

交通路網(wǎng)最短路徑規(guī)劃是云計(jì)算在交通領(lǐng)域的典型應(yīng)用場(chǎng)景。路徑規(guī)劃是一個(gè)典型的運(yùn)籌學(xué)問題，在交通領(lǐng)域主要包含出租車調(diào)配、專車接送調(diào)配以及貨運(yùn)路線規(guī)劃。在進(jìn)行大規(guī)模道路網(wǎng)絡(luò)最優(yōu)規(guī)劃時(shí)，需要較大的算力支撐，此時(shí)云計(jì)算可充分調(diào)用云端服務(wù)器，進(jìn)行分布式并行運(yùn)算。MapReduce作為一種并行編程模型框架，可滿足跨省路徑規(guī)劃的計(jì)算要求，具有較高的準(zhǔn)確度。此外，在交通管理方面，云計(jì)算可應(yīng)用于交管系統(tǒng)構(gòu)建和道路違章管理，利用其分布式計(jì)算的優(yōu)勢(shì)，節(jié)約交通部門的算力投入，提升管理系統(tǒng)的運(yùn)算能力和時(shí)間節(jié)省度。

四、結(jié)論

人工智能技術(shù)經(jīng)歷了近七十年的發(fā)展歷程后，涌現(xiàn)出許多創(chuàng)造性的技術(shù)，從最初的專家系統(tǒng)到計(jì)算機(jī)視覺，現(xiàn)如今演進(jìn)到深度學(xué)習(xí)、大數(shù)據(jù)、云計(jì)算等。隨著科學(xué)研究涌現(xiàn)出一個(gè)又一個(gè)創(chuàng)舉，人工智能的產(chǎn)業(yè)化成為現(xiàn)如今的熱點(diǎn)。人工智能在交通領(lǐng)域有著廣泛的應(yīng)用，本文探究了計(jì)算機(jī)視覺、大數(shù)據(jù)和云計(jì)算三項(xiàng)技術(shù)在交通領(lǐng)域的應(yīng)用場(chǎng)景。計(jì)算機(jī)視覺是無(wú)人駕駛的核心技術(shù)，包括基于特征和基于模型兩類算法，可實(shí)現(xiàn)車道線和交通標(biāo)識(shí)的檢測(cè)和識(shí)別。大數(shù)據(jù)主要應(yīng)用于智慧交通，通過(guò)感知層采集交通大數(shù)據(jù)，通過(guò)軟件應(yīng)用平臺(tái)進(jìn)行數(shù)據(jù)的整理和分類，進(jìn)而對(duì)城市交通進(jìn)行預(yù)測(cè)和優(yōu)化。

云計(jì)算具有分布式運(yùn)算的特征，可應(yīng)用于交通路網(wǎng)最短路徑規(guī)劃、交管系統(tǒng)構(gòu)建和道路違章管理等場(chǎng)景，為交通行業(yè)提供大量的計(jì)算資源。人工智能在交通領(lǐng)域的應(yīng)用仍存在許多問題，如無(wú)人駕駛領(lǐng)域的安全性和可靠性，以及智慧交通領(lǐng)域的數(shù)據(jù)泄露隱患等。

參? 考? 文? 獻(xiàn)

[1]? 李躍勇.大數(shù)據(jù)技術(shù)理論及其應(yīng)用實(shí)踐探索[J].計(jì)算機(jī)產(chǎn)品與流通，2020（11）：211.

[2]? 姜國(guó)睿，陳暉，王姝歆.人工智能的發(fā)展歷程與研究初探[J].計(jì)算機(jī)時(shí)代，2020（09）：7-10+16.

[3]? 范志遠(yuǎn)，崔田田，王青松.計(jì)算機(jī)視覺在無(wú)人駕駛領(lǐng)域的應(yīng)用[J].數(shù)碼世界，2020（05）：2.

[4]? 余京蕾.淺談?dòng)?jì)算機(jī)視覺技術(shù)進(jìn)展及其新興應(yīng)用[J].北京聯(lián)合大學(xué)學(xué)報(bào)，2020，34（01）：63-69.

[5]? 向陽(yáng).駛向未來(lái)的無(wú)人駕駛汽車[J].科學(xué)24小時(shí)，2016（05）：4-5.

[6]? 蘇子毅，顧懷中. 云計(jì)算技術(shù)在智能交通管理中的應(yīng)用探討[A]. 中國(guó)智能交通協(xié)會(huì).第八屆中國(guó)智能交通年會(huì)優(yōu)秀論文集——智能交通與安全[C].中國(guó)智能交通協(xié)會(huì)：中國(guó)智能交通協(xié)會(huì)，2013：7.

[7]? 倪琴，許麗.云計(jì)算技術(shù)在智能交通系統(tǒng)中的應(yīng)用研究[J].交通與運(yùn)輸（學(xué)術(shù)版），2012（01）：106-109.