罗 山

(攀枝花学院交通与汽车工程学院，四川 攀枝花 617000)

0 引言

随着我国汽车工业的高速发展，车辆的急剧增加与道路建设的不足导致交通问题日益严重，已经成为束缚社会进步和经济发展的桎梏，迫切需要更加智能化、信息化的交通理念出现，交通系统智能化已成为解决此问题的有效途径。

随着智能算法和计算机技术的高速发展，人工智能已被广泛关注和应用。使用人工智能中的深度学习和机器视觉等技术，对交通大数据进行分析和建模，辅助或替代人工来做出分析、判断和决策。人工智能作为智能交通的核心技术，对于推动智能交通的技术进步，实现交通智能化、信息化有着非常重要的意义。

1 人工智能概述

人工智能[1]是指以人类智能相关理论的研究为依据，进行相关理论的模拟、延伸和扩张的一种技术，人工智能也称机器智能。它是由计算机科学、统计学、信息论、语言科学等多种学科相互融合和发展而来，主要由智能感知、精确性计算和智能反馈控制三个环节组成，目的是体现感知、思考和行动三个层层递进的特征。智能感知就是要使计算机能听会看，精确性计算就是实现自我学习、逻辑判断和高效决策，智能反馈控制主要是实现人机、机物的互动。

2 人工智能在智能交通中的应用

2.1 智能交通管理

1) 恶性事故预警。人工智能作为在复杂场景中行车时对事故隐患实时监测和快速预警的技术保障，在复杂场景中，一旦出现事故，管理后台应立即进行预警，而事故预警系统在路网中还存在空白，应用前景广阔。

2) 交管窗口服务。在车管所等交管服务窗口安装智能机器人，集成身份认证、业务办理等功能，避免办理人员排队等候，节省人力财力，提高办事效率。

3) 交管信息交互。人工驾驶和自动驾驶都需要精确获知交通管理信息，车路协同和车车协调也需对交通场景中的目标及行为进行智能识别与信息交互，人工智能将为实现高效的信息交互提供有力的技术支撑。

4) 车辆源头管理。车联网技术作为实现智能交通的解决方案之一，利用人工智能技术通过车联网平台采集车辆的位置、速度、轨迹等信息，有针对性地加强车辆源头管理。

5) 交通流量预测。通过对交通流数据挖掘，利用深度学习对交通流大数据进行训练，并在训练过程中对深度自动编码器模型不断的调整，最后利用调整后的深度自动编码器模型对交通流进行预测，实现有效地预测交通拥堵状况，从而引导车辆选择合理出行路线。

2.2 智能交通控制

1) 交通信号控制[2]。目前交通信号控制算法的实时性和自适应性还较弱，利用人工智能技术的交通信号控制系统能够实现交通状况自适应实时地转换，通过人工智能和交通控制理论融合应用，可优化道路网络中的交通流量及信号控制方案。

2) 交通流量调控。对于通行条件相对复杂的道路，特别是存在瓶颈区的高速公路和快速路，利用人工智能技术全面感知路网中各节点和路段的交通流量，实时调节流量分布，加大高速公路节点汇聚区、长隧道、特大桥、出入口等特殊区域行车控制。

2.3 交通执法

1) 交通违法取证。行人不遵守交通规则、驾驶员的不良驾驶行为和交通违法行为交织在一起，取证困难，利用智能视频监控系统可实现交通行为监控，为判定违法责任取证提供依据。

2) 路面移动执法。将基于人工智能的“移动式执法机器人”应用于高速公路执法中，可减少人力物力的投入，避免人工执法中人为因素造成执法不严或不公的问题，改善执法效果，提高执法效率。

3) 人车特征融合。应用人工智能、车联网等技术，通过车辆卡口监控系统，获取人车特征信息，刻画出人车轨迹，实现人车特征深度融合。

4) 闯红灯检测。基于机器视觉技术的闯红灯检测系统，通过单目多检测面的高清摄像机得到大量有用的车辆行为信息，再通过人工智能算法进行数据分析，提取出车牌号，存储在数据库中，实现更快更精准地记录闯红灯违章车辆，将违章车辆的信息传输到交警管理部门。

5) 交通事件检测。对于违规变道、逆向行驶、违章停车等常见的违规事件，采用先进的机器视觉技术和动态行为检测技术，能够准确实时地检测出逆向行驶、违规变道、违章停车、拥堵、行人等交通事件，从而快速分析并锁定违规车辆，记录违规车辆信息。

2.4 交通安全

1) 路口安全行车。针对行人、非机动车和摩托车在路口不遵守交通规则导致事故时常发生等问题，采用基于全方位视觉的安全行车监控系统，应用人脸识别技术曝光违法人员，以实现路口安全行车。

2) 危险路段行车。在急弯、长下坡等危险路段行车或道路前方出现突发事件，发生事故的风险很大。通过人工智能与机器视觉技术对道路风险进行监测预警，实现车路协同以降低事故风险。

3) 视觉盲区识别。视觉盲区是汽车固有的缺陷，驾驶人驾车变道时因存在视觉盲区而导致的交通事故时有发生，尤其是大型车最为突出。利用人工智能技术，在车上增加变道控制功能，后视镜随着方向盘的转动而转动，从而实现视觉盲区识别，可主动识别预警行车周边目标的风险。

4) 前向碰撞预警[3]。车辆前向碰撞预警系统对于道路交通事故中频发的追尾事故有着高效的预防作用。基于计算机视觉和传感器等技术的前向碰撞预警系统可实现鲁棒的弯道检测、车辆精确检测以及车距测量，还可在弯道处能准确的区分本车道车辆与其它车道的车辆，避免发生虚假预警。

5) 道路结冰检测。由于结冰而打滑引发的交通事故不容忽视。基于模式识别技术，由结冰传感器、温度传感器和图像传感器等多种智能传感器构成的道路结冰检测系统能准确全面地检测结冰严重程度，可以在线提供路面状况信息，减少事故发生。

2.5 道路养护[4]

1) 道路裂缝检测。利用人工目测进行裂缝检测，存在效率低、需要较多的人力和物力、影响道路交通等缺陷。而利用机器视觉技术进行道路标线损坏检测并结合 GPS 数据实现损坏准确定位，进而进行局部维护，不仅可降低维护成本，提高维护效率，还能弥补人工检测的一些缺陷。

2) 破损道路施工。当道路破损需要紧急修补时，施工作业会影响到周围地区交通网络的运行，所以选择最优的施工时间尤为重要。通过人工智能技术早期预测施工附近的道路产生的影响，自动选择破损道路的施工时间，以提前通知驾驶员避开该区域，最大化地减少对交通的影响。

3 结束语

本文结合人工智能的发展及其涉及的核心技术，对人工智能在智能交通领域的应用进行了浅析与探讨，为智能交通的发展及研究方向提供一定指引。随着研究的深入和技术的进步，将会实现智能化交通疏导和综合运行协调指挥，建成覆盖地面、轨道、低空和海上的智能交通管理和服务系统，获得“安全有序畅通+高效和谐文明”的交通环境。