在智能交通行業(yè)“井噴”以及各大挑戰的共同作用下，政策支持也在醞釀之中。據了解今年以來(lái)，發(fā)改委基礎司頻繁調研智能交通，具體內容涉及不停車(chē)收費系統(ETC)、北斗系統交通行業(yè)應用、集裝箱鐵水聯(lián)運信息化等多個(gè)方面。而不久前，國家發(fā)改委基礎司副司長(cháng)鄭劍赴杭州開(kāi)展綜合交通樞紐建設和智能交通發(fā)展專(zhuān)題調研，預示著(zhù)政策層面對智能交通的關(guān)注度日益提高。
隨著(zhù)交通卡口的大規模聯(lián)網(wǎng)，匯集了海量車(chē)輛通行記錄信息，利用人工智能技術(shù)，可實(shí)時(shí)分析城市交通流量，調整紅綠燈間隔，縮短車(chē)輛等待時(shí)間等舉措，提升城市道路的通行效率。
城市級的人工智能大腦，實(shí)時(shí)掌握著(zhù)城市道路上通行車(chē)輛的軌跡信息，停車(chē)場(chǎng)的車(chē)輛信息以及小區的停車(chē)信息，能提前半個(gè)小時(shí)預測交通流量變化和停車(chē)位數量變化，合理調配資源、疏導交通，實(shí)現機場(chǎng)、火車(chē)站、汽車(chē)站、商圈的大規模交通聯(lián)動(dòng)調度，提升整個(gè)城市的運行效率，為居民的出行暢通提供保障。
車(chē)牌識別是人工智能應用最理想的領(lǐng)域
目前在智能交通領(lǐng)域，人工智能分析及深度學(xué)習比較成熟的應用技術(shù)以車(chē)牌識別算法最為理想，雖然目前很多廠(chǎng)商都宣稱(chēng)自己的車(chē)牌識別率已經(jīng)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(lái)達到的。在針對很多簡(jiǎn)易卡口和卡口圖片進(jìn)行車(chē)牌定位識別時(shí)，較好的車(chē)牌識別也很難達到90%。不過(guò)隨著(zhù)采用人工智能、深度學(xué)習的應用，這一情況將會(huì )得到很大的改善。
在傳統的圖像處理和機器學(xué)習算法研發(fā)中，很多特征都是人為制定的，比如hog、sift特征，在目標檢測和特征匹配中占有重要的地位，安防領(lǐng)域中的很多具體算法所使用的特征大多是這兩種特征的變種。人為設計特征和機器學(xué)習算法，從以往的經(jīng)驗來(lái)看，由于理論分析的難度大，訓練方法又需要很多經(jīng)驗和技巧，一般需要5到10年的時(shí)間才會(huì )有一次突破性的發(fā)展，而且對算法工程師的知識要求也一直在提高。深度學(xué)習則不然，在進(jìn)行圖像檢測和識別時(shí)，無(wú)需人為設定具體的特征，只需要準備好足夠多的圖進(jìn)行訓練即可，通過(guò)逐層的迭代就可以獲得較好的結果。從目前的應用情況來(lái)看，只要加入新數據，并且有充足的時(shí)間和計算資源，隨著(zhù)深度學(xué)習網(wǎng)絡(luò )層次的增加，識別率就會(huì )相應提升，比傳統方法表現更好。
另外在車(chē)輛顏色、車(chē)輛廠(chǎng)商標志識別、無(wú)牌車(chē)檢測、非機動(dòng)車(chē)檢測與分類(lèi)、車(chē)頭車(chē)尾判斷、車(chē)輛檢索、人臉識別等相關(guān)的技術(shù)方面也比較成熟。
車(chē)牌顏色識別
在車(chē)輛顏色識別方面，基本上克服了由于光照條件變化、相機硬件誤差所帶來(lái)的顏色不穩定、過(guò)曝光等一系列問(wèn)題，因此解決了圖像顏色變化導致的識別錯誤問(wèn)題，卡口車(chē)輛顏色識別率從80%提升到85%，電警車(chē)輛主顏色識別率到從75%提升到80%以上。
車(chē)輛廠(chǎng)商標志識別
在車(chē)輛廠(chǎng)商標志識別方面，使用傳統的HOG、LBP、SIFT、SURF等特征，采用SVM機器學(xué)習技術(shù)訓練一個(gè)多級聯(lián)的分類(lèi)器來(lái)識別廠(chǎng)商標志很容易出現誤判，采用大數據加深度學(xué)習技術(shù)后，車(chē)輛車(chē)標的過(guò)曝光或者車(chē)標被人為去掉等引起的局部特征會(huì )隨之消失，其識別率可以從89%提升到93%以上。
車(chē)輛檢索
在車(chē)輛檢索方面，車(chē)輛的圖片在不同場(chǎng)景下會(huì )出現曝光過(guò)度或者曝光不足，或者車(chē)輛的尺度發(fā)生很大變化，導致傳統方法提取的特征會(huì )發(fā)生變化，因此檢索率很不穩定。深度學(xué)習能夠很好地獲取較為較穩定的特征，搜索的相似目標更精確，Top5的搜索率在95%以上。在人臉識別項目中，由于光線(xiàn)、姿態(tài)和表情等因素引起人臉變化，目前很多應用都是固定場(chǎng)景、固定姿態(tài)，采用深度學(xué)習算法后，不僅固定場(chǎng)景的人臉識別率從89%提升到99%，而且對姿態(tài)和光線(xiàn)也有了一定的放松。
交通信號系統
傳統的交通燈使用默認時(shí)間轉換燈色，雖然轉換燈色的時(shí)間會(huì )根據數據每幾年更新一次，但是隨著(zhù)交通模式發(fā)展，傳統系統很快就會(huì )過(guò)時(shí)。而人工智能驅動(dòng)的智能交通信號系統則以雷達傳感器和攝像頭監控交通狀況，然后利用先進(jìn)的人工智能算法決定燈色轉換時(shí)間，通過(guò)人工智能和交通控制理論融合應用，優(yōu)化了城市道路網(wǎng)絡(luò )中的交通流量。
警用機器人
人工智能的警用機器人將取代交通警察，實(shí)現公路交通安全的全方位監控、全天候巡邏、立體化監管。
大數據分析
人工智能算法可以根據城市民眾的出行偏好、生活、消費習慣等方式，分析出城市人流、車(chē)流的遷移與城市建設及公眾資源的數據?；谶@些大數據的分析結果，為政府決策部門(mén)進(jìn)行城市規劃，特別是為公共交通設施的基礎建設提供指導和借鑒。
無(wú)人駕駛和汽車(chē)輔助駕駛
非常重要的一個(gè)技術(shù)點(diǎn)就是圖象識別，通過(guò)圖像識別前方車(chē)輛、行人、障礙物、道路以及交通信號燈和交通標識，這項技術(shù)的落地應用將給人類(lèi)帶來(lái)前所未有的出行體驗，重塑交通體系，并構建真正的智能交通時(shí)代。
公路交通安全防控體系涉及的核心技術(shù)是交通行為監測、交通安全研判、交通風(fēng)險預警、交通違法執法，而這些技術(shù)現已與人工智能融為一體。實(shí)現公路交通運行狀態(tài)“看得見(jiàn)”、車(chē)輛通行軌跡“摸得透”、重點(diǎn)違法行為“抓得住”、安全隱患事件“消得了”、路面協(xié)作聯(lián)動(dòng)“響應快”、交通信息應用“服務(wù)優(yōu)”等目標，都離不開(kāi)人工智能技術(shù)。
