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。”他可能不知道,這份“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。快速、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,AI究竟如何讓城市交通系統(tǒng)變智慧從而解決擁堵問題?AI已經(jīng)在哪些城市落地?當前面臨哪些挑戰(zhàn)?
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?,這份“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。
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多個路口都將接入到智慧交通系統(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“人臉”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AI建立“感知+識別+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(yīng)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(yīng)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(yīng)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。
AI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AI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(yīng)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(yīng)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(yīng)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(yīng)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(wù)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(yīng)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(zāi)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(wù),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(yīng)復雜的行業(yè)應(yīng)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。
掃一掃在手機上閱讀本文章