張璞凡 申振強(qiáng) 馮科榜

摘? ?要：隨著人口的快速增長，交通問題變得越來越嚴(yán)重。為優(yōu)化城市交通，設(shè)計(jì)并實(shí)現(xiàn)了路訊通智能交通管理系統(tǒng)。文章介紹了智能交通管理的核心技術(shù)研發(fā)，在此基礎(chǔ)上采用模式創(chuàng)新，通過AI人工智能、路網(wǎng)狀態(tài)檢測、交通擁堵溯源以及智能輔助決策來實(shí)現(xiàn)。采用深度學(xué)習(xí)技術(shù)，在道路口進(jìn)行實(shí)時(shí)檢測。環(huán)境創(chuàng)新與5G時(shí)代無縫銜接，能夠在新型智慧城市規(guī)劃的發(fā)展浪潮中完美形成全新交通發(fā)展生態(tài)鏈，從而緩解交通壓力。

關(guān)鍵詞：智能交通;深度學(xué)習(xí);人工智能;交通管理

路迅通智能交通協(xié)助管理系統(tǒng)是使用人工智能Image Recognition Technology（圖像識別技術(shù)），基于現(xiàn)有通用的ATMS（交通管理系統(tǒng)）、Intelligent Traffic System（智能交通系統(tǒng)），通過機(jī)器學(xué)習(xí)、深度學(xué)習(xí)以及大量數(shù)據(jù)模型、各方面自動(dòng)生成的模擬情況演練，對檢測目標(biāo)進(jìn)行數(shù)據(jù)分析、信息速遞到智能決策等?？蓱?yīng)用于交通服務(wù)與運(yùn)輸管理。在實(shí)際運(yùn)用上，通過監(jiān)測過程的機(jī)器學(xué)習(xí)模型、信息處理等子系統(tǒng)，向交管部門、駕駛員等多個(gè)信息終端提供對道路交通實(shí)施疏導(dǎo)、引導(dǎo)駕駛信息、提升交通運(yùn)輸速率和突發(fā)狀況解決建議的功能。

1? ? 智能交通系統(tǒng)發(fā)展現(xiàn)狀

當(dāng)前，我國大部分城市處于城鎮(zhèn)化階段，私家車數(shù)量激增，城市交通問題日益復(fù)雜，交通和環(huán)境問題開始被人們重視。為緩解城市交通擁堵，急需針對目前城市交通所存在的問題提出相應(yīng)策略并采取有效措施。城市交通系統(tǒng)是城市運(yùn)輸機(jī)制的重要組成部分，由流量系統(tǒng)、管理系統(tǒng)和道路系統(tǒng)組成，系統(tǒng)結(jié)構(gòu)開放而繁雜。因交通結(jié)構(gòu)由多方面因素組成，其交通流具有自適應(yīng)性、動(dòng)態(tài)、隨機(jī)、非線性等基本特征。交通環(huán)境問題日益復(fù)雜，需從多個(gè)角度規(guī)范交通，而問題主要體現(xiàn)在下列幾點(diǎn)：（1）道路矛盾增多。（2）擁堵狀況嚴(yán)重。（3）交通路網(wǎng)隨機(jī)應(yīng)變能力較弱。我國交通量主要集中在干線道路，主要節(jié)點(diǎn)容易出現(xiàn)堵塞，交通路網(wǎng)隨機(jī)應(yīng)變能力差。（4）城市道路基礎(chǔ)設(shè)施相對不足。（5）城市交通規(guī)劃不合理。在我國大中城市中，瓶頸路、斷頭路、畸形路口較多，路網(wǎng)結(jié)構(gòu)不合理，造成交通擁堵。

2? ? 路迅通技術(shù)研發(fā)

（1）YOLOV3算法對目標(biāo)進(jìn)行檢測，根據(jù)回歸的策略提取特征，被稱為端對端的提取過程，簡潔、快速地在特征層上回歸顯現(xiàn)出類別和邊框，減少了提取邊框的時(shí)間，從而達(dá)到實(shí)時(shí)檢測的前提需求。

（2）路迅通技術(shù)研發(fā)團(tuán)隊(duì)通過收集大量交通路口數(shù)據(jù)、錄像、圖片以及機(jī)器學(xué)習(xí)算法建模、YOLOV3改良版（MK-YOLOV3），檢測道路口大規(guī)模的實(shí)體物體（車、人），精準(zhǔn)評估車流量、人流量。

（3）將實(shí)時(shí)監(jiān)測的人流量和車流量數(shù)據(jù)載入后臺，后臺利用邏輯回歸、時(shí)序預(yù)測等相關(guān)機(jī)器學(xué)習(xí)算法，對各種情況下的當(dāng)先道路擁堵情況作出預(yù)測及處理決策。

（4）在大量的數(shù)據(jù)訓(xùn)練之后，使其達(dá)到新階段的穩(wěn)定性和可擴(kuò)展性，使系統(tǒng)能夠預(yù)測未來一段時(shí)間內(nèi)的道路擁擠狀況和道路擁擠高峰。

3? ? 路迅通智能交通創(chuàng)新點(diǎn)

3.1? 模式創(chuàng)新

3.1.1? AI人工智能

路迅通智能交通協(xié)助管理系統(tǒng)采用AI人工智能學(xué)習(xí)，自我學(xué)習(xí)能力使系統(tǒng)不斷優(yōu)化升級，即每一個(gè)檢測對象都將成為系統(tǒng)優(yōu)化學(xué)習(xí)目標(biāo)，使數(shù)據(jù)庫深度和廣度、運(yùn)營準(zhǔn)確度和效率、速度得到提升。

3.1.2? 交通擁堵溯源

多路口監(jiān)測聯(lián)動(dòng)，通過數(shù)據(jù)庫路網(wǎng)分析，對交通擁堵追蹤溯源，對癥下藥，因地制宜。

3.1.3? 智能輔助決策

路迅通智能交通協(xié)助管理系統(tǒng)在訓(xùn)練中能夠依據(jù)情況推送適當(dāng)?shù)墓芾斫ㄗh，如實(shí)時(shí)調(diào)整交通信號燈、警力調(diào)配預(yù)算、優(yōu)選路線規(guī)劃等。

3.1.4? 交通研判分析

路迅通能夠根據(jù)路口實(shí)時(shí)信息及數(shù)據(jù)庫歷史大數(shù)據(jù)追蹤，預(yù)判擁堵路段信息，自動(dòng)規(guī)劃行駛路線。

3.1.5? 交通大數(shù)據(jù)整合

構(gòu)建數(shù)據(jù)庫，自動(dòng)收集多維交通信息數(shù)據(jù)，構(gòu)建分型數(shù)據(jù)沙盒儲存，運(yùn)用大數(shù)據(jù)體現(xiàn)數(shù)據(jù)價(jià)值。

3.2? 環(huán)境創(chuàng)新

路迅通智能交通協(xié)助管理系統(tǒng)旨在構(gòu)建全新智能信息化交通生態(tài)圈，目標(biāo)在未來5G發(fā)展時(shí)代、路網(wǎng)信息發(fā)達(dá)時(shí)代。一方面，路迅通可在城市車輛過多時(shí)減緩交通擁堵。另一方面，路迅通能夠完美契合時(shí)代發(fā)展潮流，路迅通的AI智能學(xué)習(xí)和路網(wǎng)信息預(yù)判與自動(dòng)駕駛汽車潮流無縫銜接，能夠在自動(dòng)駕駛汽車、新型能源汽車及新型智慧城市規(guī)劃的發(fā)展浪潮中完美形成全新交通發(fā)展生態(tài)鏈。

3.3? 技術(shù)創(chuàng)新

打破傳統(tǒng)。在路況檢測方面，采用了深度學(xué)習(xí)技術(shù)，攝像頭覆蓋整個(gè)路口，實(shí)時(shí)監(jiān)測路口圖像。同時(shí)，使用目前最快、最新的物體檢測算法YOLOV3，對車流量及人流量進(jìn)行實(shí)時(shí)監(jiān)測。這個(gè)擁有輕量級框架的算法可以輕易而廣泛地嵌入到硬件中。

在后臺，同樣采用機(jī)器學(xué)習(xí)技術(shù)，應(yīng)用各個(gè)模型，實(shí)時(shí)分析路口的擁堵指數(shù)（將擁堵指數(shù)分為相應(yīng)等級）。

在上述基礎(chǔ)上，可以橫向擴(kuò)展路迅通的功能，例如：將交通擁堵情況可視化后實(shí)時(shí)反饋給交管部門，方便交管部門工作人員作出決策。整個(gè)系統(tǒng)還可以嵌入汽車中，提醒司機(jī)某個(gè)路口的擁堵情況，向司機(jī)推送行駛最優(yōu)路線。

4? ? 結(jié)語

路迅通智能交通系統(tǒng)極大地優(yōu)化了城市交通問題。文章介紹了一種基于深度學(xué)習(xí)的智能交通協(xié)助管理系統(tǒng)，并且優(yōu)化了YOLOV3算法，使得小目標(biāo)的圖像識別準(zhǔn)確率很高。智能交通與5G時(shí)代汽車無人駕駛無縫銜接，科技在快速進(jìn)步，但汽車無人駕駛也是剛剛起步，這就需要國家和個(gè)人共同努力，使得城市建設(shè)對社會穩(wěn)定和發(fā)展具有決定性和實(shí)質(zhì)性起到推動(dòng)作用。

[參考文獻(xiàn)]

[1]鄭胤，陳權(quán)琦，章毓晉.深度學(xué)習(xí)及其在目標(biāo)和行為識別中的新進(jìn)展[J].中國圖象圖形學(xué)報(bào)，2014（2）：175-184.

[2]周俊宇，趙艷明.卷積神經(jīng)網(wǎng)絡(luò)在圖像分類和目標(biāo)檢測應(yīng)用綜述[J].計(jì)算機(jī)工程與應(yīng)用，2017（13）：34-41.

[3]李林峰.無人駕駛技術(shù)的發(fā)展現(xiàn)狀及制約因素[J].傳播力研究，2018（25）：245.

[4]葛雯，史正偉.改進(jìn)YOLOV3算法在行人識別中的應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用，2019（20）：128-133.

[5]劉彩紅.BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的研究[J].西安工業(yè)大學(xué)學(xué)報(bào)，2012（9）：723-727.

[6]駱京銘.城市智能交通管理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].自動(dòng)化技術(shù)與應(yīng)用，2019（6）：171-175.