張 旭,楊曉光,龐聿皓,李英帥

(1. 重慶交通大學 交通運輸學院,重慶 400074; 2. 同濟大學 道路與交通工程教育部重點實驗室 上海 200092;3. 南京工業(yè)大學 交通運輸工程學院,江蘇 南京 211816)

0 引 言

交通是人、物的傳送以及信息傳輸。在長期的社會生產(chǎn)活動中,人類自發(fā)的實踐出了一套信息交流工具--自然語言。與之相對,在人類交通長期發(fā)展的過程中,也產(chǎn)生了類似的信息傳達方式,筆者把這樣的傳達方式統(tǒng)稱為交通語言。

廣義來看,交通語言是交通信息的載體,任何能向人傳達交通信息的事物都能算作交通語言。

狹義來看,交通語言是一種由人類實踐創(chuàng)造出的符號體系,是向行人、駕駛員等傳遞交通信息的工具,主要體現(xiàn)為道路交通標志(traffic sign)、交通標線(traffic marking)、交通信號燈(traffic light)等。

就狹義語言來說,交通語言不同于自然語言、藝術(shù)語言、肢體語言等,其設計不具備藝術(shù)性。其為一種邏輯嚴密的語言,需要有嚴格的標準和統(tǒng)一的形式來保證其意義的傳達,其面向?qū)ο笙抻诮煌ǔ鲂姓吆徒煌ü芾碚?將交通設施設計者的意圖快速、準確、無歧義地傳達給交通出行者。狹義的交通語言類似計算機語言,邏輯嚴明且不允許設計者參雜過多藝術(shù)性。

1 國內(nèi)外研究現(xiàn)狀

近年來,隨著智能交通的發(fā)展,學者們對交通語言這一概念的研究也在逐漸深入。交通語言是一個綜合的、多交叉的領域,除了本身交通相關的學科之外,還涵蓋眾多其他類型的學科,如心理學、計算機科學、系統(tǒng)學、語言學等。

馬龍[1]最早提出了交通語言這一概念,其粗略地認為交通語言也就是道路語言。交通語言以一種純粹性的語言形式體現(xiàn)交通法規(guī),并向人們傳達道路上的信息。

邵海鵬等[2]早期從符號學角度來認識交通語言,其認為交通語言是一種具有復雜的組合規(guī)則的特殊符號系統(tǒng),是交通法律法規(guī)和交通管理與控制的外在表現(xiàn),同時也是交通系統(tǒng)向駕駛員、行人等提供交通信息的介質(zhì)。邵海鵬等[2]還認為,交通語言系統(tǒng)與交通標志系統(tǒng)相輔相成,交通語言系統(tǒng)為了指導交通標志的標準性與合理性,充分采納運用了交通系統(tǒng)中的原理和模式,同時交通標志系統(tǒng)也將受到交通語言系統(tǒng)影響,變得更加完善與規(guī)范。

到了研究后期,楊曉光等[3]進一步從語言學的角度對交通語言進行分析,提出了交通語言系統(tǒng)的基本概念和基本結(jié)構(gòu)體系,對交通語言的各種基本元素、特點特征以及在交通語言設施中的應用形式進行了分析,運用組合規(guī)則體系進而對交通語言系統(tǒng)進行了規(guī)范設計。伴隨著研究的深化,楊曉光等[3]將交通語言系統(tǒng)與出行特征、交通流特性以及交通管理效用等方面的研究結(jié)合起來,為交通語言的研究開辟了一個新的研究方向,在不能增加交通基礎建設的情況下,通過提高現(xiàn)有交通設施的利用率,來改善交通系統(tǒng)的合理性與人性化程度。

邵海鵬等[4]在研究交通管理時同時融入交通語言的概念, 研究交通語言如何影響交通系統(tǒng)的運作模式, 發(fā)現(xiàn)當前的交通語言存在不合理的設置,從而導致部分交通問題的產(chǎn)生。邵海鵬等[4]針對交通管理與控制的方向提出,交通語言的設置需充分考慮管理的方便性與信息交互的需求。

段里仁等[5]認為,交通語言由道路語言和道路設施組成,道路語言是指道路上的交通標志、交通標線、交通信號燈以及其他道路設施,包括但不限于交通導流島、立交橋、警示牌和綠化隔離帶等。段里仁等[5]提出了交通語言的設置原則,分別為獨立性原則、連續(xù)性原則、易視性原則、兼容性原則,并從上述4個原則明確了交通語言的設置需要在滿足規(guī)范標準的情況下盡可能兼顧人性化的需求。

從國內(nèi)研究可以看出,我國從2000年提及交通語言這一詞語,到2005年進一步提出了交通語言系統(tǒng)的概念,接著從多角度對交通語言系統(tǒng)進行了構(gòu)架和解釋,隨著時間的發(fā)展,逐漸將交通語言應用至交通工程其他領域之中。但就文獻產(chǎn)出來看,我國從2000至今有關交通語言本身的研究文獻較少,雖然已有20余年的研究歷史,但交通語言仍舊有著較大的研究空間與運用空間。

M. S. AKPLE 等[6]從駕駛員的角度對交通標志的識別與理解進行了分析,對當前的交通標志設計與設置提出一系列建議;F. ALMUTAIRY等[7]從計算機識別交通標識的角度,研究了交通標識識別(TSR)在自動駕駛車輛和自動駕駛輔助系統(tǒng)之中的應用;M. TAHERI等[8]從交通標線的選材上,研究了自清潔效果更好的涂料;D. KARMANOV等[9]從智慧交通、智能化城市角度出發(fā),闡述了采用自適應方法確定交通信號燈的工作模式。

相較于國內(nèi)學者的研究,在國外學者的研究中并沒有明確出現(xiàn)“交通語言(traffic language)”這一概念。關于這一方面的研究,國外學者更傾向于“狹義的交通語言”,其研究內(nèi)容基本為細化的交通標志(traffic sign)、交通標線(traffic marking)、交通信號燈(traffic light)等。

國內(nèi)學者則認為,標志、標線、信息等“狹義的交通語言”構(gòu)成的系統(tǒng)較為零散,各種標識之間的相互關系、承接關系、組合方式均沒有明確,甚至會出現(xiàn)彼此之間的矛盾,而把語言學的基本理論體系和研究方法應用到交通標識系統(tǒng)的研究中,可以較好地解決這些關系的描述和結(jié)構(gòu)的構(gòu)建問題。交通語言系統(tǒng)的提出將這一領域的研究上升了一個層次,其研究對象不再局限于設施本身,而是放眼于設施所承載的信息及這些信息的相互關系[10]。

2 數(shù)據(jù)來源

筆者應用CiteSpace作為文獻計量分析研究工具,采用知識圖譜的方法對交通語言相關文獻進行分析。文中數(shù)據(jù)來源于中國知網(wǎng)(CNKI),筆者主要對狹義交通語言所涉及的相關文獻進行分析。為保證相關性,筆者選取了篇名帶有交通標志、交通標線、交通信號燈共3個關鍵詞中任意一個關鍵詞的強相關文獻進行分析,檢索樣式如(篇名:交通標志)OR(篇名:交通標線)OR(篇名:交通信號燈),來源為所有期刊,時間跨度為2012年1月-2022年12月。在剔除重復、無效數(shù)據(jù)后,共檢索到相關文獻1 083篇。

當樣本量足夠大時,學術(shù)論文的引用文獻可以在一定程度上反應學者們的思維變化。而CiteSpace軟件則是反向應用此思維模式,筆者通過觀察學者的學術(shù)論文中所引文獻探測到其研究領域所產(chǎn)生的變化,而通過分析這些變化可知該研究鄰域是否產(chǎn)生新概念或發(fā)生范式轉(zhuǎn)移等。

3 研究結(jié)果

3.1 時間產(chǎn)出分布

通過CiteSpace對文獻進行分析,可以得出每年交通語言文獻的發(fā)文量,如圖1。由圖1可以看出,自2015年后,交通語言相關發(fā)文量呈現(xiàn)上升趨勢。

圖1 CNKI交通語言文獻每年發(fā)文量Fig. 1 Annual quantity of CNKI traffic language literature

3.2 研究機構(gòu)分析

通過CiteSpace對文獻進行分析,整理出發(fā)文量排名前十的機構(gòu)如表1。由表1可知,發(fā)文量排名前十的機構(gòu)中高校占8個。由此表明,我國交通語言研究的主要力量來自于高校,且這些高校分布于全國各地,同時也說明了我國目前對交通語言的研究少有跨區(qū)域合作,各項分支研究在高校、研究所內(nèi)自成體系。圖2為交通語言第一大合作網(wǎng)絡,其為以交通運輸部公路科學研究院為核心,以云南省交通科學研究院、國家道路與橋梁工程檢測設備計量站等機構(gòu)為合作伙伴的研究機構(gòu)網(wǎng)絡。

表1 國內(nèi)交通語言主要研究機構(gòu)及其地理位置Table 1 The major research institutions and their geographical locations of traffic language in China

圖2 交通語言第一大合作網(wǎng)絡Fig. 2 The largest cooperative network of traffic language

3.3 關鍵詞共現(xiàn)分析

CiteSpace通過從引文數(shù)據(jù)中提取關鍵詞,并將存在相同關鍵詞的文獻聚合在一起,形成關鍵詞共現(xiàn)網(wǎng)絡,如圖3。圖3中,圓圈越大表示該關鍵詞的出現(xiàn)頻率越高。筆者對數(shù)據(jù)進行詞頻統(tǒng)計,整理列出交通語言領域內(nèi)排名前八的高頻關鍵詞,如表2。

表2 高頻關鍵詞統(tǒng)計Table 2 Statistics of high-frequency keywords

圖3 關鍵詞共現(xiàn)分析Fig. 3 Key words co-occurrence analysis

研究分析發(fā)現(xiàn),在交通語言文獻關鍵詞共詞網(wǎng)絡中,位于前1、2位的詞條是交通標志、交通信號燈,由于這2個詞條包含于檢索式之中,單獨列舉分析意義不大,故將之排除。在排除掉存在于檢索式中的詞條之后,剩余的6個高頻關鍵詞分別為交通標志識別、交通標志檢測、深度學習、卷積神經(jīng)網(wǎng)絡、圖像處理、PLC。

筆者認為,這一系列的關鍵詞中也存在著一定的邏輯關系。伴隨著智能化交通的發(fā)展和對計算機識別技術(shù)的研究深入,促進了許多技術(shù)的產(chǎn)生和革命,而體現(xiàn)在交通領域中即為交通標志的檢測與識別,從對交通標志的檢測到基于卷積神經(jīng)網(wǎng)絡的圖像處理來改進深度學習網(wǎng)絡完成對圖像的高精度識別,再通過相應的控制技術(shù)實現(xiàn)相關的功能。這些關鍵詞的出現(xiàn)表示我國的交通語言研究方向逐漸與計算機、機械控制等學科交叉,也反映出了學者們在解決交通問題時,除了從交通本身入手之外,同時還將目光聚焦于一些新興技術(shù)之上,通過新技術(shù)新工具,協(xié)同本身的專業(yè)知識來更好地解決問題,新學科新技術(shù)的加入也推動了交通領域發(fā)生質(zhì)變。

3.4 關鍵詞聚類分析

CiteSpace的聚類分析功能將相互聯(lián)系較密切的文獻整合在一起,序號由CiteSpace自動生成,標簽前的數(shù)字越大表示聚類中所包含的關鍵詞越少。筆者分別使用“LLR對數(shù)似然算法”對收集到的文獻數(shù)據(jù)進行聚類分析并提取標簽來為聚類命名,清晰地展現(xiàn)文章之間的關系,其中Q=0.8693(Q>0.3)表明聚類結(jié)構(gòu)顯著,S=0.962(S>0.7)表明結(jié)果可靠且令人信服。將聚類整理排序得到關鍵詞共現(xiàn)網(wǎng)絡聚類,如表3。

表3 LLR算法下關鍵詞共現(xiàn)網(wǎng)絡聚類Table 3 Keyword co-occurrence network clustering table under LLR algorithm

由表3可知,在排除掉檢索詞條(交通標志、交通標線、交通信號燈)后,剩余聚類有支持向量機、高速公路、RPN、FPGA、交通標志識別、特征融合、卷積神經(jīng)網(wǎng)絡等。再次通過人工篩選排除后,得出3類熱點主題,分別為交通標志檢測與識別、卷積神經(jīng)網(wǎng)絡、智能交通信號燈系統(tǒng):

1)交通標志檢測與識別包含的高頻關鍵詞有“顏色分割、幾何模型、形狀分類”等。自動駕駛、智慧交通的發(fā)展離不開對交通標志的識別,而識別的高效、準確則是對車輛安全以及運行效率的保障。陳飛等[11]對交通標志檢測與識別方法進行了歸納總結(jié),尤其是解決各類復雜環(huán)境下交通標志檢測與識別的方法。就交通標志檢測來說,其將檢測方法從基于傳統(tǒng)和基于深度學習兩個角度進行分類;就交通標志識別來說,其將識別方法從傳統(tǒng)角度、基于機器學習和基于深度學習法3個角度進行分類。

2)卷積神經(jīng)網(wǎng)絡包含的高頻關鍵詞有“RPN(region proposal network)、特征提取、過擬合”等。 特征提取為對某一模式的組測量值進行變換以突出該模式具有代表性特征的一種方法。過擬合指為了得到一致假設而使假設變得過度嚴格?，F(xiàn)代交通行業(yè)的發(fā)展與計算機技術(shù)的進步密不可分,在智慧交通系統(tǒng)的研究之中,算法是優(yōu)化系統(tǒng)的基礎,卷積神經(jīng)網(wǎng)絡在交通領域主要應用于圖像的處理識別和交通流預測。劉占文等[12]提出了一種基于圖模型與卷積神經(jīng)網(wǎng)絡的交通標志識別方法,有效融合了局部區(qū)域的細節(jié)信息與圖像結(jié)構(gòu)信息,建立了一個面向應用的基于區(qū)域的卷積神經(jīng)網(wǎng)絡交通標志識別系統(tǒng),大幅度提高了查準率和查全率,并且通過研究模擬人類視覺系統(tǒng)的交通標志識別方法,提高智能駕駛汽車的主動安全性。

3)智能交通信號燈系統(tǒng)包含的高頻關鍵詞有“PLC、智能控制、單片機”等。由于經(jīng)濟高速發(fā)展導致的私家車的廣泛普及和原有的道路規(guī)劃跟不上人民的需求,道路阻塞、擁堵的情況愈演愈烈。為改善當下道路利用率低的情況,專家們提出要最大程度上利用現(xiàn)有道路設施來提高道路利用率,緩解交通擁堵問題。為實現(xiàn)該目標,學者們研究出一種智能的交通信號燈,通過對道路交通量的實時監(jiān)測來調(diào)整信號燈的配式,減少了綠燈的空放時間,增加了汽車的通行時長,很大程度上緩解了高峰時期道路阻塞現(xiàn)象。武世豪等[13]提出基于Labview的智能交通燈控制系統(tǒng)。該系統(tǒng)以數(shù)據(jù)采集卡為硬件基礎,完成智能信號燈系統(tǒng)的設計,具有設計簡單、調(diào)整靈活、穩(wěn)定性高且成本低等特點。該系統(tǒng)在交通信號燈正常運作的基礎上,增加實時監(jiān)測功能,能夠根據(jù)當下的實際交通狀況控制信號燈配時方案,為智能信號燈系統(tǒng)的實現(xiàn)與完善提供了一個新的研究方向。

3.5 研究演化路徑

2012-2022年,隨著計算機技術(shù)的進步,我國交通語言研究逐漸走向算法優(yōu)化的方向。筆者以一年為一個時間切片,生成交通語言研究時區(qū)分布,如圖4。

圖4 交通語言研究時區(qū)分布Fig. 4 Time zone distribution of traffic language study

以2016年為時間分割點,分2個階段進行分析總結(jié):

1)初步探索階段(2012-2016)

在這一階段,交通語言研究發(fā)文量占總數(shù)的34%,呈現(xiàn)不斷增長的趨勢。由圖4可知,在這一階段中我國的研究主要是一些寬泛、模糊概念的提出,例如無人駕駛、深度學習、智能交通等。其主要原因是這一階段新興計算機技術(shù)蓬勃發(fā)展,交通領域逐漸與計算機學科交叉,學者們開始大規(guī)模使用計算機技術(shù)去解決交通問題。但此時技術(shù)還不完善,無論是硬件(設備)還是軟件(算法)都沒能夠發(fā)展起來,不能很好地優(yōu)化現(xiàn)有的結(jié)構(gòu)或解決當下的問題。

2)深入研究階段(2017-2022)

這一階段中,交通語言研究發(fā)文量占總數(shù)的 66%,占比較大。同樣由圖4可知,在這一階段的研究中,伴隨計算機技術(shù)的完善,學者們研究的方向逐漸偏向更細化的領域,通過使用更加先進的算法優(yōu)化已存在的模型、用新技術(shù)實現(xiàn)早期提出的概念。伴隨著卷積神經(jīng)網(wǎng)絡的出現(xiàn),研究的重點逐漸轉(zhuǎn)向各種算法的優(yōu)化,去實現(xiàn)更加精確的標志檢測與識別等。這些細化的研究均為了更好地實現(xiàn)前一階段所提出的智能交通、自動駕駛等概念,同時也使交通語言的發(fā)展邁入了新的階段。

3.6 研究前沿分析

CiteSpace通過對關鍵詞的突變檢驗來確定該領域的研究前沿。2012-2022年共有12次關鍵詞突顯,這12個關鍵詞突顯表明了不同時間段的不同研究方向發(fā)生的改變,如圖5。根據(jù)突顯的起止時間,目前卷積神經(jīng)網(wǎng)絡、智能交通、深度學習、目標檢測是交通語言領域的潛在研究前沿,前兩者從2018年產(chǎn)生持續(xù)至今,后兩者則是從2019年至今,其凸顯度分別為11.47、4.57、4.51、3.07。綜上所述,研究前沿可以分為通過卷積神經(jīng)網(wǎng)絡來實現(xiàn)高精度的目標檢測和基于深度學習的智能交通系統(tǒng)(ITS)兩個方面。

圖5 關鍵詞突顯Fig. 5 Keyword highlighting

3.6.1 通過卷積神經(jīng)網(wǎng)絡來實現(xiàn)高精度的目標檢測

近年來,卷積神經(jīng)網(wǎng)絡及其相關衍生技術(shù)得到了高速的發(fā)展,相比傳統(tǒng)方法,運用卷積神經(jīng)網(wǎng)絡將大幅度提高檢測的效率和精確度。卷積神經(jīng)網(wǎng)絡凸顯度最大,表示有關這一方向的研究文獻產(chǎn)出較多,一方面表示隨著計算機技術(shù)的不斷進步,學者們用更加先進的算法去優(yōu)化當下的技術(shù);另一方面也表示卷積神經(jīng)網(wǎng)絡這一項技術(shù)可能在未來會大規(guī)模地投入到這一領域的研究與生產(chǎn)使用之中。

3.6.2 基于深度學習的智能交通系統(tǒng)(ITS)

智能交通系統(tǒng)是交通與眾多學科交叉后的科技結(jié)晶,其將人工智能、物聯(lián)網(wǎng)、云計算、運籌學等先進的科學技術(shù)同交通運輸、道路管控和車輛制造等領域融合,增強載具、道路設施、行人與駕駛員之間的聯(lián)系,構(gòu)成一種安全、高效、綠色、節(jié)能的復合型交通系統(tǒng)。智能交通凸顯度位于第2,僅次于卷積神經(jīng)網(wǎng)絡,但智能交通涵蓋領域很廣,需要多種技術(shù)支持其發(fā)展。就目前情況來看,未來很長一段時間內(nèi),學者們?nèi)詴谠擃I域的各個方向進行更加細化的研究。包括上述的各種技術(shù)在內(nèi),未來也會不斷出現(xiàn)新技術(shù)為該領域的研究做鋪墊。

4 結(jié) 語

根據(jù)研究結(jié)果可知,我國關于交通語言的研究從2011年至今一直處于一個平穩(wěn)增長的狀態(tài),隨著我國近年來交通強國政策的推出,可能會在不久的未來達到巔峰。但我國的交通語言文獻研究機構(gòu)分散于全國各地,機構(gòu)間合作較少,研究主力為高校及其附屬研究所,這一點局限了我國對該領域的技術(shù)研究交流?；谖闹械难芯拷Y(jié)果,筆者認為,在未來我國的交通語言研究會朝著以下兩個方面深化:

1)交通標志檢測與識別。無論是智慧交通,還是自動駕駛,都要求對交通標志有著精確高效的識別,且當下有大量的研究者在不停地優(yōu)化算法,力求做到準確無誤的標志識別。同時當下很多新興的計算機技術(shù)的興起,例如卷積神經(jīng)網(wǎng)絡等,也為該領域的研究助力。

2)硬件設備類研究。當下研究的熱點聚焦于軟件算法,但僅有優(yōu)秀的算法是不夠的,還需要更加先進的設備去搭載這樣的算法。筆者認為,未來各種智能化的設備也會成為學者們研發(fā)的重點。