在智能交通行業(yè)“井噴”以及各大挑戰(zhàn)的共同作用下，政策支持也在醞釀之中。據(jù)了解今年以來，發(fā)改委基礎(chǔ)司頻繁調(diào)研智能交通，具體內(nèi)容涉及不停車收費(fèi)系統(tǒng)(ETC)、北斗系統(tǒng)交通行業(yè)應(yīng)用、集裝箱鐵水聯(lián)運(yùn)信息化等多個(gè)方面。而不久前，國家發(fā)改委基礎(chǔ)司副司長鄭劍赴杭州開展綜合交通樞紐建設(shè)和智能交通發(fā)展專題調(diào)研，預(yù)示著政策層面對(duì)智能交通的關(guān)注度日益提高。
隨著交通卡口的大規(guī)模聯(lián)網(wǎng)，匯集了海量車輛通行記錄信息，利用人工智能技術(shù)，可實(shí)時(shí)分析城市交通流量，調(diào)整紅綠燈間隔，縮短車輛等待時(shí)間等舉措，提升城市道路的通行效率。
城市級(jí)的人工智能大腦，實(shí)時(shí)掌握著城市道路上通行車輛的軌跡信息，停車場的車輛信息以及小區(qū)的停車信息，能提前半個(gè)小時(shí)預(yù)測交通流量變化和停車位數(shù)量變化，合理調(diào)配資源、疏導(dǎo)交通，實(shí)現(xiàn)機(jī)場、火車站、汽車站、商圈的大規(guī)模交通聯(lián)動(dòng)調(diào)度，提升整個(gè)城市的運(yùn)行效率，為居民的出行暢通提供保障。
車牌識(shí)別是人工智能應(yīng)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(xí)比較成熟的應(yīng)用技術(shù)以車牌識(shí)別算法最為理想，雖然目前很多廠商都宣稱自己的車牌識(shí)別率已經(jīng)達(dá)到了99%，但這也只是在標(biāo)準(zhǔn)卡口的視頻條件下再加上一些預(yù)設(shè)條件來達(dá)到的。在針對(duì)很多簡易卡口和卡口圖片進(jìn)行車牌定位識(shí)別時(shí)，較好的車牌識(shí)別也很難達(dá)到90%。不過隨著采用人工智能、深度學(xué)習(xí)的應(yīng)用，這一情況將會(huì)得到很大的改善。
在傳統(tǒng)的圖像處理和機(jī)器學(xué)習(xí)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(biāo)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(shè)計(jì)特征和機(jī)器學(xué)習(xí)算法，從以往的經(jīng)驗(yàn)來看，由于理論分析的難度大，訓(xùn)練方法又需要很多經(jīng)驗(yàn)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(duì)算法工程師的知識(shí)要求也一直在提高。深度學(xué)習(xí)則不然，在進(jìn)行圖像檢測和識(shí)別時(shí)，無需人為設(shè)定具體的特征，只需要準(zhǔn)備好足夠多的圖進(jìn)行訓(xùn)練即可，通過逐層的迭代就可以獲得較好的結(jié)果。從目前的應(yīng)用情況來看，只要加入新數(shù)據(jù)，并且有充足的時(shí)間和計(jì)算資源，隨著深度學(xué)習(xí)網(wǎng)絡(luò)層次的增加，識(shí)別率就會(huì)相應(yīng)提升，比傳統(tǒng)方法表現(xiàn)更好。
另外在車輛顏色、車輛廠商標(biāo)志識(shí)別、無牌車檢測、非機(jī)動(dòng)車檢測與分類、車頭車尾判斷、車輛檢索、人臉識(shí)別等相關(guān)的技術(shù)方面也比較成熟。
車牌顏色識(shí)別
在車輛顏色識(shí)別方面，基本上克服了由于光照條件變化、相機(jī)硬件誤差所帶來的顏色不穩(wěn)定、過曝光等一系列問題，因此解決了圖像顏色變化導(dǎo)致的識(shí)別錯(cuò)誤問題，卡口車輛顏色識(shí)別率從80%提升到85%，電警車輛主顏色識(shí)別率到從75%提升到80%以上。
車輛廠商標(biāo)志識(shí)別
在車輛廠商標(biāo)志識(shí)別方面，使用傳統(tǒng)的HOG、LBP、SIFT、SURF等特征，采用SVM機(jī)器學(xué)習(xí)技術(shù)訓(xùn)練一個(gè)多級(jí)聯(lián)的分類器來識(shí)別廠商標(biāo)志很容易出現(xiàn)誤判，采用大數(shù)據(jù)加深度學(xué)習(xí)技術(shù)后，車輛車標(biāo)的過曝光或者車標(biāo)被人為去掉等引起的局部特征會(huì)隨之消失，其識(shí)別率可以從89%提升到93%以上。
車輛檢索
在車輛檢索方面，車輛的圖片在不同場景下會(huì)出現(xiàn)曝光過度或者曝光不足，或者車輛的尺度發(fā)生很大變化，導(dǎo)致傳統(tǒng)方法提取的特征會(huì)發(fā)生變化，因此檢索率很不穩(wěn)定。深度學(xué)習(xí)能夠很好地獲取較為較穩(wěn)定的特征，搜索的相似目標(biāo)更精確，Top5的搜索率在95%以上。在人臉識(shí)別項(xiàng)目中，由于光線、姿態(tài)和表情等因素引起人臉變化，目前很多應(yīng)用都是固定場景、固定姿態(tài)，采用深度學(xué)習(xí)算法后，不僅固定場景的人臉識(shí)別率從89%提升到99%，而且對(duì)姿態(tài)和光線也有了一定的放松。
交通信號(hào)系統(tǒng)
傳統(tǒng)的交通燈使用默認(rèn)時(shí)間轉(zhuǎn)換燈色，雖然轉(zhuǎn)換燈色的時(shí)間會(huì)根據(jù)數(shù)據(jù)每幾年更新一次，但是隨著交通模式發(fā)展，傳統(tǒng)系統(tǒng)很快就會(huì)過時(shí)。而人工智能驅(qū)動(dòng)的智能交通信號(hào)系統(tǒng)則以雷達(dá)傳感器和攝像頭監(jiān)控交通狀況，然后利用先進(jìn)的人工智能算法決定燈色轉(zhuǎn)換時(shí)間，通過人工智能和交通控制理論融合應(yīng)用，優(yōu)化了城市道路網(wǎng)絡(luò)中的交通流量。
警用機(jī)器人
人工智能的警用機(jī)器人將取代交通警察，實(shí)現(xiàn)公路交通安全的全方位監(jiān)控、全天候巡邏、立體化監(jiān)管。
大數(shù)據(jù)分析
人工智能算法可以根據(jù)城市民眾的出行偏好、生活、消費(fèi)習(xí)慣等方式，分析出城市人流、車流的遷移與城市建設(shè)及公眾資源的數(shù)據(jù)?；谶@些大數(shù)據(jù)的分析結(jié)果，為政府決策部門進(jìn)行城市規(guī)劃，特別是為公共交通設(shè)施的基礎(chǔ)建設(shè)提供指導(dǎo)和借鑒。
無人駕駛和汽車輔助駕駛
非常重要的一個(gè)技術(shù)點(diǎn)就是圖象識(shí)別，通過圖像識(shí)別前方車輛、行人、障礙物、道路以及交通信號(hào)燈和交通標(biāo)識(shí)，這項(xiàng)技術(shù)的落地應(yīng)用將給人類帶來前所未有的出行體驗(yàn)，重塑交通體系，并構(gòu)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(jiān)測、交通安全研判、交通風(fēng)險(xiǎn)預(yù)警、交通違法執(zhí)法，而這些技術(shù)現(xiàn)已與人工智能融為一體。實(shí)現(xiàn)公路交通運(yùn)行狀態(tài)“看得見”、車輛通行軌跡“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(yīng)快”、交通信息應(yīng)用“服務(wù)優(yōu)”等目標(biāo)，都離不開人工智能技術(shù)。
