解决技术难题后，智慧交通建设应以功能实现为核心
|
交通大数据具有多源异构、时空跨度大、动态多变、异质性、高度随机性、局部性和生命周期较短等特征，如何有效地采集和利用交通大数据，满足高时效性的交通组织控制、交通信息服务、交通状况预警、交通行政监管、交通执法管理、交通企业经营管理、交通市民服务等应用需求，是城市交通和智慧城市面临的机遇和挑战。 构建交通大数据平台是深化大数据应用、不断探索应用人工智能技术、不断提高智能化水平的前提条件。 未来交通大数据应用，最重要的方向是数据“加工能力”的提高，未来必然要形成规范的数据结构和实时的数据处理机制，在大数据的采集、传输、处理和应用中，通过系统地使用非传统工具对大量的结构化、半结构化和非结构化数据进行处理，从而获得能够支撑规律发现、机理分析和对策方案自动生成的数据条件。 由于数据处理受到高成本、高时效性等一系列条件限制，未来基于云计算技术的数据分析平台、能够实现分布式计算的技术 Hadoop、Spark平台将发挥越来越重要的作用。 视频技术 在智能化发展的背景下，深度学习和大数据为视频识别技术提供了前进的方向。AI智能视频识别算法提出了一种新的基于图（graph）的视频建模方法，实现了可帧级解读视频。 为提升智能视频识别技术的应用性，使得智能视频识别产品真正市场化，在完善核心算法的同时，视频识别技术必然将向以下方向发展：一是视频结构化；二是人工智能；三是适应更为复杂和多变的场景；四是更低的成本。 在应用方面，主要体现在智能感知、智能识别及智能分析3个方面。 1）智能感知。路口、路段感知：基于视频识别集成卡口、电警、信号控制、交通检测等系统，为路口的最优配时、道路路况分析、交通大数据、交通规划等提供可靠依据。 路侧停车感知：基于图像的识别进行路侧违法停车的感知和抓拍以及路侧停车位的管理，可以有效降低成本，提高系统可靠性。 停车场感知：基于视频车位引导系统，实现快速车位引导，通过增配设备可升级为具有找车功能的智能车位引导及视频寻车一体化系统。 2）智能识别。通过图像识别、图像比对及模式匹配等核心技术，实现对人、车、物等相关特征信息的提取与分析，如车牌识别、人脸识别、车身颜色识别、车型识别、车脸识别等。 3）智能分析。一是交通事故及事件检测，基于连续视频可以分析车辆停车、逆行等行为，发现交通事故和交通拥堵时报警；二是车辆违章抓拍，利用视频检测实现非现场执法。 分析研判技术 交通大数据为系统全面分析研判提供了前所未有的信息支撑。应用大数据、云计算、特征识别、数据库分析、大数据挖掘分析、建模仿真、数据可视化等新技术进行交通深度分析研判，有望实现更全面的需求预测、更精准的态势分析、更精细的预报预警、更高效的规律发现、更科学的决策支撑，应用重点体现在交通运行态势分析研判与预警、多尺度交通安全风险分析、警力等资源配置优化与智能执法管理、交通监管与综合服务等方面。 交通分析研判技术发展将以应用为导向，以提高智能化水平为目标，以云计算、大数据挖掘分析、人工智能等技术创新突破为驱动，将在数据融合挖掘、态势分析研判、信息服务与预警、方案智能生成等技术方面重点突破，同时应大力推进相关成果在工程领域的示范和应用。 优化控制技术 未来交通信号优化控制技术将在以下 6个方面实现突破。 1）交通信息采集与融合。基于互联网、大数据及云计算的交通信号控制系统，可以对道路系统中的交通状况、交通事故、气象状况和交通环境进行实时采集、融合分析，形成多来源、多维度的交通状况监控与融合数据。 2）控制方案优化。大数据应用的最核心功能之一是交通信号控制系统的优化，目前这方面的差距巨大，无论是优化思路、还是模型方法，均无明显进展。 从实现上看，因信号控制不合理导致的通行资源浪费和交通延误十分明显，可以改进的空间很大。 人工智能技术、网络流算法等优化方法的不断发展，将有可能助力实现更加优化的干道控制和区域协调控制。借助车路协同技术，可进一步提高道路交通系统的运行效率。 3）交通信号控制等信息交互方式的改进。在逆光、雨雪、浓雾、沙尘等视线不佳场景和恶劣天气下，驾驶员很难及时分辨信号灯状态。车路协同可以实现将信息迅速传递给交通参与者。 4）信号控制优化效果的评价。对交通信号控制方案进行优化调整后的效果，传统方法难以及时、定量地进行评估。利用移动互联网、手机、卫星定位等数据可以构建更加直观、更加可信的信号控制评价指标，从而可以更加高效地对交通系统性能进行评估和调整。 5）控制与诱导的协同将可能带来基础设施使用效率的显著提高。通过诱导信息，实现主动选择，可以实现更加优化的交通控制。 6）交通流信息与气象信息、大范围的交通状况信息融合使用，能够实现更加安全、更加高效的交通组织与指挥。 车路协同技术 车路协同技术经过世界各国的大量研究和探索，已经取得了阶段性成果。目前，建立了车路协同体系框架和各种相关测试平台，突破了车-车/车-路通信、车辆安全控制及信息技术共享等关键技术，小规模展开了道路演示，但仍存在如下问题和不足。 1）通信标准：国外车路协同通信普遍采用 802.11p协议，中国希望独立制定自己的协议，国家层面的通信标准仍在制定之中。 2）技术推进缓慢：车路协同系统的核心技术目前在世界范围内仍普遍处于基础理论研究、实验测验和小范围商业应用阶段，并未广泛进入民用环节。 3）信息安全问题：由于车路协同可以掌握全体用户的出行状态及目的信息，广泛推进车路协同技术可能在发达国家和更为关注隐私的地区引起公众不同程度的质疑。 城市交通大脑 一个良好的城市交通大脑，能够助力实现数据驱动的交通管理模式和服务模式的形成，提供更好地分析研判和决策实施的智能支撑。主要包括以下 10项关键技术。 （编辑：核心网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
