人工智能技术与交通网联深度融合的城市智能交通技术

文/刘军

1 引言

目前，分析和理解交通问题往往受依赖数据源约束。最新兴技术，目前正朝着车辆-基础设施-行人环境和大数据相互连接的方向发展，使得多源数据更容易和更便宜地收集，存储，分析，使用和传播。相互网联的环境还使系统更加灵活，以便实时管理并且可以实施控制措施以改进系统性能。拥有，车辆，基础设施和行人的互联环境，可以通过同伴连接协议或通过5G或更高级的集中式系统电信网络交换信息。这样的技术被认为是人工智能与交通网联技术的深度融合体现，也是城市生态系统最具潜力的技术之一。信息的互动和交流可以发生车对车（V2V），车对基础设施（V2I），行人对基础设施（P2I），或车辆到行人（V2P）。考虑到各个单元的独特之处，对了解当前智能交通是至关重要，这样的系统可以适应与连接环境一起工作。本文旨在回顾当前智能化趋势交通系统（ITSs）和智能城市的基础上，对人工智能技术与交通网联深度融合的城市智能交通技术进行分析和整理。最后，提供了对未来ITS和智能城市的见解。

2 智能交通系统（ITSs）的当前趋势

旅行需求造成的拥堵，交通事故和污染问题，由于各种各样车辆数量的巨大增长而变得更加严重，包括车辆交通，公共交通，货运交通，甚至行人交通。为了解决这些问题，ITS有已开发出能够集成各种系统的子系统，包括传感，通信，信息传播和交通控制。任何ITS都需要三个基本功能组件：数据收集，数据分析和数据（信息）传输。数据收集组件收集来自运输系统的所有可观察信息（例如，交通系统的特定点）道路网络，特定路段的平均旅行时间，乘客乘坐的公交线路等，以进一步分析当前的交通状况情况。传统上，感应环路检测器，根据感应电流检测车辆的存在通过车辆和气动管的循环，检测基于管内压力变化的用于收集交通量和速度等基本。但是，由于其实施成本高，这些方法在实施过程中逐渐增加不太受欢迎，特别是在拥挤的地区。由于传感和成像技术的进步，摄像机和射频识别（RFID）扫描仪越来越多被考虑用于交通数据收集。相机可以安装在网络中的不同位置以收集流量视频，这也为智能城市交通提供了最基本的“眼睛”。

3 深入理解“人工智能+交通网联”对智能城市的影响

上一节介绍的ITS旨在解决与运输相关的问题并提高运输的整体效率系统。这些ITS属于智能移动类别智能城市的框架，最近几十年引起了人们的关注。在文献中，尚未就智慧城市什么构成达成一个共识，有不同的定义。尽管定义多种多样，但使用先进的电子/数字技术（如ICT），嵌入ICT或其他电子硬件进入城市基础设施，改善利益相关者在系统的不同方面的利益是智慧城市共同的特征。

关于功能性，智能城市可以分为六种不同的组件：智能治理，智能经济，智能人力/社会资本，智能环境，智能生活和智能移动。智能治理旨在利用ICT提高公共部门组织在管理方面的效率和公共资源透明度，并鼓励公众参与做决定。智能经济的目标是利用ICT和相关技术提高制造链生产力的技术并加强和加强在线交易以促进电子商务。智慧人力/社会资本旨在改善教育公民通过提供的水平和积极的公众参与从其他组成部分产生智慧城市的丰富信息。智能环境的目标是减少污染和解决其他环境问题，最终目标是通过使用技术改善/实现城市可持续发展。智能生活寻求提高生活质量，例如，安全，住房质量，社会凝聚力等。

特别地，通过在城市内实施先进技术和基础设施。智能移动，有时被认为是由于注重高效运输，也是网联人与城市的重要组成部分。目前一些学者尝试使用先进的ICT来优化物流和运输系统，为乘客和货运提供高效，安全，环保的服务。基于这些组件，各种各样指标（例如，当地可达性，生产率，排放等）具有被来用于评估智能城市和城市的表现，帮助决策者制定政策的重要指标，为创建更智能的城市铺平道路。在智能移动和ITS的背景下，基于传感器和利益相关者的可用信息，各种估计，预测，管理和控制方法必须真实实施。与运输有关的问题的特点是数量众多具有参数关系的变量未被充分理解，大量不完整的数据，目标和限制不明确。

最近，人工智能相关技术，具有独特的知识建设实力，已被智能移动和ITS所采用。AI是机器在合理地感知到的智能表现环境（分析来自各种传感器的数据），以及做出理性决策，最大限度地实现目标。对于运输问题通常采用的AI方法涉及人工神经网络，支持向量机和贝叶斯网络。人工神经网络（ANN）具有执行非线性的能力，通过考虑输入和输出之间的映射隐藏层，解决适合运输问题变量之间的参数关系。在现有研究中，人工神经网络常见被用于：状态估计/预测，事件检测，交通/基础设施控制，以及行为分析。类似对于ANN，支持向量机技术（SVM）是监督学习分析输入数据的模型，但更侧重于分类阶段/场景。在ITS的背景下。与ANN和SVM不同，贝叶斯网络是唯一的数据驱动可控制变量的概率和条件依赖性的统计模型，在ITS研究中，贝叶斯网络已被用于各种运输问题，但主要用于预测交通和事故/事故何时发生的相关问题。

4 现代城市智能移动交通的网联环境及深度融合的未来发展

由于ICT和相关传感技术的重大进步，目前的趋势是安装和使用车辆自动化通信系统（VACS）。 VACS有被证明能够改善个人的安全性，舒适性和便利性，以及联网车辆的排放。VACS可以通过交通管制提高效率发挥促进全球流量的潜力。未来十年，连接配备自动化VACS的车辆数量将迅速增加。同时，常规人驾车辆（RHVs）将继续在短期内在市场中发挥重要作用。因此，拥有智能驾驶技术的车辆，渗透到市场可能会带来在高速公路网络性能和交通流量效率上的改善。它还可以实现控制方案，例如个别车辆速度和车道变换。由于信息通信技术的进步和日益普及的智能设备，在交通相关的环境中的想法背景已经延伸，现在已经超越了物理边界。在现有中，交通网络通常按照指示进行建模（仅限与运输基础设施）。但是，交通网络应该包括人类，物质基础设施，道路标记和多形式联运系统。因此，它更合理考虑多种不同类型的对象在智能网联交通中的表现。现在已经有越来越多的讨论，来尝试构建一个灵活的分层交通网络模型，整合数字化中的物理，语义，逻辑和感知网络重建智能城市交通网联空间。

除了各种传感器可以收集的物理数据外，从网络来源收集的公众态度和看法（例如，社交网络），也可以被用作交通系统的数据来源。因此，未来的ITS应该使用这些数据来监控和管理系统。提取来自社交网络数据源有用和有意义的信息。（例如，Twitter或者微博等平台上发布的公众评论），建议可采用自然语言处理（NLP）的算法用于数据分析的预定义语义结构。NLP算法应该能够检测社交事件和公众意见可能会导致的潜在交通问题（例如，足球比赛），或揭示公众对运输系统/现行政策的看法。

5 总结

综上所述，可以看出智能交通是智能城市构建中的重要组成部分，未来智能网联交通属于多个层次的连接环境（即网络，社交和物理）。鉴于此理解，本文从ITSs与人工智能深度融合的角度提供一些智能城市的发展见解，包括：分析来自网络资源的信息等等。本文的研究为丰富人工智能技术与交通网联深度融合的城市智能交通技术提供新的思路。