人工智能赋能城市交通精细化管理的思考1

张扬

上海市城乡建设和交通发展研究院

人工智能（Artificial Intelligence，简称AI），是把模拟人脑的思维过程用计算机进行智能处理的一门新兴技术。人工智能的基本概念由英国科学家提出，隶属于一种认知范畴科学。科学家约翰·麦卡锡曾经强调，人工智能技术是一种具有模拟人的学习行为或智力特征的描述，可以用机器来模拟并进行推广应用，这个认知一直沿用至今[1,2]。人工智能同样属于计算机科学范畴，其技术思路是通过探索人类智能的基本原理，用机器计算与学习的方式模拟人类智能，进而能够替代人类进行智能感知、判断与认知。人工智能技术潜在的应用范围广泛，目前主要用于语音识别、图像识别、机器人、自然语言处理、智能搜索和专家系统等方面[3,4]。近年来，各国对人工智能产生了浓厚兴趣，产业界优先布局，加速了AI技术与应用的结合并蔓延升温。

城市交通是重要的民生问题，交通决策管理与公众服务水平的智能化提升事关国计民生。早在2000年，国家就成立了中国智能交通系统协调指导小组，国内的交通信息化建设全面展开，智能交通一直是民生期待。经过近二十年的智能交通系统建设和发展，智能交通领域的智能设备、信息化设施、数据信息和软硬件网络等各方面都具备了较深厚的积累。2017年，党的十九大提出，“突出关键共性技术、前沿引领技术、现代工程技术、颠覆性技术创新，为建设科技强国、质量强国、航天强国、网络强国、交通强国、数字强国、智慧社会提供有力支撑。”面向建设交通强国目标，交通运输系统在新时代需要奋力开启建设交通强国的新征程[5]。2018年，《中共上海市委、上海市人民政府关于加强本市城市管理精细化工作的实施意见》“高质量发展举措”的重要批示精神，城市交通精细化管理是《落实<中共上海市委、上海市人民政府关于加强本市城市管理精细化工作的实施意见>的三年行动计划（2018—2020年）》的重要任务[6]。

以智能交通近二十年的建设发展为基础，站在交通强国和精细化管理的历史起点上，以新技术、新模式、新业态赋能，推动大数据、人工智能与城市交通精细化管理深度融合，构建数字化、网络化、智能化的智慧交通体系，将传统智能交通发展上升为智慧交通，构建起智慧交通生态十分重要。人工智能赋能城市交通精细化管理，符合交通强国建设和科学技术发展“四梁八柱”的目标要求[7]。

结合深入调研、专业积累和实践经验，本文对人工智能赋能城市交通精细化管理的应用与发展加以思考，从全息动态感知与融合、大数据精细建管、业务精准切入、自适应智能模型库建设四个方面存在的困难加以分析，总结出相应的解决方法与思路，人工智能赋能城市交通精细化管理解决思路框架如图1所示。

1 全息动态感知与融合

实时、准确、全面地采集各类交通数据，是实现城市交通精细化决策与管理应用的前提和基础。目前，长期存在交通数据和信息覆盖不全、数据统筹复用不足的问题。单一技术越来越难以满足应用需要，作为交通四要素的人、车、路、环境，对综合交通更全面、更精细、更精准的全息动态感知需求十分迫切。开发基于NB-IoT、Lora、蓝牙等物联网、5G、视频的新型传感器，持续提升信息采集时空密度，形成数据采集源端规范，促进多源数据和信息融合，构建全息动态感知体系，为AI应用创造样本足、可学习、能训练的丰富的数据集十分重要。

从交通信息基础感知来看，信息采集技术手段众多，交通信息类型多样。根据被采集主体是否与采集系统进行交互、是否独立于采集系统界定，采集技术分为直接采集和间接采集两类，如感应线圈、视频检测属于直接采集，GPS定位、RFID感知属于间接采集；根据交通数据随时间和空间相对变化的周期界定，交通信息分为静态交通信息和动态交通信息两类，如路网结构、交通基础设施属于静态信息，交通流、事故事件属于动态信息。对直接采集与间接采集、新型感知与传统采集技术、静态信息与动态信息、结构化数据与非结构化数据、交通管理数据与企业自有数据、交通行业数据与相关领域数据等方面的深度融合，可以有效提升交通数据的视野和维度，支撑全息动态感知体系建设。

从人工智能对数据的需求来看，基于语义技术的交通大数据规范尚未形成，多源数据的全息融合场景尚不清晰。面向全息感知需求，分类梳理多源异构数据特性，以逻辑语言表达原始数据语义并实现统一，形成基于语义技术的交通大数据规范化体系是AI应用的基础。同时，界定多元采集技术感知场景，以时空可融合场景辨识技术，形成基于知识图谱、语义规范和场景自动辨识的自适应数据融合技术，可以实现从局部到整体、离散到连续、单一到多样的交通特征融合的完备表征，从采集和存储实现感知的全息化、精准化和智慧化。

2 交通大数据精细建管

随着国内大规模交通信息化建设，各大城市积累了大量交通数据，数据体量大、来源多样、种类复杂、结构各异，具备了大数据的特征。作为云计算、物联网之后IT产业的颠覆性革命，城市交通大数据定义为：由城市交通运行管理直接产生的数据、城市交通相关的行业和领域导入的数据，以及来自公众互动提供的交通状况数据构成的，用传统技术难以在合理时间内管理、处理和分析的数据集。作为人工智能推广应用的前提，构建综合性大数据资源中心，进行交通大数据精细化建设与管理，扎实人工智能应用的环境基础，是实现交通智能决策和管理的内在需求，也是AI技术融合发展的必然要求。但是，交通大数据资源的构建和管理现状，依然停留在初级阶段，交通大数据的汇聚和存储，大多是在传统管理体制与界面切分等既有条件下的简单整合。

从大数据资源中心建设来看，必须构建大数据基准库，对所存储的数据进行科学梳理。基于数据采集源标准化建设，除对所存储的数据去噪、去伪、修补等系列清洗外，还要根据本体库框架，衡量数据模式重复性，解析其关联性和内在层次逻辑关系，搭建并完善语义网络。其中，需要定义交通实体知识图谱，基于知识工程基本理论框架和交通对象建模要求，挖掘知识图谱数据结构特征；基于大规模交通知识图谱的知识检索与关联推理，建立城市交通实体知识图谱和可视化原型，完善多元异构交通数据的语义关联，实现大数据的精细建设、建管结合。

从面向AI多维数据体构建来看，必须面向人工智能训练与测试，科学、合理、有效地组织交通数据。根据交通数据连续性、实时性特点，面向AI模型应用，实现数据自组织、数据标准化、异构类型转换、训练样本集构建等；根据交通数据时空耦合性特点，基于数据特征累积，面向AI模型应用，实现测试数据特征分类、测试样本集构建、参数反馈与优化等，为AI技术应用构建可靠、可信、可用的多维大数据体，将大数据与AI技术紧密结合，推动AI赋能的爆发。

3 精准切入稳步发展

近几年，随着GPU和深度学习的快速应用，人工智能正加速向各行业渗透，成为无人驾驶、医疗诊断、智能投顾等一大批新兴产业的重要基础。车牌识别、人脸识别、场景识别、语音识别等基于非结构化数据分析的智能识别技术，在公安、交通、金融等领域快速应用，并形成成果落地。因此，人工智能赋能前途光明，被认定为新一轮科技革命和产业变革的核心驱动力量。但是，人工智能对视频、图片、语音等非结构化数据挖掘的成功，源于场景明晰、数据组织成熟，这很难简单复制到交通精细化管理中，AI赋能智慧交通不可能一蹴而就。

图1 人工智能赋能城市交通精细化管理解决思路框架图

从AI赋能前期准备来看，人工智能应密切结合城市交通决策管理的具体业务应用需求，针对某一类或某几个关键问题、特定应用场景发力。在做好全息动态感知与融合、交通大数据精细建管基础上，应充分考虑交通时空耦合、数据多源异构、行业交织复杂、跨行业关联等城市交通的独有特性，统筹布局、精准击发，稳步推进，从成功的实践应用案例中不断归纳和总结经验，做到节省成本。只有精准切入、扎实落地，才能最终实现人工智能辅助到交通决策和管理的跨越，这一跨越，仍需要众多专业人士和多年不懈的努力才能达到，任重而道远。

从AI赋能场景选取来看，应从多维视角划分城市交通精细化管理的复杂场景，并有针对性地构建AI赋能策略。对城市综合交通的道路交通（快速路、地面道路、高等级公路等）、公共交通（轨道、公交、出租、停车等）、对外交通（铁路、民航、道口、港口等）三大体系，对人、车、路、环境，车流、客流、物流，以及日常运行、重大活动、应急保障等单一业务/行业、跨行业/领域/地域的各层级分类要素，分别梳理AI应用需求并构建多维场景。从时间维度构建工作日、节假日、高峰期、非高峰期等融合时间特征，从空间维度构建点、线、面、空间等多尺度融合空间特征，从宏观、中观和微观的时空组合，设置并构建复杂多维AI应用场景，并建立具有智能比选的AI策略库。

4 自适应智能模型库建设

人工智能赋能离不开智能算法和模型的开发，针对具体应用，构建相应的算法模型库是前提和基础。与人类认知世界的过程类似，人工智能主要解决类别、联系两类，涵盖分类、聚类、推演、关联四个方面的问题，按照模型训练方式不同分为监督学习，无监督学习、半监督学习和强化学习四种。但是，针对不同场景的AI应用，究竟哪种类型的算法模型最适合，针对同一场景应用，算法模型效果究竟随外部环境如何变化，尚没有统一的标准和结论。针对应用场景，构建具有自适应能力的AI算法模型库可以有效解决这一问题。

人工智能赋能城市交通精细化管理的优势，可以归纳为主动发现、自动识别、科学诊断，智能解决、反馈优化等几个方面。根据具体业务需求，可以相应构建出状态智能提取、模式智能识别、跳变智能检测、态势智能诊断、智能协同优化、效能均衡调控、时空信息聚合、融合策略等系列算法模型集，并拓展神经网络、支持向量机、模糊逻辑、决策树等各类各种机器学习算法，组成具有针对性的智能算法模型库。对具体AI应用场景，通过算法输入、模型参数、映射修正标定，逐一验证各种算法模型在不同环境中的实际效果，给出具有针对性的标准结论、比选与组合策略，完成自适应智能模型库建设，切实提升AI算法模型在实际应用中的准确性和鲁棒性。

5 结 语

综上，未来人工智能技术进一步突破，将不断催生新产业、新业态、新模式的创新，成为新一轮科技革命和产业变革的核心驱动力量，并对智慧交通的决策管理和服务，乃至思维方式产生前所未有的深刻影响。但是，从以上全息动态感知与融合、大数据精细建管、业务精准切入、自适应智能模型库建设四个方面存在内外部困难和发展现状来看，人工智能赋能城市交通精细化管理尚有很多工作和准备，任重而道远。