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)運信息化等多個方面。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)，可實時分析城市交通流量，調(diào)整紅綠燈間隔，縮短車輛等待時間等舉措，提升城市道路的通行效率。

　　城市級的人工智能大腦，實時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，能提前半個小時預(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，實現(xiàn)機場、火車站、汽車站、商圈的大規(guī)模交通聯(lián)動調(diào)度，提升整個城市的運行效率，為居民的出行暢通提供保障。

車牌識別是人工智能應(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)以車牌識別算法最為理想，雖然目前很多廠商都宣稱自己的車牌識別率已經(jīng)達到了99%，但這也只是在標(biāo)準卡口的視頻條件下再加上一些預(yù)設(shè)條件來達到的。在針對很多簡易卡口和卡口圖片進行車牌定位識別時，較好的車牌識別也很難達到90%。不過隨著采用人工智能、深度學(xué)習(xí)的應(yīng)用，這一情況將會得到很大的改善。

　　在傳統(tǒng)的圖像處理和機器學(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)計特征和機器學(xué)習(xí)算法，從以往的經(jīng)驗來看，由于理論分析的難度大，訓(xùn)練方法又需要很多經(jīng)驗和技巧，一般需要5到10年的時間才會有一次突破性的發(fā)展，而且對算法工程師的知識要求也一直在提高。深度學(xué)習(xí)則不然，在進行圖像檢測和識別時，無需人為設(shè)定具體的特征，只需要準備好足夠多的圖進行訓(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)，并且有充足的時間和計算資源，隨著深度學(xué)習(xí)網(wǎng)絡(luò)層次的增加，識別率就會相應(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)志識別、無牌車檢測、非機動車檢測與分類、車頭車尾判斷、車輛檢索、人臉識別等相關(guān)的技術(shù)方面也比較成熟。

車牌顏色識別

　　在車輛顏色識別方面，基本上克服了由于光照條件變化、相機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)致的識別錯誤問題，卡口車輛顏色識別率從80%提升到85%，電警車輛主顏色識別率到從75%提升到80%以上。

　車輛廠商標(biāo)志識別
 

　　在車輛廠商標(biāo)志識別方面，使用傳統(tǒng)的HOG、LBP、SIFT、SURF等特征，采用SVM機器學(xué)習(xí)技術(shù)訓(xùn)練一個多級聯(lián)的分類器來識別廠商標(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隨之消失，其識別率可以從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。在人臉識別項目中，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別率從89%提升到99%，而且對姿態(tài)和光線也有了一定的放松。

交通信號系統(tǒng)

　　傳統(tǒng)的交通燈使用默認時間轉(zhuǎn)換燈色，雖然轉(zhuǎn)換燈色的時間會根據(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)很快就會過時。而人工智能驅(qū)動的智能交通信號系統(tǒng)則以雷達傳感器和攝像頭監(jiān)控交通狀況，然后利用先進的人工智能算法決定燈色轉(zhuǎn)換時間，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。

警用機器人

　　人工智能的警用機器人將取代交通警察，實現(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)。基于這些大數(shù)據(jù)的分析結(jié)果，為政府決策部門進行城市規(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

　　非常重要的一個技術(shù)點就是圖象識別，通過圖像識別前方車輛、行人、障礙物、道路以及交通信號燈和交通標(biāo)識，這項技術(shù)的落地應(yīng)用將給人類帶來前所未有的出行體驗，重塑交通體系，并構(gòu)建真正的智能交通時代。

　　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。實現(xiàn)公路交通運行狀態(tài)“看得見”、車輛通行軌跡“摸得透”、重點違法行為“抓得住”、安全隱患事件“消得了”、路面協(xié)作聯(lián)動“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)。