現代城市的四個基本功能為生活、工作、休憩和交通，可見交通在城市中的重要地位。

近日，記者就“交通+AI”這一話題采訪了華南理工大學土木與交通學院教授、智能交通系統與物流技術研究所所長徐建閩，他告訴記者，如今AI技術已應用于交通目標檢測、駕駛行為分析、交通流參數提取、出行規律挖掘、交通預測與管控、信號優化控制等諸多方面；在他看來，“交通+AI”中，交通才是基礎，研究交通要從實際交通問題出發，才能更好地為城市交通建設貢獻智慧與力量。

AI讓“車看燈”變“燈看車”

徐建閩介紹，現階段隨著云計算、大數據、物聯網、移動互聯、新基建等技術的成熟與發展，AI技術在交通規劃、設計、分析、管控、運營、評價以及政策制定等方面得以全方位應用，為交通出行行為與規律研判、大范圍交通流預測分析、出行分配與導航誘導、區域交通信號優化控制等領域研究提供了技術支撐。

記者了解到，華為早在2017年9月就啟動了“深圳城市交通大腦項目”，深圳交警選擇了城市車輛密集度最高之一的華為坂田基地，在9個路口做了真實路況測試，結果顯示該區域平均車速提升了15%，城市公交系統延誤率降低了15.2%。而華為“AI交通燈”設置，也由過去的“車看燈”（讀秒數通行）改變為現在的“燈看車”(讀車數放行)。

AI讓“區域綠波”成為可能

徐建閩和團隊的研究《基于子區動態劃分與協調交互技術的交通信號控制系統》獲得了2013年度中國智能交通協會科學技術二等獎，他介紹：“比如，上下班高峰期某個片區內的車流量非常大，這時候如果不施加均衡管控，往往會加劇路口的擁堵，甚至引起整個區域的阻塞。對此，我們借助AI的全局優化方法，考慮片區內所有信號燈路口的承受能力，提出了一種外控內疏的管控策略，讓區域內的車輛盡可能地均分到各條路段，充分利用各路段的蓄流能力與通行能力，并使控制區域內的車輛快速離開擁堵區；同時對未進入該區域的車輛采取適當的引流與控流策略，使其間歇性進入擁堵區域，以達到‘慢進、快出’的控制效果。”

此外，該研究成果可以讓非高峰期不同方向的車輛不停車或少停車地通過整條道路，也就是人們常說的“一路綠波”。“在此基礎上，我們團隊不斷創新，實現了一個區域內橫縱交錯的多條道路同時綠波，我們稱之為‘區域綠波’。”目前，這些技術已陸續應用到廣東、浙江、貴州等省份的2000余個信號燈路口、200多條道路，有效提升了路網整體服務水平。

“交通+AI”，交通是基礎

徐建閩認為，在“交通+AI”的發展過程中，交通是基礎，若脫離了這個基礎，AI就無法發揮其在交通領域的作用。“實際上AI技術是一個通用的技術體系，落腳到具體行業應該結合其行業自身的基本問題、基礎理論和技術框架，就交通而言，應以交通領域的基礎理論和關鍵技術為前提，再交叉融合AI、現代通信、自動控制等其他新技術。”

他認為，在今后相當長的時期內，“交通+AI”的主要研究方向會聚焦于城市或城市群的交通態勢預測、擁堵區交通信號優化控制、新型混合交通流（網聯車/非網聯車，燃油車/新能源車）車路協同優化、多模式交通出行規律挖掘與高品質交通規劃、綠色低碳交通措施及管控、災害作用下大范圍交通應急管控與疏散等。

“研究交通要從實際出發”

據了解，徐建閩和團隊此前研發的“廣州市智能交通系統應用試點示范工程（廣州ITS共用信息平臺）”曾獲廣東省科技進步三等獎。他介紹，這是一個多源異構數據的基礎匯聚平臺，集先進的通信技術、信息處理和計算機技術于一體，主要實現了城市客流、車流和物流等跨部門數據的收集、處理和挖掘，為政府部門、企業和公眾提供全方位的交通信息服務。“我們團隊也持續創新，在該平臺原有的基礎上又融合了交管部門、互聯網企業、通信運營商等跨部門的交通數據源，實現了多種交通出行方式的溯源和態勢研判，為節假日期間的出行規律分析提供了決策支撐。”

“交通是一個實踐性很強的學科，我們團隊始終以解決實際交通問題作為開展研究工作的初衷，希望能為城市交通建設貢獻我們的智慧與力量。”徐建閩說。

來源：大洋網