很多過(guò)去認(rèn)為遙不可及的未來(lái)，正在變成理所當(dāng)然的現(xiàn)在。不久前,，自動(dòng)駕駛沖上熱搜,，再次成為全民關(guān)注的焦點(diǎn)。立足數(shù)據(jù)為核心生產(chǎn)要素的新時(shí)代,，在“車”交通領(lǐng)域,，得益于這幾年智慧交通快速發(fā)展，部分城市路側(cè)智能感知設(shè)備成熟應(yīng)用,，道路精準(zhǔn)感知能力不斷增強(qiáng),，算力提升突破，算法創(chuàng)新優(yōu)化,，“聰明的路”“智慧的車”“車路協(xié)同”逐步走進(jìn)現(xiàn)實(shí),，自動(dòng)駕駛呼之欲出，并開(kāi)始重新定義城市治理與居民的生活方式,。

毋庸置疑,，要想獲得更安全、更易獲得的自動(dòng)駕駛體驗(yàn),，車路協(xié)同技術(shù)是關(guān)鍵,。實(shí)現(xiàn)車路協(xié)同的核心在于將感知設(shè)備部署于道路，以獲得駕駛位以外的視野,，消除視覺(jué)盲區(qū),。在車路協(xié)同的環(huán)境下，讓“路看車”,，“路告訴車”周邊的情況，輔助車輛“決策”,。

有業(yè)內(nèi)人士表示,，自動(dòng)駕駛的普及，不能只依賴單車智能,，道路基礎(chǔ)設(shè)施的智能化也很重要,。如今，市面上已有通過(guò)單純依靠路側(cè)傳感器感知,，而車輛系統(tǒng)依然可以進(jìn)行自動(dòng)駕駛的實(shí)踐,。

清華大學(xué)人工智能研究院視覺(jué)智能研究中心主任鄧志東教授曾在接受媒體采訪時(shí)談到，自動(dòng)駕駛發(fā)展存在嚴(yán)重短板,，人工智能尤其是視覺(jué)智能存在較大缺陷,，感知是個(gè)巨大瓶頸。他認(rèn)為,，自動(dòng)駕駛最終會(huì)走向多傳感器融合,，既有激光雷達(dá)的主動(dòng)視覺(jué)，也有攝像頭的被動(dòng)視覺(jué)。多傳感器一定要解決信息融合的問(wèn)題,，而信息融合往往是自動(dòng)駕駛核心的關(guān)鍵技術(shù)之一,。

數(shù)字化是交通運(yùn)輸業(yè)高質(zhì)量發(fā)展的關(guān)鍵要素，交通基礎(chǔ)設(shè)施在加快建設(shè)的同時(shí),，數(shù)字轉(zhuǎn)型,、智能升級(jí)也在同步加速，人們的出行更便捷,。

正在建設(shè)的京雄高速北京段將于今年年底主體建成,，目前全線控制性工程永定河特大橋首個(gè)主墩承臺(tái)順利封底。京雄高速在國(guó)內(nèi)首次設(shè)置智慧高速專用車道,，實(shí)現(xiàn)智慧車道作用的,，是處于云端、路側(cè),、車端的一系列科技裝備,。北斗高精度定位、高精度數(shù)字地圖,、可變信息標(biāo)志和車路通信系統(tǒng)等數(shù)字化,、智能型貫穿設(shè)計(jì)建設(shè)和運(yùn)營(yíng)全過(guò)程。

智慧交通方面,，京雄高速項(xiàng)目在最內(nèi)側(cè)車道預(yù)留好作為智慧駕駛專用車道的條件,，逐步實(shí)現(xiàn)不同等級(jí)的自動(dòng)駕駛。初期準(zhǔn)備做車路協(xié)同應(yīng)用場(chǎng)景測(cè)試,，實(shí)現(xiàn)無(wú)人駕駛公交,、物聯(lián)車隊(duì)的上路運(yùn)行;遠(yuǎn)期實(shí)現(xiàn)全路段所有車道的車路協(xié)同，也就是無(wú)人駕駛,。

在上海,，車站電子顯示屏上滾動(dòng)告知下一班車的到站時(shí)間，當(dāng)?shù)厝媛?lián)網(wǎng)接入全市4700個(gè)經(jīng)營(yíng)性停車場(chǎng)(庫(kù))和收費(fèi)道路停車場(chǎng),、100萬(wàn)個(gè)公共泊位的信息數(shù)據(jù),。

人工智能在交通領(lǐng)域的應(yīng)用基本上已經(jīng)觸及到了方方面面。我們要分析的問(wèn)題就是人工智能技術(shù)如何對(duì)紅綠燈進(jìn)行智能調(diào)控,。

首先我們需要確定對(duì)紅綠燈要調(diào)控到哪一種程度才算是我們的最終目標(biāo),。比如讓紅綠燈可以根據(jù)車流量的大小來(lái)自動(dòng)調(diào)整時(shí)長(zhǎng)，也可以根據(jù)斑馬線兩端等待過(guò)馬路的人數(shù)來(lái)調(diào)整,，還可以根據(jù)綜合路況來(lái)調(diào)整紅綠燈的時(shí)長(zhǎng),，所以我們首先要做的就是確定目標(biāo)，我們暫且就以綜合路況情況調(diào)整作為目標(biāo),，那么我們就需要這個(gè)路段的實(shí)時(shí)圖像,，比如路段是否暢通,、路段是否有故障車輛或者遺落物體擋路，或者路段出現(xiàn)塌陷等其他因素,，還要統(tǒng)計(jì)該路段路過(guò)的車輛數(shù)量,，以及斑馬線兩端等候的行人數(shù)量等。

我們?cè)陧?xiàng)目開(kāi)始之前,，一般會(huì)建立一個(gè)思維導(dǎo)圖,，將這些情況逐一分析，看看是否還有遺漏的問(wèn)題,。然后再去思考,，如何使用AI的方式來(lái)解決這些問(wèn)題。

首先對(duì)于車流量和人流量的統(tǒng)計(jì),，可以使用目前工業(yè)界比較常用的檢測(cè)模型來(lái)實(shí)現(xiàn),，比如像YOLO系列中的v5版本或者YOLOX，算是目前在工業(yè)界比較通用的模型了,。

其次就是對(duì)實(shí)時(shí)路況監(jiān)控的實(shí)現(xiàn),，這一塊主要有三個(gè)問(wèn)題構(gòu)成，第一個(gè)問(wèn)題是對(duì)路段本身的狀況監(jiān)控,，比如路面塌陷,、裂縫、表面損壞等;第二個(gè)問(wèn)題是對(duì)路面上的障礙物的監(jiān)控,，比如行駛的車輛掉落的雜物,，或者其他影響車輛正常行駛的雜物;第三個(gè)問(wèn)題是對(duì)路段上的車輛是否正常行駛的監(jiān)控，比如突然有車輛拋錨,，這會(huì)影響到其他車輛的安全行駛,。