很多過去認(rèn)為遙不可及的未來,，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,，也有攝像頭的被動(dòng)視覺,。多傳感器一定要解決信息融合的問題，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)營全過程,。

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)不同等級的自動(dòng)駕駛,。初期準(zhǔn)備做車路協(xié)同應(yīng)用場景測試，實(shí)現(xiàn)無人駕駛公交,、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)營性停車場(庫)和收費(fèi)道路停車場、100萬個(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,。我們要分析的問題就是人工智能技術(shù)如何對紅綠燈進(jìn)行智能調(diào)控。

首先我們需要確定對紅綠燈要調(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)車流量的大小來自動(dòng)調(diào)整時(shí)長,，也可以根據(jù)斑馬線兩端等待過馬路的人數(shù)來調(diào)整,，還可以根據(jù)綜合路況來調(diào)整紅綠燈的時(shí)長，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)該路段路過的車輛數(shù)量,，以及斑馬線兩端等候的行人數(shù)量等,。

我們在項(xiàng)目開始之前，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題。然后再去思考,，如何使用AI的方式來解決這些問題,。

首先對于車流量和人流量的統(tǒng)計(jì)，可以使用目前工業(yè)界比較常用的檢測模型來實(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。

其次就是對實(shí)時(shí)路況監(jiān)控的實(shí)現(xiàn),，這一塊主要有三個(gè)問題構(gòu)成,，第一個(gè)問題是對路段本身的狀況監(jiān)控，比如路面塌陷,、裂縫,、表面損壞等;第二個(gè)問題是對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)問題是對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,。