-
您的位置：
- 網(wǎng)站首頁
- > 場(chǎng)景案例
- > 智慧交通
您的位置：
隨著人工智能、大數(shù)據(jù)、物聯(lián)網(wǎng)、云計(jì)算等新技術(shù)的快速發(fā)展，各類終端、電子化外場(chǎng)設(shè)備、中心業(yè)務(wù)應(yīng)用都產(chǎn)生了海量的數(shù)據(jù)，并且滲透到了交通運(yùn)輸行業(yè)各個(gè)業(yè)務(wù)領(lǐng)域中，成為了重要的生產(chǎn)要素。大數(shù)據(jù)因此成為了社會(huì)各界關(guān)注的焦點(diǎn)，大數(shù)據(jù)時(shí)代已經(jīng)來臨。傳統(tǒng)數(shù)據(jù)處理技術(shù)無法滿足大規(guī)模數(shù)據(jù)的實(shí)時(shí)處理需求，不能挖掘數(shù)據(jù)蘊(yùn)藏的重要價(jià)值。而人工智能、大數(shù)據(jù)等技術(shù)作為科技發(fā)展新引擎，也仍處于探索應(yīng)用初期階段，還沒有實(shí)質(zhì)性地實(shí)現(xiàn)智能交通的重大變革。因此，充分發(fā)揮人工智能、大數(shù)據(jù)等技術(shù)的優(yōu)勢(shì)，尋找與實(shí)際業(yè)務(wù)需求的結(jié)合點(diǎn)顯得尤為重要。
在此背景下，本文首先從信息資源整合、數(shù)據(jù)智能分析決策、大數(shù)據(jù)全生命周期的新技術(shù)應(yīng)用、信息主動(dòng)推送、智能網(wǎng)聯(lián)汽車等方面提出智能交通日益凸顯的痛點(diǎn)及需求。其次總結(jié)智能視頻分析、交通信號(hào)控制、智能交通平臺(tái)應(yīng)用及智能網(wǎng)聯(lián)汽車等分業(yè)務(wù)領(lǐng)域的研究現(xiàn)狀。再次圍繞自然語言處理、計(jì)算機(jī)視覺、智能化交通信號(hào)控制、汽車電子標(biāo)識(shí)、數(shù)據(jù)湖藍(lán)光存儲(chǔ)等新技術(shù)，分別從技術(shù)突破、業(yè)務(wù)應(yīng)用兩個(gè)方面闡述新技術(shù)突破在智能交通領(lǐng)域的應(yīng)用。最后，提出了大數(shù)據(jù)時(shí)代新技術(shù)在智能交通領(lǐng)域研究方向的建議。
單-散亂包括數(shù)據(jù)散亂、技術(shù)散亂、業(yè)務(wù)散亂及應(yīng)用散亂。經(jīng)過我國(guó)大規(guī)模的信息化建設(shè)，與交通運(yùn)輸相關(guān)的絕大多數(shù)部門均已建成自有信息化系統(tǒng)，并積累了大量數(shù)據(jù)。但目前太多數(shù)據(jù)信息只存在于單個(gè)部門的垂直業(yè)務(wù)和單一應(yīng)用中，部門之間缺乏開放互通，造成數(shù)據(jù)資源條塊化分割和信息碎片化，數(shù)據(jù)共享程度不高。為此，一方面，亟需建立數(shù)據(jù)開放標(biāo)準(zhǔn)，明確數(shù)據(jù)開放進(jìn)程、范圍邊界、使用方式以及各部門對(duì)數(shù)據(jù)管理及共享的權(quán)利和義務(wù)；另一方面，亟需建立跨部門、跨行業(yè)、跨區(qū)域的信息資源整合平臺(tái)，實(shí)現(xiàn)高效的交通運(yùn)輸資源配置，為交通管理、決策、規(guī)劃與運(yùn)營(yíng)、服務(wù)提供更加有效的支撐。
交通大數(shù)據(jù)體量大、種類繁多，包括卡口、道路視頻監(jiān)控、電子警察、交通信號(hào)控制、交通誘導(dǎo)信息、車駕管、交通事故、停車場(chǎng)、運(yùn)營(yíng)車輛、車載視頻、場(chǎng)站視頻、公交線網(wǎng)、車輛定位等數(shù)據(jù)。然而面對(duì)如此海量、繁雜的數(shù)據(jù)，目前后臺(tái)數(shù)據(jù)處理大多仍沿用傳統(tǒng)的統(tǒng)計(jì)分析方法，或是通過單個(gè)維度數(shù)據(jù)的比對(duì)、累加、百分比計(jì)算，生成簡(jiǎn)單圖示模型來輔助決策，或是基于有限維度數(shù)據(jù)的簡(jiǎn)單模型算法預(yù)測(cè)關(guān)鍵參數(shù)，上述數(shù)據(jù)處理結(jié)果離實(shí)現(xiàn)智能分析處理、提供智能輔助決策相差甚遠(yuǎn)。今后的數(shù)據(jù)分析期望實(shí)現(xiàn)：根據(jù)既有屬性數(shù)據(jù)值，預(yù)測(cè)未知屬性的數(shù)據(jù)值；基于大數(shù)據(jù)技術(shù)發(fā)現(xiàn)數(shù)據(jù)潛在模式，包括復(fù)雜的多維度數(shù)據(jù)關(guān)聯(lián)性分析、將數(shù)據(jù)劃分成若干有意義或有用簇的聚類分析以及從輸人數(shù)據(jù)到各個(gè)標(biāo)簽映射的分類分析。
一個(gè)完備的大數(shù)據(jù)平臺(tái)構(gòu)建，包括數(shù)據(jù)采集、存儲(chǔ)、處理以及展示等環(huán)節(jié)，主要挑戰(zhàn)在于以下幾方面。
（1） 數(shù)據(jù)類型的多樣性，非結(jié)構(gòu)化數(shù)據(jù)呈指數(shù)級(jí)增長(zhǎng)：智能交通建設(shè)和運(yùn)營(yíng)過程中，既要處理結(jié)構(gòu)化數(shù)據(jù)，同時(shí)還要處理視頻監(jiān)控、卡口電警產(chǎn)生的大量視頻、圖片等非結(jié)構(gòu)化數(shù)據(jù)；傳統(tǒng)的關(guān)系型數(shù)據(jù)庫僅能分析處理確定的數(shù)據(jù)關(guān)系，而對(duì)于海量數(shù)據(jù)，特別是半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)無能為力。
（2） 數(shù)據(jù)采集的不確定性：數(shù)據(jù)在采集過程中容易存在缺失、錯(cuò)誤、冗余等異?，F(xiàn)象，而既有數(shù)據(jù)清洗算法均無法消除某些數(shù)據(jù)固有的不確定性。
（3） 數(shù)據(jù)存儲(chǔ)能耗高、性能差：1）傳統(tǒng)主存-磁盤存儲(chǔ)架構(gòu)無法滿足大數(shù)據(jù)管理需求；2）大規(guī)模分布式數(shù)據(jù)庫中傳統(tǒng)的持久化策略、索引結(jié)構(gòu)、查詢執(zhí)行、查詢優(yōu)化、數(shù)據(jù)恢復(fù)策略均無法發(fā)揮新型存儲(chǔ)優(yōu)勢(shì)； 3）大數(shù)據(jù)管理系統(tǒng)中的能耗成本逐年上升。
可見，大數(shù)據(jù)平臺(tái)已由過去關(guān)注數(shù)據(jù)處理技術(shù)，逐步開始在數(shù)據(jù)管道驗(yàn)證、復(fù)雜數(shù)據(jù)碰撞、海量數(shù)據(jù)超算等環(huán)節(jié)產(chǎn)生新的需求，進(jìn)而提高數(shù)據(jù)使用價(jià)值。
大多智能交通管控平臺(tái)采用信息被動(dòng)搜索模式，即：用戶先發(fā)出請(qǐng)求，然后服務(wù)器響應(yīng)請(qǐng)求，最后將用戶請(qǐng)求的內(nèi)容返回用戶。該模式存在的問題是隨著業(yè)務(wù)量的增加，用戶無法及時(shí)獲取準(zhǔn)確有效的信息。因此，利用人工智能等技術(shù)從龐大數(shù)據(jù)資源中自動(dòng)獲取實(shí)用、準(zhǔn)確、優(yōu)質(zhì)的信息，實(shí)現(xiàn)主動(dòng)推送決策信息亟待實(shí)現(xiàn)。
我國(guó)與日俱增的小汽車保有量使得城市擁堵問題愈加嚴(yán)重；加之，云計(jì)算、物聯(lián)網(wǎng)、大數(shù)據(jù)等新興技術(shù)的蓬勃發(fā)展使得傳統(tǒng)汽車產(chǎn)業(yè)發(fā)生重大變革，智能網(wǎng)聯(lián)汽車成為全球汽車行業(yè)關(guān)注的焦點(diǎn)。智能網(wǎng)聯(lián)汽車是傳統(tǒng)汽車產(chǎn)業(yè)的轉(zhuǎn)型升級(jí)，具體表現(xiàn)在：
（1） 高數(shù)據(jù)量、高并發(fā)互聯(lián)娛樂；
（2） 通過后臺(tái)的大數(shù)據(jù)處理及云計(jì)算實(shí)現(xiàn)語音交互和手勢(shì)識(shí)別；
（3） 高精度地圖，超視距了解路況信息，更安全、更節(jié)能；
（4） 先進(jìn)的車載組合傳感器技術(shù)，強(qiáng)調(diào)車輛主動(dòng)安全性能。因此，智能網(wǎng)聯(lián)汽車將是未來智能交通發(fā)展的重要方向之一。
智能視頻分析借助計(jì)算機(jī)強(qiáng)大的數(shù)據(jù)處理能力濾掉視頻噪聲，智能識(shí)別對(duì)象，分析抽取視頻流中關(guān)鍵信息，在交通運(yùn)輸領(lǐng)域得到了廣泛應(yīng)用，包括道路交通流監(jiān)測(cè)、車輛自動(dòng)檢測(cè)和識(shí)別、道路車輛與行人定位、監(jiān)控區(qū)域內(nèi)個(gè)體的異常行為檢測(cè)、自動(dòng)收費(fèi)系統(tǒng)等。下面分別從目標(biāo)檢測(cè)、目標(biāo)跟蹤、目標(biāo)識(shí)別三個(gè)方面總結(jié)分析計(jì)算機(jī)視覺技術(shù)的研究現(xiàn)狀及應(yīng)用情況。
1.1基于計(jì)算機(jī)視覺的目標(biāo)檢測(cè)
基于計(jì)算機(jī)視覺的目標(biāo)檢測(cè)即將運(yùn)動(dòng)目標(biāo)從實(shí)時(shí)變化的背景中快速、準(zhǔn)確地提取出來，進(jìn)而獲取目標(biāo)的相關(guān)屬性、特征信息。常用的目標(biāo)檢測(cè)方法有圖像差分法、光流場(chǎng)法以及目標(biāo)特征模型檢測(cè)法。圖像差分法的劣勢(shì)在于受到復(fù)雜場(chǎng)景、環(huán)境干擾以及噪聲的影響，背景建模比較困難。光流場(chǎng)法由于受多光源、噪聲、透明性、陰影、遮擋等因素的影響使計(jì)算出的光流分布可靠性、精準(zhǔn)性、實(shí)時(shí)性與實(shí)用性較差。目標(biāo)特征模型檢測(cè)法是較新的研究成果，該方法是通過建立被檢測(cè)目標(biāo)的特征模型，設(shè)置分類器，從圖像中對(duì)目標(biāo)分類，主要步驟包括目標(biāo)特征提取及目標(biāo)分類識(shí)別。傳統(tǒng)的目標(biāo)特征模型檢測(cè)法多將特征提取與分類分開，即：首先，采用某種算法提取目標(biāo)特征，人工選擇合適的特征組合；然后，單獨(dú)運(yùn)用包括神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、自適應(yīng)增強(qiáng)等機(jī)器學(xué)習(xí)算法訓(xùn)練獨(dú)立的分類器。傳統(tǒng)的目標(biāo)模型檢測(cè)法由于人T構(gòu)建的往往是梯度、顏色、紋理等淺層特征，使得其在面對(duì)類別數(shù)量大、環(huán)境較為復(fù)雜的情況時(shí)有很大的局限性，性能提高空間有限。
1.2基于計(jì)算機(jī)視覺的目標(biāo)跟蹤
根據(jù)采集的視頻圖像對(duì)車輛異常行為進(jìn)行檢測(cè)及行人行為進(jìn)行判定具有重要意義。常用的目標(biāo)跟蹤算法主要有基于圖像特征的跟蹤、基于模板匹配的跟蹤及基于運(yùn)動(dòng)預(yù)測(cè)的跟蹤。目標(biāo)跟蹤研究的難點(diǎn)在于算法的魯棒性和準(zhǔn)確性。既有研究成果對(duì)處理簡(jiǎn)單背景下的車輛跟蹤問題有較好的效果，但當(dāng)跟蹤目標(biāo)發(fā)生遮擋、旋轉(zhuǎn)、尺度變化及背景干擾時(shí)，很難獲得魯棒性較強(qiáng)的效果。
1.3基于計(jì)算機(jī)視覺的目標(biāo)識(shí)別
基于計(jì)算機(jī)視覺的目標(biāo)識(shí)別在目標(biāo)檢測(cè)、跟蹤的基礎(chǔ)上進(jìn)行，首先根據(jù)實(shí)際需求確定要?jiǎng)澐值念悇e，從檢測(cè)到的目標(biāo)中提取合適的特征；然后根據(jù)選取的特征，運(yùn)用分類器將目標(biāo)進(jìn)行分類，進(jìn)而獲取視頻圖像中動(dòng)態(tài)目標(biāo)的類型和數(shù)量。因此，影響目標(biāo)識(shí)別的關(guān)鍵是選取準(zhǔn)確、高效、魯棒性好的特征量和構(gòu)建快速、有效的分類器。目前普遍采用的目標(biāo)特征提取方法有形狀特征、顏色特征、運(yùn)動(dòng)特征及多特征等。現(xiàn)有分類器算法有神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、Adaboost級(jí)聯(lián)、貝葉斯決策等。但是，上述方法距離實(shí)時(shí)、精準(zhǔn)地識(shí)別目標(biāo)特征還有-定差距。
近些年，隨著圖形處理器的并行計(jì)算架構(gòu)被大規(guī)模應(yīng)用于多層神經(jīng)網(wǎng)絡(luò)訓(xùn)練，科研人員開始探索利用深度學(xué)習(xí)技術(shù)實(shí)現(xiàn)圖像視頻檢測(cè)識(shí)別。其最大的特點(diǎn)在于能將特征提取與分類整合到一個(gè)單獨(dú)的神經(jīng)網(wǎng)絡(luò)中，并且隨著網(wǎng)絡(luò)結(jié)構(gòu)的增加，圖像信息也會(huì)由像素級(jí)別的特征、淺層特征提取逐漸過渡到高級(jí)、深層特征提取。由于特征提取不需人工干預(yù)，而是依靠神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)得到，因此深度學(xué)習(xí)的泛化性不是一般機(jī)器學(xué)習(xí)算法可以比擬的。
目前，深度學(xué)習(xí)與計(jì)算機(jī)視覺技術(shù)在智能交通領(lǐng)域的應(yīng)用方向主要有：
（1） 基于車輛輪廓和形態(tài)的檢測(cè)技術(shù)：從基于運(yùn)動(dòng)的檢測(cè)技術(shù)到基于車輛輪廓和形態(tài)的檢測(cè)技術(shù)的轉(zhuǎn)變，可以解決很多過去車輛檢測(cè)中存在的問題，排除了天氣、光線等帶來的干擾；
（2） 通過深度學(xué)習(xí)實(shí)現(xiàn)更多維度的識(shí)別：通過深度學(xué)習(xí)精確識(shí)別車牌，還有車輛的顏色、類型、品牌年款，車內(nèi)人物，車輛擋風(fēng)玻璃上的特殊標(biāo)志以及車輛尾部的特征標(biāo)志等；
（3） 車輛比對(duì)一一以圖搜圖：基于視圖大數(shù)據(jù)的以圖搜圖功能，可以在海量圖片里找到一輛特定的車，該技術(shù)應(yīng)用場(chǎng)景包括套牌識(shí)別、收費(fèi)結(jié)算、逃費(fèi)稽查、移動(dòng)支付等；
（4） 借助人工智能實(shí)現(xiàn)準(zhǔn)確的交通事件檢測(cè)：由于傳統(tǒng)檢測(cè)方法存在較多的誤報(bào)，實(shí)際效果離真正的需求還有定的差距，而借助深度學(xué)習(xí)技術(shù)，能實(shí)現(xiàn)真正準(zhǔn)確的交通事件檢測(cè)。總之，目前交通運(yùn)輸領(lǐng)域的計(jì)算機(jī)視覺技術(shù)應(yīng)用還停留在對(duì)靜態(tài)圖片的智能分析階段，而真正的挑戰(zhàn)是快速從視頻中找出需要的畫面，為執(zhí)法提供快速、精準(zhǔn)、有效的依據(jù)。
目前，部分企業(yè)正在尋找人工智能技術(shù)與前端設(shè)備的應(yīng)用結(jié)合點(diǎn)，如智能交通信號(hào)控制，主要有傳統(tǒng)信號(hào)控制系統(tǒng)與互聯(lián)網(wǎng)信號(hào)控制系統(tǒng)，兩者的差異體現(xiàn)在：前者的數(shù)據(jù)來源于周邊有限的采集設(shè)備，如視頻、線圈、雷達(dá)等，探測(cè)范圍非常有限；而后者的數(shù)據(jù)來源于基于手機(jī)定位計(jì)算得到的交通流數(shù)據(jù)，該類數(shù)據(jù)可以實(shí)時(shí)精準(zhǔn)地統(tǒng)計(jì)全路網(wǎng)各個(gè)節(jié)點(diǎn)、路段的交通流量及流向。此外，互聯(lián)網(wǎng)信號(hào)控制系統(tǒng)不僅能夠利用人工智能技術(shù)，網(wǎng)絡(luò)流算法優(yōu)化信號(hào)配時(shí)方案，而且可以評(píng)價(jià) 路口信號(hào)配時(shí)方案的運(yùn)行效果及對(duì)周邊區(qū)域交通的影響。經(jīng)分析可知，一方面，人工智能、移動(dòng)互聯(lián)等新技術(shù)應(yīng)用到交通信號(hào)控制是未來發(fā)展趨勢(shì)；另方面，也需要以具備額外計(jì)算能力的信號(hào)控制器作為載體。
基于高效數(shù)據(jù)采集、存儲(chǔ)、處理、共享及應(yīng)用的大數(shù)據(jù)驅(qū)動(dòng)的智能交通業(yè)務(wù)平臺(tái)，能夠?qū)崿F(xiàn)數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)挖掘、數(shù)據(jù)共享等功能。傳統(tǒng)智能交通企業(yè)的布局主要有以下幾個(gè)方面：
（1）基于交通管理業(yè)務(wù)基礎(chǔ)信息，應(yīng)用數(shù)據(jù)倉庫、高性能計(jì)算、主題模型、多維度分析、可視化等關(guān)鍵技術(shù)，獲取隱藏在交通管理大數(shù)據(jù)中的趨勢(shì)性、預(yù)判性信息；
（2）在交通信息資源共享交換服務(wù)技術(shù)、區(qū)域交通擁堵評(píng)價(jià)技術(shù)、出行路徑規(guī)劃與主動(dòng)交通安全技術(shù)、突發(fā)交通事件監(jiān)測(cè)預(yù)警技術(shù)等方面進(jìn)行重點(diǎn)研究；
（3）研究光磁一體化的城市數(shù)據(jù)湖技術(shù)、跨行業(yè)的數(shù)據(jù)接入及分析挖掘技術(shù)、多源異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)融合及集成化管理技術(shù)、基于云計(jì)算環(huán)境下的大數(shù)據(jù)平臺(tái)技術(shù)。
與傳統(tǒng)智能交通企業(yè)不同，互聯(lián)網(wǎng)企業(yè)占據(jù)了有商業(yè)價(jià)值的數(shù)據(jù)資源流量入口。
（1）一站式出行服務(wù)平臺(tái)深耕海量數(shù)據(jù)分析處理技術(shù)、人工智能算法，進(jìn)而實(shí)現(xiàn)精準(zhǔn)的供需預(yù)測(cè)、蜂窩動(dòng)態(tài)調(diào)價(jià)、智能派單、路徑規(guī)劃、智能拼車、矩陣式服務(wù)評(píng)價(jià)體系；
（2）交通大數(shù)據(jù)平臺(tái)根據(jù)交通度量體系設(shè)定，分析海量數(shù)據(jù)，讓分析結(jié)果為乘客、司機(jī)、交通主管部門等所有出行參與方都帶來價(jià)值，如利用智能調(diào)度優(yōu)勢(shì)幫助改善城市交通擁堵問題，協(xié)助設(shè)計(jì)智能交通管控方案，提高道路利用率，為城市的路網(wǎng)優(yōu)化提供決策依據(jù)等。
智能網(wǎng)聯(lián)汽車搭載先進(jìn)車載傳感器、控制器、執(zhí)行器等裝置，并融合現(xiàn)代通信和網(wǎng)絡(luò)技術(shù)，實(shí)現(xiàn)車與人、車、路、云等信息交換與共享，具備復(fù)雜環(huán)境感知、智能決策、協(xié)同控制等功能。由于智能網(wǎng)聯(lián)能提供更安全、節(jié)能、環(huán)保、便捷的出行服務(wù)。成為國(guó)際公認(rèn)的未來發(fā)展方向。
我國(guó)智能網(wǎng)聯(lián)汽車發(fā)展不足主要表現(xiàn)在：
（1）尚未形成國(guó)家層面的智能網(wǎng)聯(lián)汽車發(fā)展戰(zhàn)略，缺乏大型國(guó)家項(xiàng)目支撐；
（2）我國(guó)智能汽車領(lǐng)域的基礎(chǔ)技術(shù)還十分薄弱，核心技術(shù)仍落后于世界先進(jìn)水平；
（3）自主零部件企業(yè)相對(duì)弱小，行業(yè)缺乏有效協(xié)同研制機(jī)制；
（4）我國(guó)雖有強(qiáng)大的互聯(lián)網(wǎng)產(chǎn)業(yè)基礎(chǔ)，但信息產(chǎn)業(yè)與汽車的融合層次較淺；
（5）智能網(wǎng)聯(lián)汽車標(biāo)準(zhǔn)法規(guī)及檢測(cè)測(cè)試落后較多。
我國(guó)非常重視智能輔助駕駛，工信部和公安部已經(jīng)授權(quán)無錫的科研所建設(shè)國(guó)家級(jí)智能交通綜合測(cè)試基地，旨在打造車聯(lián)網(wǎng)研發(fā)和測(cè)試驗(yàn)證平臺(tái)，該平臺(tái)的建立對(duì)推動(dòng)我國(guó)智能輔助駕駛規(guī)范化、標(biāo)準(zhǔn)化起到了重要作用?？梢?，我國(guó)智能輔助駕駛已經(jīng)從過去的政策引導(dǎo)轉(zhuǎn)向打破碎片化、推進(jìn)規(guī)范化與標(biāo)準(zhǔn)化的新方向。
由上述分析可知：
（1）人工智能還處于早期發(fā)展階段，部分企業(yè)在探索其在行業(yè)垂直領(lǐng)域的智能化應(yīng)用，但目前多聚焦在挖掘數(shù)據(jù)處理技術(shù)的業(yè)務(wù)應(yīng)用，并沒有著眼于研究貫穿數(shù)據(jù)采集、存儲(chǔ)、處理、應(yīng)用這一全生命周期的人工智能技術(shù)，遠(yuǎn)沒有體現(xiàn)新一代人工智能技術(shù)的先進(jìn)性；
（2）具備平臺(tái)技術(shù)能力、數(shù)據(jù)整合能力、智能分析能力的企業(yè)較少，亟需建立跨行業(yè)、跨業(yè)態(tài)的大數(shù)據(jù)平臺(tái)、分析平臺(tái)及應(yīng)用平臺(tái)；
（3）行業(yè)內(nèi)企業(yè)多集中于圈占具有商業(yè)價(jià)值的數(shù)據(jù)資源；
（4）人工智能得到大力推行，智能交通企業(yè)大多在孵化新的產(chǎn)品，推動(dòng)智能交通大數(shù)據(jù)的發(fā)展，其中，機(jī)器學(xué)習(xí)作為人工智能的細(xì)分技術(shù)占據(jù)了市場(chǎng)主導(dǎo)地位，其次是自然語言處理技術(shù)。
圍繞自然語言處理、計(jì)算機(jī)視覺、智能化交通信號(hào)控制、汽車電子標(biāo)識(shí)、數(shù)據(jù)湖藍(lán)光存儲(chǔ)等新技術(shù)，從技術(shù)突破和業(yè)務(wù)應(yīng)用兩個(gè)方面來看，新技術(shù)突破在智能交通中的應(yīng)用情況如下。
目前，工業(yè)界、學(xué)術(shù)界利用深度學(xué)習(xí)算法已經(jīng)實(shí)現(xiàn)了高級(jí)階段的一些關(guān)鍵性突破，能夠?qū)崿F(xiàn)少數(shù)民族語言、方言、口音、輕度噪音環(huán)境的語音識(shí)別分析，語音識(shí)別率可以達(dá)到95%，還可通過語氣判斷講話人的性格及心情，通過訓(xùn)練實(shí)現(xiàn)人機(jī)對(duì)話。
當(dāng)前計(jì)算機(jī)視覺技術(shù)在智能交通領(lǐng)域的主要突破有以下五個(gè)方面：
（1）由基于計(jì)算機(jī)視覺技術(shù)的目標(biāo)檢測(cè)到目標(biāo)跟蹤；
（2）由簡(jiǎn)單、純凈的場(chǎng)景到復(fù)雜場(chǎng)景下檢測(cè)、跟蹤、識(shí)別，提高算的 魯棒性；
（3）由簡(jiǎn)單的汽車電子號(hào)牌識(shí)別到車型、多種微觀特征識(shí)別；
（4）由機(jī)動(dòng)車的檢測(cè)跟蹤到行人的檢測(cè)跟蹤；
（5）由靜態(tài)圖片的目標(biāo)分析到動(dòng)態(tài)視頻檢索。
過去傳統(tǒng)的交通信號(hào)控制多集中于基于路口交通流參數(shù)確定信號(hào)控制方案。目前，信號(hào)控制技術(shù)的突破方向有：
（1）交通信息采集手段的突破，從原有的基于“點(diǎn)”的、“單一”方式到基于“區(qū)域”的、“多源”方式，實(shí)現(xiàn)汽車電子標(biāo)識(shí)、互聯(lián)網(wǎng)車輛定位數(shù)據(jù)、視頻、地磁、雷達(dá)等多種交通數(shù)據(jù)的融合互補(bǔ)；
（2）智能載體的突破，從原有前端信號(hào)控制器的智能化到上端中心的智能化，不僅能夠?qū)崿F(xiàn)單點(diǎn)的信號(hào)控制，更可以實(shí)現(xiàn)千道控制甚至區(qū)域控制；
（3）評(píng)價(jià)方法的突破，從原有的基于飽和度、停車次數(shù)、排隊(duì)長(zhǎng)度、信號(hào)延誤、效率系數(shù)等指標(biāo)評(píng)價(jià)單點(diǎn)信號(hào)控制方案的好壞到單點(diǎn)信號(hào)配時(shí)對(duì)周邊區(qū)域的交通影響評(píng)估。
汽車電子標(biāo)識(shí)是智能交通管理系統(tǒng)的高精度、高準(zhǔn)確性、海量、動(dòng)態(tài)數(shù)據(jù)的采集源。汽車電子標(biāo)識(shí)技術(shù)突破方向有：
（1）汽車電子標(biāo)識(shí)標(biāo)簽技術(shù)，包括超高效率整流電路設(shè)計(jì)技術(shù)、超低功耗技術(shù)、全頻段寬帶和高增益技術(shù)、存儲(chǔ)數(shù)據(jù)的高可靠性技術(shù)；（2）讀寫設(shè)備技術(shù)，包括基于分離元器件和芯片的讀寫設(shè)備設(shè)計(jì)、空口效率優(yōu)化技術(shù)、安全技術(shù)、通信協(xié)議技術(shù)等?；谄囯娮訕?biāo)識(shí)技術(shù)與交通物聯(lián)網(wǎng)視頻監(jiān)控技術(shù)的聯(lián)合使用，在高速公路、公路收費(fèi)站以及城市主干道、出人口、交叉路口等現(xiàn)有的交通技術(shù)監(jiān)控設(shè)備上加裝電子標(biāo)識(shí)識(shí)讀設(shè)備，并在汽車站、大型停車場(chǎng)、居民小區(qū)和單位門禁等位置（區(qū)域）安裝識(shí)讀設(shè)備，采集車輛精確行駛軌跡數(shù)據(jù)，并上傳匯總至部、省兩級(jí)車輛軌跡數(shù)據(jù)中心，可以實(shí)現(xiàn)對(duì)全國(guó)車輛行駛軌跡的精確管控。
該技術(shù)的提出源于數(shù)據(jù)使用頻率的2/8原則，即城市大數(shù)據(jù)中有20%數(shù)據(jù)高頻使用、80%數(shù)據(jù)低頻使用，采用藍(lán)光、磁存一體化應(yīng)用方案，是新大數(shù)據(jù)時(shí)代最理想的數(shù)據(jù)存儲(chǔ)架構(gòu)。
結(jié)合智能交通建設(shè)需求，圍繞視頻精準(zhǔn)識(shí)別、運(yùn)維智能檢測(cè)系統(tǒng)、智能化交通信號(hào)控制、大數(shù)據(jù)標(biāo)準(zhǔn)制定、貫穿數(shù)據(jù)全生命周期的新技術(shù)應(yīng)用等，提出具體的技術(shù)研究方向建議。
（1）優(yōu)化視頻智能分析算法，實(shí)現(xiàn)包括車輛異常行為、燃爆等交通事件的精準(zhǔn)識(shí)別。
（2）降低算法能耗。即通過減少物理服務(wù)器節(jié)點(diǎn)的工作量，重新配置任務(wù)，然后讓一部分工作量極少的節(jié)點(diǎn)休眠，從而達(dá)到節(jié)能的效果，改變過去過度依賴通過擴(kuò)展服務(wù)器數(shù)量實(shí)現(xiàn)秒級(jí)搜索響應(yīng)的做法。
開展跨平臺(tái)自檢、跨產(chǎn)品的智能化聯(lián)合檢測(cè)技術(shù)研究。從設(shè)備運(yùn)維單一產(chǎn)品的網(wǎng)上巡檢到城市級(jí)、行業(yè)級(jí)，開發(fā)突破產(chǎn)品、突破企業(yè)的運(yùn)維智能檢測(cè)系統(tǒng)。
該技術(shù)的提出源于數(shù)據(jù)使用頻率的2/8原則，即城市大數(shù)據(jù)中有20%數(shù)據(jù)高頻使用、80%數(shù)據(jù)低頻使用，采用藍(lán)光、磁存一體化應(yīng)用方案，是新大數(shù)據(jù)時(shí)代最理想的數(shù)據(jù)存儲(chǔ)架構(gòu)。
開展政府、企業(yè)間大數(shù)據(jù)標(biāo)準(zhǔn)及數(shù)據(jù)共享機(jī)制研究。一般情況下，政府的數(shù)據(jù)可以通過法律程序推動(dòng)數(shù)據(jù)的統(tǒng)一化、標(biāo)準(zhǔn)化。但是，企業(yè)內(nèi)部及企業(yè)間的數(shù)據(jù)呈現(xiàn)碎片化、零散化、不規(guī)范的特點(diǎn)。因此，研究企業(yè)間、企業(yè)與政府間的共享機(jī)制勢(shì)在必行。
研究人工智能等新技術(shù)在數(shù)據(jù)全生命周期的應(yīng)用，包括數(shù)據(jù)采集、存儲(chǔ)、處理、應(yīng)用等階段。實(shí)現(xiàn)不僅具有智慧大腦，還要有匹配智慧機(jī)體的智能交通系統(tǒng)。
結(jié)論：智能交通行業(yè)日益凸顯的痛點(diǎn)及需求體現(xiàn)在以下幾個(gè)方面：由數(shù)據(jù)散亂、技術(shù)散亂、業(yè)務(wù)散亂及應(yīng)用散亂轉(zhuǎn)向資源整合；數(shù)據(jù)處理分析方法由簡(jiǎn)單的數(shù)據(jù)統(tǒng)計(jì)轉(zhuǎn)向輔助智能決策；由數(shù)據(jù)結(jié)構(gòu)化、算法低效轉(zhuǎn)向數(shù)據(jù)智能清洗提取、超算高效；由被動(dòng)搜索信息、被動(dòng)管理轉(zhuǎn)向信息主動(dòng)推送、主動(dòng)服務(wù)；汽車由傳統(tǒng)交通工具轉(zhuǎn)向下一代移動(dòng)智能終端。大數(shù)據(jù)、人工智能還處于早期發(fā)展階段，并且多是集中在數(shù)據(jù)處理環(huán)節(jié)探索數(shù)據(jù)融合挖掘技術(shù)的應(yīng)用，并沒有著眼在某一業(yè)務(wù)領(lǐng)域研究覆蓋數(shù)據(jù)采集、存儲(chǔ)、處理、應(yīng)用全生命周期的新技術(shù)。圍繞自然語言處理、計(jì)算機(jī)視覺、智能化交通信號(hào)控制、汽車電子標(biāo)識(shí)、數(shù)據(jù)湖藍(lán)光存儲(chǔ)等新技術(shù)，本文提出新技術(shù)未來在智能交通領(lǐng)域的突破性應(yīng)用，如車輛異常行為跟蹤、車輛燃爆事故精準(zhǔn)發(fā)現(xiàn)預(yù)警、多源全視角的交通信號(hào)控制等。