【中國安防展覽網 企業關注】在交通領域，如果通過人力來預判交通流量，僅僅是一周的視頻數據分析，都需要數萬交警三班倒地去看，花費的時間可能是幾天甚至更長時間。而城市大腦則可以在十分短暫的時間內分析完畢，并且能夠到多少車輛往什么方向走，哪些車輛存在違章……這方面，機器比人更具優勢。
在剛結束的第九屆中國道路交通安全產品博覽會上，我們看到了一些新產品，也感受了一些新變化，如果說去年的主要熱點是信號優化、大數據平臺等，那么今年的熱點應該就是人工智能、深度學習、路側停車等。
科技行業不缺乏的，可能就是技術概念，和經濟學一樣，概念看起來越高深復雜越好，才顯得這個技術有多先進和前沿。云計算和大數據已經證明了在智能交通行業應用的價值，基于這兩者基礎之上的人工智能和深度學習的標簽，也開始印在智能交通身上。
在此之前，小編有個偏見，即人工智能不過又一件誰都可以披上的披風，來裝飾自身，跟上這個時代的風潮，即便從事的工作仍然是傳統的業務。
人工智能的初步認識
回來之后，小編百度了一下人工智能，在詞條下面，是這么定義的：人工智能是研究人類智能活動的規律，構造具有一定智能的人工系統，研究如何讓計算機去完成以往需要人的智力才能勝任的工作，也就是研究如何應用計算機的軟硬件來模擬人類某些智能行為的基本理論、方法和技術。人工智能是包括十分廣泛的科學，由不同的領域組成，如機器學習，計算機視覺等等，總的說來，人工智能研究的一個主要目標是使機器能夠勝任一些通常需要人類智能才能完成的復雜工作。公安部交通管理科學研究所研究員姜良維老師認為，人工智能本質是對人類思維過程的模擬,是人類智能的物化。但實際上，不同的時代、不同的人對這種“復雜工作”的理解是不同的。
在多數人的認知里，人工智能就是智能機器人，出現在很多的科幻電影中，比如電影《*》中的T-600，《機器公敵》中的叛變機器人NS-5，《星際穿越》中的智能助手塔斯，都是高度智能化的象征。在現實中，去年和今年大放異彩，甚至于讓人類有些恐慌的圍棋機器人阿法狗，也是人工智能的代表，其代表了人工智能在某些單一領域已經能夠完全超越人類了，或許未來的歷史，將以2016年作為人工智能的紀元年。
在國務院印發《新一代人工智能發展規劃》中，提到了人工智能在智能交通領域的應用，主要任務包括：研究建立營運車輛自動駕駛與車路協同的技術體系。研發復雜場景下的多維交通信息綜合大數據應用平臺，實現智能化交通疏導和綜合運行協調指揮，建成覆蓋地面、軌道、低空和海上的智能交通監控、管理和服務系統。
可見，在這個《規劃》中，人工智能是復雜的決策系統，而非某一個細分領域的智能化實現。而且《規劃》的名稱也有點意思，新一代人工智能，既然有新一代，那么舊一代是什么？就是我們所說的單一系統的智能化實現？
順便看下人工智能在公共安全領域的應用內容：促進人工智能在公共安全領域的深度應用，推動構建公共安全智能化監測預警與控制體系。圍繞社會綜合治理、新型*偵查、*等迫切需求，研發集成多種探測傳感技術、視頻圖像信息分析識別技術、生物特征識別技術的智能安防與警用產品，建立智能化監測平臺。加強對重點公共區域安防設備的智能化改造升級，支持有條件的社區或城市開展基于人工智能的公共安防區域示范。
可見，圖像和生物識別是其中非常重要的部分。人的五大外部感知包括視覺、聽覺、觸覺、嗅覺、味覺，對應在人工智能領域，只有視覺、聽覺、觸覺有具體對應的研究和應用，“視覺”在安防、交通、智能機器人領域是重要的一個能力，即圖像信息分析識別，從視頻圖像中像人類視覺一樣，獲取所需要的信息，并對圖像所展現的情境作出判斷；聽覺對應的是語音識別和語音合成，在交通領域主要以導航語音以及違法鳴笛抓拍設備的形式存在，如要上升為智能，則需要對語言背后所包含的指令、情緒進行識別；觸覺，則是生物特征識別，溫度、濕度、硬度、材質判斷等等，這個并沒有對應的單一技術，而是通過其他傳感技術獲得。
但人的能力中，重要的是思維決策能力，也就是通過各種外部感覺判斷以及知識、經驗積累，來做出解決問題、有利于自身的行動，這也是人之所以成為智慧生物的大特征。所以，人工智能，重要的部分在經驗積累、思維決策。
在本文開始就提到了，人工智能是一個涵蓋領域非常廣泛的綜合學科，而圖像識別、語音識別和合成、生物特征識別只是其中基礎的技術之一，為復雜的技術領域在數學領域，用數學和計算機語言來描述人類思維，構造對應的人工智能大腦，這其中就包括機器學習和深度學習，還有非常多的專業名詞——自適應學習算法、卷積神經網絡、循環神經網絡、遞歸神經網絡、深度神經網絡和深度堆疊網絡等等，就小編的水平，只認識這幾個漢字，根本無從理解。
現在有很多企業都把“人工智能”掛在嘴邊，但實際上離人工智能還有一些距離，或者只是在某一個單一領域有初步的進展，比如視頻圖像分析、語音識別與判斷、輔助駕駛、搬運機器人、家政機器人等等，像阿法狗這樣的基于深度學習，并經過了實戰驗證的人工智能，還只是巨頭的游戲。
但這并不妨礙我們的智能交通、安防、視頻圖像分析識別等企業將自己打上人工智能的標簽。實際上，這些企業也的確在做這方面的探索，在初步代替人工之后，也開始尋求代替人的決策，即智能。
智能交通的人工智能表達
在交通領域，人工智能是怎么存在和表現的？所有代替人類行為的機器活動，都是人工智能？這么定義的話，所有機械和電氣化的交通載具，都是人工智能了，因為代替了人走路和搬運物品的行為。代替交警指揮的交通信號也是人工智能？代替交警抓拍的也是人工智能？
很顯然，這些并不是，但當這些設備能像人一樣做出進一步的決策、行為時，就可以視為人工智能了。比如自動駕駛，比如自適應、協調控制的交通信號，比如前端智能化的監控設備。
自動駕駛很容易理解，代替人的駕駛行為，選擇怎樣的速度行駛，什么情況下停車、剎車、超車等等，高等級的就是完全不需要人的操作；自適應信號控制，在交警用手勢指揮路口交通的時候，往往會根據哪個方向的車流量多少，來決定某一個方向的放行時間，而自適應則將這一行為自動化了，更大范圍的自適應協調控制，則能更好的體現人工智能，因為已經超越了原有人的指揮水平；前端智能化的監控設備，則不僅僅是拍攝一張圖片完事，而是能將圖片所拍攝圖片中所涵蓋的要素全部結構化，車牌、車型、顏色、駕駛室特征、車輛狀態、駕駛人面部以及駕駛人行為，同時進行識別，駕駛行為是否違法，能與系統連接，識別出車輛是否套牌、毒駕嫌疑、失格駕駛嫌疑等其他違法行為，并作出判斷與決策，是否需要攔截。
需要強調的一點是，人工智能并不是簡單的觸發反應，比如重點營運車輛監管方面，車輛在凌晨兩點至五點行駛，觸發了預設的時間限制，被系統采集，然后自動預警，或者超速行駛，被自動預警，這并不算是人工智能，小編認為，這是簡單的程序反饋，是在單一條件下的觸發反饋。而前面所提到的自動駕駛、自適應信號控制、前端智能化，是在不同條件下做出合理的優化行為。在道路運輸領域，公交車輛的智能調度，可以被視為人工智能，因為其參數條件也是在不斷變化，但是復雜程度遠低于前面所提到的三個領域。
以上所舉，也都是單一領域的人工智能應用，或者說體現了人工智能在這一領域的發展方向。更為復雜的應用，在于交通管控平臺或者綜合交通運輸指揮平臺的人工智能應用。尤其是前者，接入的信息、數據類型，都是非常巨大的。前段時間，公安部交通管理科學研究所王長君所長透露，公安交通集成指揮平臺已經在全國24個省級平臺部署，已接入了5.8萬套卡口監控、5.2萬路視頻監控、6.7萬套執法取證和1.1萬套其他設備。在全國已經匯聚了車輛通行信息1200億條，也就是100TB的數據量，現在每天產生3.2億條通行記錄數據，未來將達到5億條，全國平臺能夠在1秒鐘內實現機動車軌跡的模糊查詢，1分鐘內從前端采集逐漸匯聚到部級數據中心，1小時內得出關聯分析、挖掘分析大表。龐大的數據處理，會反推前端的智能化，推動深度學習在前端設備中的應用，也就是根據需求自動將圖像所包含的信息全部結構化表述出來，為后端的數據處理壓縮時間和降低計算壓力，也會推動大數據、云計算在后端平臺(以二次識別為典型應用)的應用。以蘇州科達的海燕車輛二次分析平臺為例，憑借高車輛識別準確率與千億級數據秒級檢索能力(3000億級數據查詢只需0.2秒)，可實現車輛的準確、快速、多維度檢索，包括：車牌、區域、車標、細分車型、車輛照片、車輛特征、語義、顏色、時間等，在大數據研判方面，可實現車牌多點碰撞、車輛多點碰撞、路徑復現、落腳點分析、晝伏夜出、初次入城分析、隱匿車輛挖掘、路徑策略分析、車輛頻次分析、區域徘徊分析、夜間頻出分析、假套牌分析、面部遮擋分析、一車多牌檢測、相似車牌串并等等研判分析。
這些是平臺級的應用，條件和需求都是在變化的。還有一個典型應用，就是區域協調信號控制，將一個區域內的信號控制設備連接起來，基于實時采集的流量，實現協調控制，互相影響，相互協同，從而使區域內交通流實現優。美國卡耐基梅隆大學的一位教授史密斯，就提出了一個與傳統信號集中控制相反的策略——Surtrac信號系統，采用完全分散的方法來控制道路網絡中的交通：每個交叉點基于實際進入的車輛流獨立地分配其綠燈時間,然后將所計劃的流出傳送到相鄰的交叉口,以增加對未來入站流量的可見性。依賴分散的交叉控制確保對實際交通狀況的大實時響應,而預計流出到相鄰交叉口的流量使得協調控制和創建綠波帶成為可能。Surtrac信號合作的方式，與螞蟻或鳥相同。這種方式被稱為“蟲群戰略”，常被用于協調多架自動無人機執行各種任務，如調查研究和救援等。這種方式的優勢包括可擴展性——額外增加信號燈非常容易，持久性——一個單元出現故障，剩余部分會自動調整以做出補救。很顯然，這一方案，是人類通過學習其他動物族群的組織特征而建立，是人工智能的一種體現方式，即專家方案。
人工智能應用于智能交通的等級劃分
人工智能應該分等級嗎？作為人工智能在交通領域的直接和重要的體現方式，自動駕駛已經分了等級，從人工駕駛到全自動駕駛，分為6個等級，高等級為全自動駕駛。人工智能或許無法籠統的進行分級，至少目前，只能進行具體應用領域的分級，那么在交通管理領域，人工智能怎么分級？
業內資深專家蘇州科達科技股份有限公司副總經理陸吉良就表示，可以分為三個等級：
初級人工智能應用是單點信號控制、監控前端智能取證，代替指揮，解放人工。交通信號燈解決的是交警指揮路口交通的問題，道路監控的步就是智能前端取證，主要是機動車闖紅燈抓拍系統，即狹義上的電子警察。
中級智能是實現初步的交通管理功能。通過諸多前端設備，采集交通管理所需要的數據，自動的提取、分析交通流數據，形成規律，提供下一步決策所需的數據。
智能則是專家輔助決策系統，將以往交通管理工作過程中所形成的方案、程序，組建為專家方案庫，包括交通擁堵疏導、突發事故處置、惡劣天氣交通、節假日交通管理、警保衛交通、大型體育/娛樂活動交通紓解等等，還可以細致到一些重要節點、重要路口的交通擁堵疏導，形成完備的專家方案。從而根據道路交通運行的變化，自動生成優化匹配的應對解決方案。但仍要強調的一點是，不是對應什么問題就得到一成不變的方案，而是要根據實際交通運行條件，自動優化，大體框架不變，而細節措施不盡相同。
易華錄智能交通產業副總裁孫建宏在推介其“交通大腦”平臺時也提到，現在對于交通擁堵的處置，很多管控平臺只關心事件發現和報警處置，而缺少交通組織優化控制的工具，在運維上升之際，缺少智能化運維工具。這里，我們可以將孫總所說的“工具”視為“專家方案”，但孫總并未提人工智能的概念。
海信網絡科技近發布的交通管控平臺新功能中，提到了人工智能的專家系統，簡單來說，是建立一個應對多種交通警情的專家解決方案庫，在充分有效的交通事件數據(警情信息、流量數據、過車數據、路網結構、信號誘導設備、違法占道等)條件下，對方案進行自我優化和機器學習，對已有專家解決方案進行優化，得出警力調配、處置流程、信號控制方案、誘導發布方案等，以適用于目前的交通警情解決，來快速處置交通事故和緩解交通擁堵。把人腦解放下來，日常管理精力省下來去做更的事情。
很顯然，看起來交通管控平臺的人工智能應用已經進入到階段。先不論這個等級劃分是否正確，要實現專家方案輔助決策，還有不少的前提條件。陸吉良認為，實現專家方案輔助決策的關鍵和基礎是前端布局工作要做好，前端布局覆蓋面足夠寬廣，數據不會有偏廢，準確的提供決策海量數據。另外，重要的是，管理模式一定要和管控平臺的處理流程相匹配，首先是領導意志不能大于管理需求，其次是各方協作要同步，各方資源和信息共享，再次是執行方案要果斷。否則就像當年搞企業管理信息化(ERP)風潮時，出現很多水土不服，無法貫徹實施的情況。
那么交通管理領域的專家輔助決策系統是怎么形成的呢？陸吉良告訴我們，是交通事件已經發生過并且在實踐中確定了比較經典的基本解決模型，而這個模式確定的前提是管理模式基本確定，將系統固化，輸出輸入機制固定。總的來說就是管理模式既定，管理解決模式獲得廣泛認可，這就是專家輔助決策系統形成的必須條件，形成之后，還需要進行一些優化。一般一個公安交通集成指揮平臺建立之后，都會形成十幾套類似的專家輔助決策系統。但因為管理習慣，管理模式不大一樣，每個區域的系統都有各自的數據基礎和特點，所以不同地方的專家輔助決策系統不可以進行原裝套用。
那么專家輔助決策系統存在嗎？陸吉良回應道，他個人認為專家輔助決策系統是永遠不會停止完善，只要有交通需求，管理模式就會一直改變，而管理模式的確定是專家輔助決策系統的前提，所以系統也不可能完全確定，所以這是一個持續動態優化的過程。
如何來判斷一個交通管控平臺或交通集成指揮平臺具備人工智能，這本身是很有難度的。陸吉良表示，專家輔助決策系統是系統根據基礎數據和模式做出這件事情該怎么做的決策，但現狀還是平臺系統提供數據，管理者人為做出決斷，這是與較的專家輔助決策系統相背離的一種情況。
人工智能在智能交通領域的應用發展趨勢
在7月份，姜良維老師發布的《人工智能在道路交通管理中的應用探討》一文中，提到了人工智能在交通管理工作中的應用趨勢：未來,人工智能的警用機器人將取代交通警察,實現公路交通安全的監控、全天候巡邏、立體化監管。當前,完善公路交通安全防控體系是全國公安交通管理部門的重大科技建設項目。公路交通安全防控體系實現對公路上車輛通行情況、交通違法情況和道路隱患及時監控、發現、取證、傳遞、處理、反饋、修正,進一步提升公路管控力度與水平,進一步增強勤務管理科學性與針對性,及時發現查糾各類交通違法行為,明顯改善了道路通行秩序,有效遏制了重特大交通事故。公路交通安全防控體系涉及的核心技術是交通行為監測、交通安全研判、交通風險預警、交通違法執法,而這些技術現已與人工智能融為一體。實現公路交通運行狀態“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”、路面協作聯動“響應快”、交通信息應用“服務優”等目標,都離不開人工智能技術。
陸吉良則表示，人工智能的未來應用，就是把現在交通管理人工做的事情慢慢都通過系統和設備來完成，智能化程度越來越高，初級和中級決策慢慢會被人工智能決策替代掉，現在所有的智能交通產品和技術無非就是為了實現這個目標。至于人工智能在交通領域的應用能不能理性發展還要看公司本身，但可以肯定的是——需求不可能推動理性發展。
就從媒體的角度來看，現在人工智能在交通管理中的應用，處于相對混亂的階段，步沒有走的特別好，第二步也只進行了一部分，還在完善，現在又進入到第三階段。這就需要我們業內的智能交通企業，腳踏實地，逐步完善，人工智能和交通大腦的概念可以提，可以用，但一定要名副其實，在這一點上，蘇州科達等能夠獨立提供從技術到產品再到應用的完整的端到端的解決方案提供商，而海信網絡、易華錄等集成商看起來已經取得了先機。從某些意義上來說，項目越多，采集到的數據越多、類型越豐富，參與交通管理工作越多，處理越多各種交通事件，形成專家輔助決策系統庫的可能性也就越大，前提是，各企業已經意識到這是實現人工智能在交通管理工作應用的一部分。
未來的智能交通，一定是城市交通大腦連接和管理城市交通的所有智能化設施，不管是路口的還是路段的還是樞紐的，不管是公路水路還是軌道航空，不管是交警交通運管路政，還是城管氣象應急救援，所有數據都匯集到了一個“大腦”之中，有成千上萬的專家輔助決策方案，各個部門的管理模式都可以和系統相匹配，所作出的決策有跨部門聯動的，都可以順利執行。這應該是人工智能在智能交通領域所應用的情形吧？
要提醒的是，和其他很多技術一樣，人工智能也不可能解決所有問題，尤其是一些非技術的問題，交通運輸部公路科學研究院科學家王笑京就認為，需要避免過度“神化”智能交通技術應用效果，通過科學規劃和系統設計形成科學的交通發展結構仍然是城市交通發展的關鍵工作，智能交通技術的功能是支撐服務升級。
后，我們來想象一下，假如交通領域的人工智能，“城市交通大腦”產生了自我意識，“他”會怎么做？
原標題 偽深度：人工智能應用交通=城市交通大腦？
移動版
智慧城市網APP
智慧城市網小程序
微信公眾號
