交通智能研判中人工智能技術(shù)的應(yīng)用范文

本站小編為你精心準(zhǔn)備了交通智能研判中人工智能技術(shù)的應(yīng)用參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

摘要：首先闡述了人工智能技術(shù)的特征及其內(nèi)涵，然后研究了對(duì)于人工智能技術(shù)運(yùn)用于交通智能研判的具體措施，如圖像處理與圖像分析，檢測(cè)異常路況，檢測(cè)路面破損以及其他要點(diǎn)等，望能為相關(guān)工作提供借鑒。

關(guān)鍵詞：交通智能研判；人工智能；圖像；檢測(cè)

1人工智能技術(shù)具備的特征及其內(nèi)涵

早在上世紀(jì)中期，人工智能技術(shù)就已誕生。截至目前，人工智能手段已經(jīng)逐步滲透于各個(gè)現(xiàn)有的領(lǐng)域中。從本質(zhì)上講，人工智能技術(shù)最關(guān)鍵的特征在于模仿人腦固有的某種工作機(jī)制，從而實(shí)現(xiàn)了決策制定、精確操控以及其他相關(guān)事項(xiàng)。在人工智能的范圍內(nèi)，深度學(xué)習(xí)技術(shù)應(yīng)當(dāng)屬于很關(guān)鍵的技術(shù)分支，其指的是借助智能化手段來仿照人腦機(jī)能，從而集合了多層次的神經(jīng)元。具體在涉及到處理各類有關(guān)信息時(shí)，運(yùn)用人工智能手段可以保證順利連接各個(gè)層次的神經(jīng)突觸，據(jù)此實(shí)現(xiàn)了全方位的信息流動(dòng)。截止到2010年，人工智能手段已經(jīng)能夠與上述的深度學(xué)習(xí)技術(shù)實(shí)現(xiàn)緊密融合，因而在根源上規(guī)避了難度較大的權(quán)重訓(xùn)練以及非線性分割。到了2014年，技術(shù)人員已經(jīng)可以憑借圖像識(shí)別系統(tǒng)來辨別卷積神經(jīng)網(wǎng)絡(luò)，此類圖像識(shí)別系統(tǒng)設(shè)有多層次的識(shí)別功能。至于現(xiàn)階段的智能交通而言，關(guān)鍵技術(shù)應(yīng)當(dāng)包含無人駕駛與其他相關(guān)的交通智能化操作。在這其中，無人駕駛技術(shù)本身具備突顯的典型性。這是由于無人駕駛能夠憑借網(wǎng)絡(luò)化手段來替代車輛的傳統(tǒng)駕駛方式，借助智能化措施來保障車輛平穩(wěn)性以及行駛安全性。近年來，智能交通領(lǐng)域更多涉及到深度學(xué)習(xí)的全面運(yùn)用。在人工智能的操控下，智能化系統(tǒng)針對(duì)實(shí)時(shí)性的當(dāng)前路況就能予以全方位的識(shí)別，然后借助攝像頭來實(shí)現(xiàn)針對(duì)前方路況的預(yù)判。技術(shù)人員憑借人工智能手段還可提取微觀性的路段通行信息，以此來預(yù)測(cè)當(dāng)前所處路段是否表現(xiàn)為堵塞狀態(tài)。通過運(yùn)用宏觀性的道路預(yù)測(cè)手段，針對(duì)即將行駛路段是否具備坑洼現(xiàn)象、路面塌陷以及路面施工等要素都能予以提前預(yù)知，從而保障了車輛得以順利行駛。

2人工智能技術(shù)應(yīng)用于交通智能研判的具體措施

從當(dāng)前交通領(lǐng)域的整體趨勢(shì)角度講，交通智能化本身來源于人工智能技術(shù)，在此前提下衍生出多種多樣的交通智能研判手段。與傳統(tǒng)手段相比，建立于人工智能之上的全新交通智能化模式更加有助于保障交通順暢，對(duì)于綜合性的交通管控成本也能顯著予以降低。針對(duì)交通智能研判全面適用人工智能技術(shù)體現(xiàn)為如下要點(diǎn)：

2.1圖像處理與圖像分析

卷積神經(jīng)網(wǎng)絡(luò)可以用來處理并且分析多種多樣的圖像，卷積神經(jīng)網(wǎng)絡(luò)本身建立于深度學(xué)習(xí)技術(shù)的前提下。具體在交通運(yùn)用中，針對(duì)卷積神經(jīng)網(wǎng)絡(luò)有必要明晰其中的多層次網(wǎng)絡(luò)架構(gòu)，從而將其轉(zhuǎn)變成矩陣表示的完整神經(jīng)網(wǎng)絡(luò)。在此基礎(chǔ)上，對(duì)于相應(yīng)的原始圖像予以輸入處理，然后矩陣系統(tǒng)即可憑借當(dāng)前輸入的各項(xiàng)信息來判定整個(gè)矩陣形態(tài)，從而選擇不同顏色來表示各個(gè)相應(yīng)的圖片信息。針對(duì)輸出類別而言，對(duì)此設(shè)置了1000的默認(rèn)值。在現(xiàn)實(shí)運(yùn)用中，如果能靈活運(yùn)用上述圖像處理，則可以運(yùn)用圖片預(yù)測(cè)的方式來實(shí)現(xiàn)針對(duì)雨雪天氣的精確預(yù)測(cè)。此外，卷積神經(jīng)網(wǎng)絡(luò)還涉及到多層次的輸出類別以及輸入圖像類別。針對(duì)不同種類的輸出與輸入圖像而言，通常都需將其分成相應(yīng)的隱含層，然后將其連接于整個(gè)卷積網(wǎng)絡(luò)。在這其中，圖像隱含層能夠容納某些中間信息，且可以用來顯示圖片中的邊緣點(diǎn)以及特征點(diǎn)。由此可見，卷積神經(jīng)網(wǎng)絡(luò)具備的核心價(jià)值就在于開展全方位的邏輯判斷，其在本質(zhì)上很近似人腦固有的性能，同時(shí)也涉及到多層次的技術(shù)細(xì)節(jié)。

2.2檢測(cè)異常路況

有關(guān)部門針對(duì)特定路段如果要保障其符合通暢性，則需憑借相應(yīng)的路況檢測(cè)手段予以全方位的路況異常測(cè)定。這是由于，確保路面正常的關(guān)鍵就在于識(shí)別某些異常通行行為或者異常物體，以免上述物體給該路段的正常通行帶來干擾。從目前來看，針對(duì)異常路況的測(cè)定可以運(yùn)用深度學(xué)習(xí)以及交通監(jiān)控視頻相結(jié)合的方式加以處理。具體在操作時(shí)，首先需要妥善處理其中的圖像信息以及視頻流，依照深度學(xué)習(xí)的有關(guān)原理對(duì)其予以全方位的路況處理。此外，運(yùn)用傳感器也可配合上述的路況檢測(cè)，從而運(yùn)用聯(lián)合分析的方式來檢測(cè)當(dāng)前現(xiàn)有的各類異常信息。具體在判定路況異常的實(shí)踐中，關(guān)鍵在于檢測(cè)特定路段呈現(xiàn)的擁堵狀態(tài)、行人穿越道路現(xiàn)象、突發(fā)性的交通事故、超高速或者超低速的車輛異常行駛等。例如針對(duì)異常性的道路停車而言，應(yīng)當(dāng)能夠精確測(cè)定當(dāng)前的停車總時(shí)間，如果超出限度那么立即予以報(bào)警。此外，關(guān)于違規(guī)穿越當(dāng)前路段車道的現(xiàn)象也要予以及時(shí)報(bào)警，以便于警示行人不要隨便予以穿越，防控潛在性的事故威脅。

2.3關(guān)于檢測(cè)路面破損

全面保障道路順暢的關(guān)鍵舉措在于辨別路面破損，然后對(duì)其予以妥善的修復(fù)。然而如果僅限于依賴傳統(tǒng)檢測(cè)手段，那么通常都會(huì)耗費(fèi)較高比例的檢測(cè)經(jīng)費(fèi)，而與之有關(guān)的檢測(cè)時(shí)間也是相對(duì)較長(zhǎng)的。運(yùn)用智能化檢測(cè)有助于隨時(shí)查看現(xiàn)有的路面破損。在靈活運(yùn)用圖像識(shí)別的前提下，應(yīng)當(dāng)能夠精確拍攝實(shí)時(shí)性的當(dāng)前路況狀態(tài)。同時(shí)檢測(cè)人員還可憑借攝像頭或者數(shù)據(jù)采集車來完成全方位的路況數(shù)據(jù)搜集，對(duì)此可以憑借無人機(jī)來實(shí)現(xiàn)攝像頭搭載的相關(guān)操作。例如針對(duì)數(shù)據(jù)采集車而言，此類采集車具備智能化的顯著特征，其能夠覆蓋于整個(gè)路段范圍。同時(shí)采集車配備了全景攝像頭，因此有助于拍攝更廣范圍內(nèi)的路面信息，確保限定于適當(dāng)?shù)呐臄z間距。針對(duì)長(zhǎng)達(dá)10km的整條道路來講，通常都需設(shè)定為5km的數(shù)據(jù)采集間隔以及拍攝距離，據(jù)此就能獲得兩千張的路面拍攝圖片。在此前提下，對(duì)于該路段就能全面判定其中的坑槽現(xiàn)象、縱橫向的道路裂紋、路面沉陷或者松散、車轍碾壓、表面磨損、橋頭跳車與其他破損狀況。

2.4其他應(yīng)用要點(diǎn)

人工智能技術(shù)除了可以適用于上述層面以外，其還能適用于緩解當(dāng)前路段表現(xiàn)出來的擁堵狀態(tài)。因此為了判斷并且識(shí)別實(shí)時(shí)性的交通路況，應(yīng)當(dāng)能因地制宜適用靈活性的人工智能手段。例如針對(duì)無人駕駛而言，技術(shù)人員可以憑借卷積神經(jīng)網(wǎng)絡(luò)來識(shí)別邊框信息以及其他有關(guān)信息。在限定的區(qū)域范圍內(nèi)，運(yùn)用上述技術(shù)有助于判斷車輛交疊現(xiàn)狀、車輛計(jì)數(shù)信息、車輛占道的總面積與其他信息。經(jīng)過上述的預(yù)判以后，如果能夠判斷該路段已經(jīng)表現(xiàn)為程度較重的交通擁堵，那么就要對(duì)其進(jìn)行相應(yīng)的處理。除此以外，對(duì)于智能研判的方式還可將其運(yùn)用于確定變量權(quán)重，上述的運(yùn)用要點(diǎn)符合了模糊數(shù)學(xué)的基本思路。針對(duì)現(xiàn)有的路面擁堵首先應(yīng)當(dāng)判定其嚴(yán)重度，然后借助加權(quán)平均的方式來實(shí)現(xiàn)定量處理。在全面判斷擁堵路況以后，就要對(duì)其發(fā)出相應(yīng)的警報(bào)處理。

3結(jié)語

經(jīng)過綜合分析，可以得知人工智能技術(shù)在本質(zhì)上符合了現(xiàn)階段交通領(lǐng)域的整體發(fā)展方向。具體在涉及到交通智能研判的過程中，關(guān)鍵在于靈活適用圖像處理以及其他技術(shù)手段予以智能交通監(jiān)管。除此以外，人工智能技術(shù)還需覆蓋于建設(shè)與規(guī)劃當(dāng)前的交通系統(tǒng)、道路的日常維修養(yǎng)護(hù)、交通體系的應(yīng)急調(diào)度與其他有關(guān)事項(xiàng)。因此在該領(lǐng)域的未來實(shí)踐中，有關(guān)部門還需著眼于歸納人工智能運(yùn)用的珍貴經(jīng)驗(yàn)，依照因地制宜的思路來提升交通智能研判的精確性與實(shí)效性。

參考文獻(xiàn)：

[1]本刊編輯部.智慧交通——大數(shù)據(jù)與人工智能的重要市場(chǎng)[J].智慧工廠，2018（4）.

[2]王偉耀.人工智能技術(shù)在智慧交通領(lǐng)域中的應(yīng)用[J].電子技術(shù)與軟件工程，2018（3）：251.

[3]喬川龍.新一代人工智能與智能交通展望[J].中國(guó)交通信息化，2018（1）：30-32.

[4]趙新勇，李珊珊，夏曉敬.大數(shù)據(jù)時(shí)代新技術(shù)在智能交通中的應(yīng)用[J].交通運(yùn)輸研究，2017（5）.

[5]尚文海.基于人工智能的交通信號(hào)燈系統(tǒng)[J].電子世界，2017（23）：167.

[6].人工智能技術(shù)在公路交通中的應(yīng)用[J].公路交通科技（應(yīng)用技術(shù)版），2017（7）.

[7]唐新春.人工智能技術(shù)在空中交通管理中的應(yīng)用[J].電子測(cè)試，2015（10）.

作者:王九勝 單位:甘肅省公路管理局