大数据快速发展的今天，更多的新技术接踵而至，交通行业也产生了很多全新的技术。
交通大数据、AI交通控制算法是浙江工业大学计算机智能系统研究所所长沈国江在2019人工智能论坛+互联网公交论坛上提到两部分重要的内容。通过这两部分的内容，让我们了解交通大数据的AI处理应用。
智能交通与智慧交通有什么区别？智慧交通比智能交通更进一步，沈国江认为两者的区别在于是否以人为本。智能交通从上个世纪90年代就开始出现，致力于用人工智能的方法来解决问题。智慧交通以人为本，例如从家出发到达学校的方法，公交上的乘车体验等问题，智慧交通都可以给一个更好的解决方法。
以下为沈国江发言的重要内容：
本次演讲的主要内容是大数据驱动的人工智能交通信号控制技术，大数据以及人工智能是现在交通行业的热点。今天从交通大数据和AI交通控制算法这两方面分享一下研究成果，希望大家指正。
背景
近两年比较热门的“大脑”，如雨后春笋般出现。三四年前，“大脑”刚出现的时候，我参加的一个论坛争论“大脑”是否会完全取代传统交通控制行业，但渐渐地发现，两者共同成长，已经形成了互相依赖的形式。交通行业需要专业交通知识，传统交通控制需要大数据。
传统信号控制目前前沿的技术是自适应路网控制，区域内自行协调控制，但是落地的效果并不是很好，主要是受到数据问题的限制。以前的检测设备是感应线圈，但是因为各种原因线圈容易受到破坏，影响到数据收集。
之后改变为视频检测，但是视频检测也有问题，例如卡口的数据检测问题，数据会出现偏差和缺失。数据能够直接得到的，尽量不要用数据模型，模型一定会有误差。
现在的互联网数据，“大脑”可以提供的数据，形成“传统控制+互联网行业”的新型模式，为交通带来更的数据。现在的合作模式是“政府+企业+高校”三方共同合作，政府统筹资金、企业产品研发和项目建设、高校技术研究和人才培养。
行业已具备做大数据人工智能的条件。
技术设施逐渐完善，一些大城市包括一些中等城市的城市道路基础设施可谓“上天入地”，地面+高架+轨道三网一体；第二数据形态逐渐丰富，包括交警+互联网+第三方数据，实现真正的大数据；第三各类技术逐渐成熟，大数据+算力(云计算)+算法，都用到了人工智能；第四政策大力支持，AI+交通实现交通拥堵的治理。
行业问题存在两方面的问题，不平衡与不协同。不平衡体现在出行需求和资源供给方面，小汽车的数量日益增长造成道路的占用率大幅上升，道路的建设十分有限。不协同体现在车辆的通行和交通管控方面，交通管控方式、策略该如何做才能使车辆通行更加顺畅。这两个是值得思考的问题。
行业现状是存在着一些问题的，我们需要更好地发展，让问题得到解决。以下是交通行业的现状与发展：
交通大数据
交通大数据的来源：城市宏观数据、交通基础数据、动态运行数据、交通调查数据。
动态交通大数据分类主要分为三大类。
是交警数据，从视频结构化数据(电警卡口)、微波速度、交通信号运行信息、交通事件这几个方面来获得数据；第二是第三方数据，从城管停车、医院就诊、网络舆情、地铁客流、航班、赛事会展信息、气象、节假日旅游这几方面来获得数据；第三是泛交通行业数据，从互联网(高德、滴滴等)、出租车GPS、公交车调度信息、公交GPS、“两客一危”GPS这几方面来获得数据。
交通行业大数据有以下几个特点：格式多样，第二数据低质，第三特征单一。数据分析与处理架构分为四块：数据重构、质量分析、数据重修复、数据融合。交通大数据的汇聚与应用如下图：
AI交通控制算法
AI交通控制系统架构分为三大块，数据引擎、能力仓库、价值网络。数据引擎就是大数据平台，能力仓库就是与信号控制相关的算法，价值网络就是对效果进行的评估。
性能特点包括五个方面：
控制子区、方案生成器、方案知识库、方案总调度这四点是该AI算法的重要模块，共同来实现交通数据的精细控制。
该算法的逻辑主要是基于路网态势分析，实现控制子区划分和方案调度。若在当前的场景下方案知识库中有合适的应用方案就直接通过方案选择来产生信号控制方案。若在当前的场景下方案知识库中没有合适的方案，就通过方案生成器来生成信号控制方案，并在应用后进行效果评价，基于评价结果决定是否存入方案知识库，当然，在方案知识库进行更新前，必须对该方案进行标注(如天气情况，日期特性等)，让方案更加的完善。
对各个大数据进行分析，让路口交通状态复原，复原后进行综合价值的分析，让数据效果更加明显。
以下是典型的案例来表示该算法的应用：
从宏观层、中观层、微观层这三个层面来进行监测，来观测效果是否能达到预期的标准。监测界面上，可以看到具体的数值，让交通数据更加直观。
(原标题：浙工大沈国江：大数据驱动AI交通信号控制技术)
我要评论