交通智能研判中人工智能技术的应用范文

摘要：首先阐述了人工智能技术的特征及其内涵，然后研究了对于人工智能技术运用于交通智能研判的具体措施，如图像处理与图像分析，检测异常路况，检测路面破损以及其他要点等，望能为相关工作提供借鉴。

关键词：交通智能研判；人工智能；图像；检测

1人工智能技术具备的特征及其内涵

早在上世纪中期，人工智能技术就已诞生。截至目前，人工智能手段已经逐步渗透于各个现有的领域中。从本质上讲，人工智能技术最关键的特征在于模仿人脑固有的某种工作机制，从而实现了决策制定、精确操控以及其他相关事项。在人工智能的范围内，深度学习技术应当属于很关键的技术分支，其指的是借助智能化手段来仿照人脑机能，从而集合了多层次的神经元。具体在涉及到处理各类有关信息时，运用人工智能手段可以保证顺利连接各个层次的神经突触，据此实现了全方位的信息流动。截止到2010年，人工智能手段已经能够与上述的深度学习技术实现紧密融合，因而在根源上规避了难度较大的权重训练以及非线性分割。到了2014年，技术人员已经可以凭借图像识别系统来辨别卷积神经网络，此类图像识别系统设有多层次的识别功能。至于现阶段的智能交通而言，关键技术应当包含无人驾驶与其他相关的交通智能化操作。在这其中，无人驾驶技术本身具备突显的典型性。这是由于无人驾驶能够凭借网络化手段来替代车辆的传统驾驶方式，借助智能化措施来保障车辆平稳性以及行驶安全性。近年来，智能交通领域更多涉及到深度学习的全面运用。在人工智能的操控下，智能化系统针对实时性的当前路况就能予以全方位的识别，然后借助摄像头来实现针对前方路况的预判。技术人员凭借人工智能手段还可提取微观性的路段通行信息，以此来预测当前所处路段是否表现为堵塞状态。通过运用宏观性的道路预测手段，针对即将行驶路段是否具备坑洼现象、路面塌陷以及路面施工等要素都能予以提前预知，从而保障了车辆得以顺利行驶。

2人工智能技术应用于交通智能研判的具体措施

从当前交通领域的整体趋势角度讲，交通智能化本身来源于人工智能技术，在此前提下衍生出多种多样的交通智能研判手段。与传统手段相比，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顺畅，对于综合性的交通管控成本也能显著予以降低。针对交通智能研判全面适用人工智能技术体现为如下要点：

2.1图像处理与图像分析

卷积神经网络可以用来处理并且分析多种多样的图像，卷积神经网络本身建立于深度学习技术的前提下。具体在交通运用中，针对卷积神经网络有必要明晰其中的多层次网络架构，从而将其转变成矩阵表示的完整神经网络。在此基础上，对于相应的原始图像予以输入处理，然后矩阵系统即可凭借当前输入的各项信息来判定整个矩阵形态，从而选择不同颜色来表示各个相应的图片信息。针对输出类别而言，对此设置了1000的默认值。在现实运用中，如果能灵活运用上述图像处理，则可以运用图片预测的方式来实现针对雨雪天气的精确预测。此外，卷积神经网络还涉及到多层次的输出类别以及输入图像类别。针对不同种类的输出与输入图像而言，通常都需将其分成相应的隐含层，然后将其连接于整个卷积网络。在这其中，图像隐含层能够容纳某些中间信息，且可以用来显示图片中的边缘点以及特征点。由此可见，卷积神经网络具备的核心价值就在于开展全方位的逻辑判断，其在本质上很近似人脑固有的性能，同时也涉及到多层次的技术细节。

2.2检测异常路况

有关部门针对特定路段如果要保障其符合通畅性，则需凭借相应的路况检测手段予以全方位的路况异常测定。这是由于，确保路面正常的关键就在于识别某些异常通行行为或者异常物体，以免上述物体给该路段的正常通行带来干扰。从目前来看，针对异常路况的测定可以运用深度学习以及交通监控视频相结合的方式加以处理。具体在操作时，首先需要妥善处理其中的图像信息以及视频流，依照深度学习的有关原理对其予以全方位的路况处理。此外，运用传感器也可配合上述的路况检测，从而运用联合分析的方式来检测当前现有的各类异常信息。具体在判定路况异常的实践中，关键在于检测特定路段呈现的拥堵状态、行人穿越道路现象、突发性的交通事故、超高速或者超低速的车辆异常行驶等。例如针对异常性的道路停车而言，应当能够精确测定当前的停车总时间，如果超出限度那么立即予以报警。此外，关于违规穿越当前路段车道的现象也要予以及时报警，以便于警示行人不要随便予以穿越，防控潜在性的事故威胁。

2.3关于检测路面破损

全面保障道路顺畅的关键举措在于辨别路面破损，然后对其予以妥善的修复。然而如果仅限于依赖传统检测手段，那么通常都会耗费较高比例的检测经费，而与之有关的检测时间也是相对较长的。运用智能化检测有助于随时查看现有的路面破损。在灵活运用图像识别的前提下，应当能够精确拍摄实时性的当前路况状态。同时检测人员还可凭借摄像头或者数据采集车来完成全方位的路况数据搜集，对此可以凭借无人机来实现摄像头搭载的相关操作。例如针对数据采集车而言，此类采集车具备智能化的显著特征，其能够覆盖于整个路段范围。同时采集车配备了全景摄像头，因此有助于拍摄更广范围内的路面信息，确保限定于适当的拍摄间距。针对长达10km的整条道路来讲，通常都需设定为5km的数据采集间隔以及拍摄距离，据此就能获得两千张的路面拍摄图片。在此前提下，对于该路段就能全面判定其中的坑槽现象、纵横向的道路裂纹、路面沉陷或者松散、车辙碾压、表面磨损、桥头跳车与其他破损状况。

2.4其他应用要点

人工智能技术除了可以适用于上述层面以外，其还能适用于缓解当前路段表现出来的拥堵状态。因此为了判断并且识别实时性的交通路况，应当能因地制宜适用灵活性的人工智能手段。例如针对无人驾驶而言，技术人员可以凭借卷积神经网络来识别边框信息以及其他有关信息。在限定的区域范围内，运用上述技术有助于判断车辆交叠现状、车辆计数信息、车辆占道的总面积与其他信息。经过上述的预判以后，如果能够判断该路段已经表现为程度较重的交通拥堵，那么就要对其进行相应的处理。除此以外，对于智能研判的方式还可将其运用于确定变量权重，上述的运用要点符合了模糊数学的基本思路。针对现有的路面拥堵首先应当判定其严重度，然后借助加权平均的方式来实现定量处理。在全面判断拥堵路况以后，就要对其发出相应的警报处理。

3结语

经过综合分析，可以得知人工智能技术在本质上符合了现阶段交通领域的整体发展方向。具体在涉及到交通智能研判的过程中，关键在于灵活适用图像处理以及其他技术手段予以智能交通监管。除此以外，人工智能技术还需覆盖于建设与规划当前的交通系统、道路的日常维修养护、交通体系的应急调度与其他有关事项。因此在该领域的未来实践中，有关部门还需着眼于归纳人工智能运用的珍贵经验，依照因地制宜的思路来提升交通智能研判的精确性与实效性。

参考文献：

[1]本刊编辑部.智慧交通——大数据与人工智能的重要市场[J].智慧工厂，2018（4）.

[2]王伟耀.人工智能技术在智慧交通领域中的应用[J].电子技术与软件工程，2018（3）：251.

[3]乔川龙.新一代人工智能与智能交通展望[J].中国交通信息化，2018（1）：30-32.

[4]赵新勇，李珊珊，夏晓敬.大数据时代新技术在智能交通中的应用[J].交通运输研究，2017（5）.

[5]尚文海.基于人工智能的交通信号灯系统[J].电子世界，2017（23）：167.

[6].人工智能技术在公路交通中的应用[J].公路交通科技（应用技术版），2017（7）.

[7]唐新春.人工智能技术在空中交通管理中的应用[J].电子测试，2015（10）.

作者:王九胜 单位:甘肃省公路管理局