隨著交通卡口的大規模聯網，匯集了海量車輛通行記（jì）錄信息，利用人工智能技術，可實（shí）時分析城市交通流量，調整紅綠燈間隔，縮短車輛等待時（shí）間等舉措，提升城市道路的通行效率。

    城市級的人工智能大腦，實時掌握著城市道路上（shàng）通行車輛（liàng）的軌跡信息，停車（chē）場（chǎng）的車輛信息以及小區的停車信息，能提前半個小時預測交通（tōng）流量（liàng）變化（huà）和停車位數量變化，合理調配資源、疏導交通，實現機場、火車站、汽（qì）車站、商（shāng）圈的大（dà）規模交通聯動調度，提升整個城市的運行效率，為居民的出行暢通提供保障。

    車牌識別是人工智（zhì）能應用最理想的領（lǐng）域

    目前在智能交通（tōng）領域（yù），人工智能分析及（jí）深度學習比較成熟的（de）應用技術以（yǐ）車牌識別算（suàn）法（fǎ）最為理想，雖然目前（qián）很多廠商（shāng）都宣稱自己的車（chē）牌識別率（lǜ）已經達到了99%，但這也隻是（shì）在標準卡口的視頻條件下再加上一些預設條件（jiàn）來達到的。在針對很（hěn）多簡易卡口和卡（kǎ）口（kǒu）圖片進行車（chē）牌定位識別時，較好的車牌識別也很（hěn）難（nán）達到90%。不過隨著采用人工智能、深度學（xué）習的應用，這一情況將會得到很大的改善（shàn）。

    在傳統的圖像（xiàng）處理和機（jī）器學習算法研發中，很多特（tè）征都（dōu）是人為製定（dìng）的，比如hog、sift特征，在（zài）目標檢測和特征（zhēng）匹配中（zhōng）占有重要的地位，安（ān）防領域中的很多具體算法所使用的（de）特征大多是這兩種特征的變種。人為（wéi）設計（jì）特征和機器學習算法，從以往的經驗來看，由於理論分析的難度大，訓練方法又需要很多（duō）經驗（yàn）和技巧，一般需要5到10年的時間才會有一次（cì）突破性的（de）發（fā）展，而且對算法（fǎ）工（gōng）程師的知（zhī）識（shí）要求也一直在提高。深度學習則（zé）不（bú）然，在進行圖像檢測和識別時，無需人為設定具體的特征，隻需要準備好足夠多的圖進行訓練即可，通過逐層的迭代就（jiù）可以獲得較好的結果（guǒ）。從目（mù）前的應（yīng）用情況來看，隻要加入新數據，並且有充足的時間和計算資源，隨著深（shēn）度學習網絡層（céng）次（cì）的增加，識（shí）別率就會相應提升，比傳統方（fāng）法表現更好。

    另外在車輛顏色（sè）、車輛廠商標（biāo）誌識別、無牌車檢測、非機動車檢測與分類、車頭車尾判（pàn）斷、車輛檢索（suǒ）、人（rén）臉識別等相關的技術方麵（miàn）也比較成熟（shú）。

    車牌顏色識別

    在車輛顏色（sè）識別方麵，基本上克服了由於光照條件變（biàn）化、相機硬件誤差所帶來的顏色不穩定、過曝光等一係（xì）列（liè）問題，因此解決（jué）了圖像顏色變化（huà）導致的識別錯誤（wù）問題，卡口車輛（liàng）顏色識別率從80%提升到85%，電警車輛主顏色識（shí）別率到從75%提升到80%以（yǐ）上。

    車輛廠商標誌識別

    在車輛廠商標（biāo）誌識別方麵，使用傳統的HOG、LBP、SIFT、SURF等特（tè）征，采用SVM機器（qì）學習技術訓練一個多級聯的分（fèn）類器來識別廠商標誌很容易出現誤判，采（cǎi）用大數據（jù）加深度學習技術（shù）後，車輛車標的過曝光（guāng）或者車標被（bèi）人為去（qù）掉（diào）等引（yǐn）起的局部特征會隨之（zhī）消失，其識別率可以從89%提升到93%以上。

    車輛檢索

    在車輛檢索方麵，車輛的圖片在不同場景下會出現曝光（guāng）過（guò）度或者曝（pù）光不足，或者車輛的尺度發生很（hěn）大變化（huà），導（dǎo）致（zhì）傳統（tǒng）方法提取的特征會發生變化，因此檢（jiǎn）索率很不穩定。深（shēn）度學習能夠很好地獲取較為較穩定的特征，搜索的相（xiàng）似目標更精確（què），Top5的搜索率（lǜ）在95%以上。在人臉識別（bié）項目中，由於光線、姿態和（hé）表情等因素引起人臉變化，目前很多應用都是固定（dìng）場景、固（gù）定姿態，采用深度（dù）學習算法後，不僅固定場景的人臉識別率從89%提升（shēng）到99%，而且（qiě）對姿態和光線（xiàn）也有了一定的放鬆。

    交通信（xìn）號係統

傳（chuán）統的交通燈使用默認時間轉換燈色，雖（suī）然轉換燈色的時（shí）間會根據（jù）數據每幾年更新一次（cì），但是隨著交通模式發展，傳（chuán）統係統很快就會過時。而人工智（zhì）能驅動的智能交通信號係（xì）統則以雷達傳（chuán）感器和攝像頭監控（kòng）交通狀況，然後利用先進（jìn）的人工智能算法決定燈色轉換時間，通過人工智能和交通（tōng）控製理（lǐ）論融合應用，優化（huà）了城市道路網絡中的交通流（liú）量。

    警用機器人

    人工智能的警用（yòng）機器（qì）人將取代交通警察，實（shí）現公路交通安全的全方位監控、全天候巡邏（luó）、立體化監管。

    大數據分析

    人工智能算法可以（yǐ）根據城（chéng）市民眾的出行偏好、生活、消（xiāo）費習慣等方（fāng）式，分析出城市（shì）人流、車流的遷移與城（chéng）市建設及公眾資源的數據。基於這些大數據的分析結果，為政府決策部門進（jìn）行城市規劃，特別是（shì）為公共交通設施的基（jī）礎建設提供指導和借鑒。

    無人駕駛和汽車輔助駕（jià）駛

    非常（cháng）重要的一個技術點就是圖象識別，通過圖（tú）像（xiàng）識別前方車輛、行人、障礙物、道路以及（jí）交通信號燈和交通標識，這項技術的落地應用將給人類帶來（lái）前（qián）所未有的出（chū）行體驗，重塑交通體係，並構建真正的智能交通時代。

    公路交通安全防控體係涉及的核心技（jì）術是交通行為監測、交通安全研判、交通（tōng）風險預警、交通違法執（zhí）法，而這些技術現已與人工智能融為一體。實現公路（lù）交通運行狀態“看（kàn）得見”、車輛通行軌（guǐ）跡“摸得透”、重點違法（fǎ）行為“抓得住”、安全隱患事件（jiàn）“消得了”、路（lù）麵協作聯動“響應快”、交通信（xìn）息（xī）應用“服務（wù）優”等目標，都離不開（kāi）人工智能技術。