人工智能和大数据是拯救城市交通拥堵的灵丹妙药？

我们都知道，城市的交通繁忙十字路口，我们通常都能看到一个或多个摄像头，它们的作用是监视交通状况，为交通违法行为提供图像甚至是视频证据。但是，它们还能发挥更大的作用吗？它们是否能帮助城市规划者优化交通流量或确定疑似交通事故的发生地点吗？

美国德克萨斯高级计算中心（TACC）以及德克萨斯大学交通研究中心的研究人员认为，摄像头是可以做到这一点的。他们一同致力于开发人工智能工具，使用深度学习和数据挖掘进行复杂的、可搜索的流量分析。

在本月举行的IEEE国际大数据会议上，他们将提出一种新的深度学习工具，使用奥斯汀市的原始交通摄像头来识别人、汽车、公交车、卡车、自行车、摩托车和交通灯等物体，并描述这些物体如何移动以及如何相互作用。交通工程师们可以对这些信息进行分析鉴别，看看每条车道上有多少汽车是开错道的。

TACC的数据挖掘和统计组组长Weijia Xu表示，"我们希望开发一个灵活高效的系统来满足交通研究者和决策者的动态、实时分析需求。我们不想为某个特定的问题开发一个交钥匙解决方案，而是探索一些可能有助于分析需求的方法，甚至那些将来可能出现的需求。"

他们开发的用于流量分析的算法自动地从原始数据中标记所有潜在的对象，通过与先前识别的对象进行比较来跟踪对象，并比较每个帧的输出以发现对象之间的关系。

一旦研究人员开发出一种能够对交通进行标记、跟踪和分析的系统，他们可以将其应用于两个实际的例子：计算有多少移动车辆沿着道路行驶，并确定车辆和行人之间的密切联系。

系统自动计算10分钟的视频里有出现了多少车辆，初步结果表面，他们的工具整体准确率高达95%。

UT交通研究中心网络建模中心主任Natalia Ruiz Juri表示，了解交通流量及其分布的时间是验证交通模式和交通网络性能评价的关键。

她认为，"目前的做法往往依赖于使用昂贵的传感器连续数据收集，或在某个特定的时间段内进行流量采样研究。而利用人工智能从现有摄像头自动生成交通流量将提供更广泛的空间和时间覆盖面的运输网络，促进产生有价值的数据集，以支持创新的研究，并了解交通管理和经营决策的影响。"

在潜在的密切接触的情况下，研究人员能够自动识别一些车辆和行人非常接近的情况。 这些都不代表现实生活中的危险，但是它们表明了系统如何在没有人为干预的情况下发现危险的地点。

奥斯汀市的咨询工程师Jen Duthie表示，"奥斯汀市致力于终结交通死亡事故，视频分析将是一个强大的工具来帮助我们找出存在潜在危险的地方。在受伤或死亡事故发生之前，我们可以将我们的资源用于解决问题地点。"

研究人员计划探索自动化如何促进其他与安全有关的分析，如识别行人穿过指定人行道外的繁忙街道的位置，了解驾驶员如何对不同类型的行人产生标志作出反应，并量化行人愿意为了使用斑马线而行走多远。

该项目展示了人工智能技术如何大大减少分析视频数据所需的工作量，并为决策者提供可操作的信息。

Ruiz Juri认为，"大家期待已久的无人驾驶及联网汽车的上路，可能会导致车辆和行人的行为以及公路的行为发生重大变化，视频数据将在了解这些变化中发挥关键作用，而人工智能可能是实现真正捕捉新技术影响的全面大规模研究的关键。"

不管你用不用，摄像头都已经立在那里。利用这些现成的设施，再加上人工智能和大数据，城市交通拥堵问题就能迎刃而解吗？我们拭目以待。