通勤混乱的应对措施？AI 交通管控系统
成千上万的华盛顿特区司机前往阿灵顿国家公墓参加停战日仪式时，他们发现自己陷入了全球最严重的交通堵塞。1921 年 11 月 11 日，拥堵的交通让驾驶员在车里被困几个小时，哈定总统的豪车也位列其中，当时令他深感不满。人们感到烦躁疲累，并没有意识到他们正在创造历史。
100 年后，城市交通混乱局面一如既往。但 AI 交通管控系统可能会为这一世纪难题提供全新解决方案，同时解决未来的可持续性挑战。
城市有充足的理由去解决交通管控难题。
在理想情况下，城市规划应该能避免我们陷入交通拥堵这一困境。但在历史悠久的城市中心，道路布局代代接续，这种方法并不可行。在新兴市场中尤其如此，许多街道破旧狭窄，但预算有限，要优先考虑建设其他基础设施。
同时技术解决方案也存在局限性。环路检测系统有一定帮助，但此类系统基本上只能充当汽车计数器。它们无法提供对交通进行建模和预测所需的详细数据。基于云的交通管控系统要好一些，但由于存在延迟问题，无法适应道路上的突发情况。
“问题的关键在于，交通流量本身不可预测，”边缘 AI 智能摄像头制造商 Ability Enterprise 的 AIoT 高级总监 Jonny Wu 说道。“从根本上说，如果解决方案无法适应交通流量的实时变化，便达不到理想效果。”
AI 交通管控：边缘和云的协同作用
边缘 AI 技术在交通管控领域的应用已开启了全新的可能性。边缘计算本身并非新鲜事物。它于上世纪 90 年代首次采用，目的是改进网络和视频内容的交付。但目前，处理器的功能足够强大，可以处理边缘 AI 所需的大量计算。
Ability 的敏捷且自适应的交通管控解决方案采用英特尔® VPU，Wu 表示该解决方案“在执行边缘 AI 摄像头系统所需的各种可视化处理任务时表现尤其出色。”
实际上，这意味着像 Ability 推出的这类 AIoT 摄像头，其作用远远不止车辆计数那么简单。 它们可以按类型识别不同的车辆、通过识别车牌跟踪个别车辆、计算行驶时间、监控方向变化，以及在交叉路口检测车辆队列的波动。
此类解决方案引发了交通行业的颠覆性变革，因为它们提供了建模、预测和优化交通流量所需的细化的实时数据。
在 AI 交通管控系统中，数据在边缘捕获并处理，然后发送到云端进行其他处理。在云端，将采用历史交通数据对流量动态进行模型。然后，AI 优化器运行模拟，以制定优化的交通控制计划。
该计划将面向现场的交通信号控制器推出，且现场的边缘 AI 摄像头将监控交通流量，并将数据发送至云以进行持续优化。如有必要，AI 系统将根据不断变化的路况实时自动调整交通控制计划。
正是边缘 AI 和云端 AI 的结合，让此系统得以发挥作用。“边缘 AI 并不会替代云，” Wu 说道，“而是边缘的计算机视觉与云端 AI 优化相结合，打造出整体功能远超各部分功能之和的解决方案。”（视频 1）
AI 系统的成果显著
Ability 在马来西亚的实施便是一个典型的例子。将该公司的 AIoT 摄像头部署在怡保市一段交通繁忙且经常发生严重拥堵的路段。
“该路段覆盖了怡保市中心的连续四个十字路口，” Ability 公司的马来西亚合作伙伴 LED Vision 公司总监 Erwin Yong 解释说，“所以我们谈论的是城市的一部分，基本不可能拓宽道路。”让问题进一步加剧的是：附近的三所学校在学生上学和放学时段会造成交通拥堵。
Ability 和 LED Vision 在四个交叉路口间安装了 12 个摄像头。在初始数据采集期后，将历史交通数据发送到云端 AI 优化器。经过优化的交通控制计划一经全面部署，便产生了惊人的效果。以历史数据以及 Google 的通勤时间预测为基准，该系统将该地区的平均车辆行驶时间缩短了 30% 以上。
城市更加智慧、可持续性更高
改善交通流量，意味着缩短了驾驶员的行驶时间，同时缩短了车辆的闲置时间。带来的显著收益是缩短了交通拥堵中浪费的数小时时间，大幅降低了碳排放量。还有一些不太明显的收益。首先，AI 系统消除了在繁忙路口管控交通所需的大量人力劳动。交警可以腾出时间到最需要他们的地方去。
此外，Wu 说道，AIoT 摄像头系统功能多样：“用于交通管控的摄像头也可用于其他方面：非法机动车检测、超速检测等。”
在全球气候危机时代，各城市都在寻求利用新方法来降低碳排放，实现可持续发展目标。AI 交通管控系统经济有效且十分灵活，是交通工程师和系统集成商构建未来智慧城市的一个极具吸引力的方案。
交通管控可能是一个老问题。但得益于 AI 的进步，交通管控的未来一片光明。