伪深度：人工智能应用交通=城市交通大脑？

回来之后，小编百度了一下人工智能，在词条下面，是这么定义的：人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。人工智能是包括十分广泛的科学，由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。公安部交通管理科学研究所首席研究员姜良维老师认为，人工智能本质是对人类思维过程的模拟,是人类智能的物化。但实际上，不同的时代、不同的人对这种“复杂工作”的理解是不同的。

在多数人的认知里，人工智能就是智能机器人，出现在很多的科幻电影中，比如电影《终结者》中的T-600，《机器公敌》中的叛变机器人NS-5，《星际穿越》中的智能助手塔斯，都是高度智能化的象征。在现实中，去年和今年大放异彩，甚至于让人类有些恐慌的围棋机器人阿法狗，也是人工智能的代表，其代表了人工智能在某些单一领域已经能够完全超越人类了，或许未来的历史，将以2016年作为人工智能的纪元年。

在国务院印发《新一代人工智能发展规划》中，提到了人工智能在智能交通领域的应用，主要任务包括：研究建立营运车辆自动驾驶与车路协同的技术体系。研发复杂场景下的多维交通信息综合大数据应用平台，实现智能化交通疏导和综合运行协调指挥，建成覆盖地面、轨道、低空和海上的智能交通监控、管理和服务系统。

可见，在这个《规划》中，人工智能是复杂的决策系统，而非某一个细分领域的智能化实现。而且《规划》的名称也有点意思，新一代人工智能，既然有新一代，那么旧一代是什么？就是我们所说的单一系统的智能化实现？

顺便看下人工智能在公共安全领域的应用内容：促进人工智能在公共安全领域的深度应用，推动构建公共安全智能化监测预警与控制体系。围绕社会综合治理、新型犯罪侦查、反恐等迫切需求，研发集成多种探测传感技术、视频图像信息分析识别技术、生物特征识别技术的智能安防与警用产品，建立智能化监测平台。加强对重点公共区域安防设备的智能化改造升级，支持有条件的社区或城市开展基于人工智能的公共安防区域示范。

可见，图像和生物识别是其中非常重要的部分。人的五大外部感知包括视觉、听觉、触觉、嗅觉、味觉，对应在人工智能领域，只有视觉、听觉、触觉有具体对应的研究和应用，“视觉”在安防、交通、智能机器人领域是最重要的一个能力，即图像信息分析识别，从视频图像中像人类视觉一样，获取所需要的信息，并对图像所展现的情境作出判断；听觉对应的是语音识别和语音合成，在交通领域主要以导航语音以及违法鸣笛抓拍设备的形式存在，如要上升为智能，则需要对语言背后所包含的指令、情绪进行识别；触觉，则是生物特征识别，温度、湿度、硬度、材质判断等等，这个并没有对应的单一技术，而是通过其他传感技术获得。

但人的能力中，最重要的是思维决策能力，也就是通过各种外部感觉判断以及知识、经验积累，来做出解决问题、有利于自身的行动，这也是人之所以成为智慧生物的最大特征。所以，人工智能，最重要的部分在经验积累、思维决策。

在本文最开始就提到了，人工智能是一个涵盖领域非常广泛的综合学科，而图像识别、语音识别和合成、生物特征识别只是其中最基础的技术之一，最为复杂的技术领域在数学领域，用数学和计算机语言来描述人类思维，构造对应的人工智能大脑，这其中就包括机器学习和深度学习，还有非常多的专业名词——自适应学习算法、卷积神经网络、循环神经网络、递归神经网络、深度神经网络和深度堆叠网络等等，就小编的水平，只认识这几个汉字，根本无从理解。

现在有很多企业都把“人工智能”挂在嘴边，但实际上离人工智能还有一些距离，或者只是在某一个单一领域有初步的进展，比如视频图像分析、语音识别与判断、辅助驾驶、搬运机器人、家政机器人等等，像阿法狗这样的基于深度学习，并经过了实战验证的人工智能，还只是巨头的游戏。

但这并不妨碍我们的智能交通、安防、视频图像分析识别等企业将自己打上人工智能的标签。实际上，这些企业也的确在做这方面的探索，在初步代替人工之后，也开始寻求代替人的决策，即智能。

智能交通的人工智能表达

在交通领域，人工智能是怎么存在和表现的？所有代替人类行为的机器活动，都是人工智能？这么定义的话，所有机械和电气化的交通载具，都是人工智能了，因为代替了人走路和搬运物品的行为。代替交警指挥的交通信号也是人工智能？代替交警抓拍的也是人工智能？

很显然，这些并不是，但当这些设备能像人一样做出进一步的决策、行为时，就可以视为人工智能了。比如自动驾驶，比如自适应、协调控制的交通信号，比如前端智能化的监控设备。

自动驾驶很容易理解，代替人的驾驶行为，选择怎样的速度行驶，什么情况下停车、刹车、超车等等，最高等级的就是完全不需要人的操作；自适应信号控制，在交警用手势指挥路口交通的时候，往往会根据哪个方向的车流量多少，来决定某一个方向的放行时间，而自适应则将这一行为自动化了，更大范围的自适应协调控制，则能更好的体现人工智能，因为已经超越了原有人的指挥水平；前端智能化的监控设备，则不仅仅是拍摄一张图片完事，而是能将图片所拍摄图片中所涵盖的要素全部结构化，车牌、车型、颜色、驾驶室特征、车辆状态、驾驶人面部以及驾驶人行为，同时进行识别，驾驶行为是否违法，能与系统连接，识别出车辆是否套牌、毒驾嫌疑、失格驾驶嫌疑等其他违法行为，并作出判断与决策，是否需要拦截。

需要强调的一点是，人工智能并不是简单的触发反应，比如重点营运车辆监管方面，车辆在凌晨两点至五点行驶，触发了预设的时间限制，被系统采集，然后自动预警，或者超速行驶，被自动预警，这并不算是人工智能，小编认为，这是简单的程序反馈，是在单一条件下的触发反馈。而前面所提到的自动驾驶、自适应信号控制、前端智能化，是在不同条件下做出合理的优化行为。在道路运输领域，公交车辆的智能调度，可以被视为人工智能，因为其参数条件也是在不断变化，但是复杂程度远低于前面所提到的三个领域。

以上所举，也都是单一领域的人工智能应用，或者说体现了人工智能在这一领域的发展方向。更为复杂的应用，在于交通管控平台或者综合交通运输指挥平台的人工智能应用。尤其是前者，接入的信息、数据类型，都是非常巨大的。前段时间，公安部交通管理科学研究所王长君所长透露，公安交通集成指挥平台已经在全国24个省级平台部署，已接入了5.8万套卡口监控、5.2万路视频监控、6.7万套执法取证和1.1万套其他设备。在全国已经汇聚了车辆通行信息1200亿条，也就是100TB的数据量，现在每天产生3.2亿条通行记录数据，未来将达到5亿条，全国平台能够在1秒钟内实现机动车轨迹的模糊查询，1分钟内从前端采集逐渐汇聚到部级数据中心，1小时内得出关联分析、挖掘分析大表。庞大的数据处理，会反推前端的智能化，推动深度学习在前端设备中的应用，也就是根据需求自动将图像所包含的信息全部结构化表述出来，为后端的数据处理压缩时间和降低计算压力，也会推动大数据、云计算在后端平台（以二次识别为典型应用）的应用。以苏州科达的海燕车辆二次分析平台为例，凭借高车辆识别准确率与千亿级数据秒级检索能力（3000亿级数据查询只需0.2秒），可实现车辆的准确、快速、多维度检索，包括：车牌、区域、车标、细分车型、车辆照片、车辆特征、语义、颜色、时间等，在大数据研判方面，可实现车牌多点碰撞、车辆多点碰撞、路径复现、落脚点分析、昼伏夜出、初次入城分析、隐匿车辆挖掘、路径策略分析、车辆频次分析、区域徘徊分析、夜间频出分析、假套牌分析、面部遮挡分析、一车多牌检测、相似车牌串并等等研判分析。

这些是平台级的应用，条件和需求都是在变化的。还有一个典型应用，就是区域协调信号控制，将一个区域内的信号控制设备连接起来，基于实时采集的流量，实现协调控制，互相影响，相互协同，从而使区域内交通流实现最优。美国卡耐基梅隆大学的一位教授史密斯，就提出了一个与传统信号集中控制相反的策略——Surtrac信号系统，采用完全分散的方法来控制道路网络中的交通：每个交叉点基于实际进入的车辆流独立地分配其绿灯时间,然后将所计划的流出传送到相邻的交叉口,以增加对未来入站流量的可见性。依赖分散的交叉控制确保对实际交通状况的最大实时响应,而预计流出到相邻交叉口的流量使得协调控制和创建绿波带成为可能。Surtrac信号合作的方式，与蚂蚁或鸟相同。这种方式被称为“虫群战略”，常被用于协调多架自动无人机执行各种任务，如调查研究和救援等。这种方式的优势包括可扩展性——额外增加信号灯非常容易，持久性——一个单元出现故障，剩余部分会自动调整以做出补救。很显然，这一方案，是人类通过学习其他动物族群的组织特征而建立，是人工智能的一种高级体现方式，即专家方案。

人工智能应用于智能交通的等级划分

人工智能应该分等级吗？作为人工智能在交通领域的最直接和最重要的体现方式，自动驾驶已经分了等级，从人工驾驶到全自动驾驶，分为6个等级，最高等级为全自动驾驶。人工智能或许无法笼统的进行分级，至少目前，只能进行具体应用领域的分级，那么在交通管理领域，人工智能怎么分级？

业内资深专家苏州科达科技股份有限公司副总经理陆吉良就表示，可以分为三个等级：

初级人工智能应用是单点信号控制、监控前端智能取证，代替指挥，解放人工。交通信号灯解决的是交警指挥路口交通的问题，道路监控的第一步就是智能前端取证，主要是机动车闯红灯抓拍系统，即狭义上的电子警察。

中级智能是实现初步的交通管理功能。通过诸多前端设备，采集交通管理所需要的数据，自动的提取、分析交通流数据，形成规律，提供下一步决策所需的数据。

高级智能则是专家辅助决策系统，将以往交通管理工作过程中所形成的方案、程序，组建为专家方案库，包括交通拥堵疏导、突发事故处置、恶劣天气交通、节假日交通管理、警保卫交通、大型体育/娱乐活动交通纾解等等，还可以细致到一些重要节点、重要路口的交通拥堵疏导，形成完备的专家方案。从而根据道路交通运行的变化，自动生成优化匹配的应对解决方案。但仍要强调的一点是，不是对应什么问题就得到一成不变的方案，而是要根据实际交通运行条件，自动优化，大体框架不变，而细节措施不尽相同。

易华录智能交通产业副总裁孙建宏在推介其“交通大脑”平台时也提到，现在对于交通拥堵的处置，很多管控平台只关心事件发现和报警处置，而缺少交通组织优化控制的工具，在运维上升之际，缺少智能化运维工具。这里，我们可以将孙总所说的“工具”视为“专家方案”，但孙总并未提人工智能的概念。

海信网络科技最近发布的交通管控平台新功能中，提到了人工智能的专家系统，简单来说，是建立一个应对多种交通警情的专家解决方案库，在充分有效的交通事件数据（警情信息、流量数据、过车数据、路网结构、信号诱导设备、违法占道等）条件下，对方案进行自我优化和机器学习，对已有专家解决方案进行优化，得出警力调配、处置流程、信号控制方案、诱导发布方案等，以适用于目前的交通警情解决，来快速处置交通事故和缓解交通拥堵。把人脑解放下来，日常管理精力省下来去做更高级的事情。

很显然，看起来交通管控平台的人工智能应用已经进入到高级阶段。先不论这个等级划分是否正确，要实现专家方案辅助决策，还有不少的前提条件。陆吉良认为，实现专家方案辅助决策的关键和基础是前端布局工作要做好，前端布局覆盖面足够宽广，数据不会有偏废，准确的提供决策海量数据。另外，最重要的是，管理模式一定要和管控平台的处理流程相匹配，首先是领导意志不能大于管理需求，其次是各方协作要同步，各方资源和信息共享，再次是执行方案要果断。否则就像当年搞企业管理信息化（ERP）风潮时，出现很多水土不服，无法贯彻实施的情况。

那么交通管理领域的专家辅助决策系统是怎么形成的呢？陆吉良告诉我们，是交通事件已经发生过并且在实践中确定了比较经典的基本解决模型，而这个模式确定的前提是管理模式基本确定，将系统固化，输出输入机制固定。总的来说就是管理模式既定，管理解决模式获得广泛认可，这就是专家辅助决策系统形成的必须条件，形成之后，还需要进行一些优化。一般一个公安交通集成指挥平台建立之后，都会形成十几套类似的专家辅助决策系统。但因为管理习惯，管理模式不大一样，每个区域的系统都有各自的数据基础和特点，所以不同地方的专家辅助决策系统不可以进行原装套用。

那么专家辅助决策系统存在最高级吗？陆吉良回应道，他个人认为专家辅助决策系统是永远不会停止完善，只要有交通需求，管理模式就会一直改变，而管理模式的确定是专家辅助决策系统的前提，所以系统也不可能完全确定，所以这是一个持续动态优化的过程。

如何来判断一个交通管控平台或交通集成指挥平台具备人工智能，这本身是很有难度的。陆吉良表示，专家辅助决策系统是系统根据基础数据和模式做出这件事情该怎么做的决策，但现状还是平台系统提供数据，管理者人为做出决断，这是与较高级的专家辅助决策系统相背离的一种情况。

在7月份，姜良维老师发布的《人工智能在道路交通管理中的应用探讨》一文中，提到了人工智能在交通管理工作中的应用趋势：未来,人工智能的警用机器人将取代交通警察,实现公路交通安全的全方位监控、全天候巡逻、立体化监管。当前,完善公路交通安全防控体系是全国公安交通管理部门的重大科技建设项目。公路交通安全防控体系实现对公路上车辆通行情况、交通违法情况和道路隐患及时监控、发现、取证、传递、处理、反馈、修正,进一步提升公路管控力度与水平,进一步增强勤务管理科学性与针对性,及时发现查纠各类交通违法行为,明显改善了道路通行秩序,有效遏制了重特大交通事故。公路交通安全防控体系涉及的核心技术是交通行为监测、交通安全研判、交通风险预警、交通违法执法,而这些技术现已与人工智能融为一体。实现公路交通运行状态“看得见”、车辆通行轨迹“摸得透”、重点违法行为“抓得住”、安全隐患事件“消得了”、路面协作联动“响应快”、交通信息应用“服务优”等目标,都离不开人工智能技术。 

陆吉良则表示，人工智能的未来应用，就是把现在交通管理人工做的事情慢慢都通过系统和设备来完成，智能化程度越来越高，初级和中级决策慢慢会被人工智能决策替代掉，现在所有的智能交通产品和技术无非就是为了实现这个目标。至于人工智能在交通领域的应用能不能理性发展还要看公司本身，但可以肯定的是——需求不可能推动理性发展。

就从媒体的角度来看，现在人工智能在交通管理中的应用，处于相对混乱的阶段，第一步没有走的特别好，第二步也只进行了一部分，还在完善，现在又进入到第三阶段。这就需要我们业内的智能交通企业，脚踏实地，逐步完善，人工智能和交通大脑的概念可以提，可以用，但一定要名副其实，在这一点上，苏州科达等能够独立提供从技术到产品再到应用的完整的端到端的解决方案提供商，而海信网络、易华录等集成商看起来已经取得了先机。从某些意义上来说，项目越多，采集到的数据越多、类型越丰富，参与交通管理工作越多，处理越多各种交通事件，形成专家辅助决策系统库的可能性也就越大，前提是，各企业已经意识到这是实现人工智能在交通管理工作应用的一部分。

未来的智能交通，一定是城市交通大脑连接和管理城市交通的所有智能化设施，不管是路口的还是路段的还是枢纽的，不管是公路水路还是轨道航空，不管是交警交通运管路政，还是城管气象应急救援，所有数据都汇集到了一个“大脑”之中，有成千上万的专家辅助决策方案，各个部门的管理模式都可以和系统相匹配，所作出的决策有跨部门联动的，都可以顺利执行。这应该是人工智能在智能交通领域所应用的最完美情形吧？

要提醒的是，和其他很多技术一样，人工智能也不可能解决所有问题，尤其是一些非技术的问题，交通运输部公路科学研究院首席科学家王笑京就认为，需要避免过度“神化”智能交通技术应用效果，通过科学规划和系统设计形成科学的交通发展结构仍然是城市交通发展的关键工作，智能交通技术的功能是支撑服务升级。

最后，我们来想象一下，假如交通领域的人工智能，“城市交通大脑”产生了自我意识，“他”会怎么做？