智能交通是如今的熱點(diǎn)話題，越來越多的科技企業(yè)加入這個(gè)產(chǎn)業(yè)大命題，從無人駕駛、車路協(xié)同，再到城市大腦，一系列軟硬件要素蓬勃發(fā)展，勢(shì)必要讓城市交通生活舊貌換新顏。據(jù)數(shù)據(jù)統(tǒng)計(jì)，截至2018年底，我國(guó)智能交通千萬級(jí)以上的項(xiàng)目(不含公路信息化)就有1167個(gè)。

城市智能交通

不過，即使城市智能交通有強(qiáng)大的技術(shù)基礎(chǔ)，但是在實(shí)際出行中，諸多“適應(yīng)癥”開始出現(xiàn)。無人駕駛汽車事故屢見不鮮、云端大腦在龐大的數(shù)據(jù)體量面前時(shí)常崩潰、研發(fā)和基建成本居高不下，但城市交通效率卻并沒有成比例提升。智能交通雖然依托于云端大腦、芯片、傳感器、攝像頭等現(xiàn)代科技技，不過目前智能交通依舊面臨許多難題。那么，逐漸形成的城市智能交通系統(tǒng)又能否力挽狂瀾?傳感器在智能交通中又承擔(dān)了哪些角色?

數(shù)據(jù)織就的“城市神經(jīng)網(wǎng)”，隱藏諸多出行難題

在城市的數(shù)字基礎(chǔ)建設(shè)過程中，每天有大量的傳感器和系統(tǒng)落地。但這些終端數(shù)據(jù)距離真正服務(wù)于城市大腦，卻存在著幾個(gè)障礙：

首先是數(shù)據(jù)收集的完整性?，F(xiàn)代化城市和人們的出行軌跡往往圍繞著復(fù)雜而緊密的交通網(wǎng)絡(luò)展開。一方面，這要求城市系統(tǒng)能夠覆蓋到每一個(gè)邊邊角角，構(gòu)成完整而龐大的“神經(jīng)網(wǎng)絡(luò)”;另一方面，高速流動(dòng)的車流、人流對(duì)數(shù)據(jù)采集的實(shí)時(shí)性、精度也提出了挑戰(zhàn)。如果數(shù)據(jù)出現(xiàn)了“盲點(diǎn)”，那么即使擁有再?gòu)?qiáng)大的城市大腦，交通擁堵、地面安全等問題也依然是“死結(jié)”。

其次是數(shù)據(jù)協(xié)作的兼容性。城市交通數(shù)據(jù)的另一個(gè)問題，是數(shù)據(jù)源的多種類、多模態(tài)。比如僅僅是解決堵車的問題，就需要路面的車流量數(shù)據(jù)、車輛GPS數(shù)據(jù)、天氣預(yù)報(bào)、路況健康監(jiān)測(cè)數(shù)據(jù)等等，只有將不同種類的傳感器融合，把各數(shù)據(jù)源捏合在一起，才能夠?qū)崿F(xiàn)對(duì)交通狀況的實(shí)時(shí)把握和調(diào)控，主動(dòng)影響智慧決策。

最后是數(shù)據(jù)處理的高效率。目前許多城市的數(shù)據(jù)收集方案，都是通過攝像頭、通訊基站等方式實(shí)現(xiàn)的。這就導(dǎo)致了兩個(gè)問題：一是攝像頭的視覺數(shù)據(jù)需要進(jìn)行語義分析、特征提取、圖像理解等一系列處理，對(duì)算力資源、硬件配置、數(shù)據(jù)存儲(chǔ)等提出了較高的要求;二是大規(guī)模的實(shí)時(shí)高精視覺數(shù)據(jù)一股腦兒地輸送到云端，很容易造成數(shù)據(jù)堆積和處理延遲，成為“城市大腦”的重?fù)?dān)，耽誤一些需要實(shí)時(shí)反應(yīng)的需求。

歸根結(jié)底，城市的智慧化不應(yīng)該只停留在“被數(shù)字”的表面功夫，而應(yīng)該真正讓城市的每一寸肌理都能夠感知數(shù)據(jù)、應(yīng)用數(shù)據(jù)，這樣任何地面事件帶來的每一個(gè)“神經(jīng)沖動(dòng)”，才能快速而順利地抵達(dá)城市“大腦中樞”。