IT思维

作者 | 开发者孙浩 公众号/ InfoQ

智能交通平台发展现状

智能交通希望达到的效果是道路运行效率的最大化及对道路运行安全的保障。基于传统算法的软件平台实现了道路关键路况的监控、信号控制、交通诱导、设施管理等功能。深度学习算法的出现使摄像头的使用效率大大提升，然而目前来看，仍然满足不了用户对真实场景的需求。

有个有趣的现象，道路监管部门现在通常是先运用百度地图、高德地图这类地图软件来查看路段的拥堵情况，然后再给交警等部门发出，出警要求疏导交通。

不要以为我们所说的智能交通仅仅是抓拍闯红灯、监控摄像头、导流红绿灯、识别车辆车牌、过年再来个交通大数据…… 其实，真正的交通智能性体现于以下场景：

1. 检测道路异常行为，如车辆抛洒物、行人违规等。
2. 及时获取车辆信息，即实现对某车辆的全路段识别、跟踪。
3. 检测特殊路况，如团雾、道路滑坡、滚石等。
4. 低照度、夜间情况下的信息识别，涉及到不更改现有硬件设备的需求。
5. 信息平台、业务处理的智能性、及时性。交通道路的管理涉及到多部门的协调及信息的沟通，信息决策的准确性至关重要。

要想实现以上智能交通的“智能性”，便需要基于这三个前提：

1. 标记车辆 ID，实现在高速路上对车辆的随时“跟踪”，即使在不同摄像头间转换，也能确认车辆。
2. 复杂路况下，信息图像的获取。有两个方案，一是通过远距离摄像机，二是通过近距离车载设备感知。相较于远距离监控，近距离更接近真实场景并容易实现，而且在有些情况下，路段监控盲区还是很多的。
3. 基于准确的信息，做出准确的业务逻辑处理。

此外，要想实现“智能”道路，目前还有些技术难题有待解决：

通用的识别方法是识别车牌，尤其是高速路、高架桥这样的位置，车牌难以识别，在可见性不好的状况下，也很难获取车辆信息。

现行交通网络中，提供车辆异常行为检测技术的供应商不在少数，但使用者的反馈却是“宁愿将软件关掉”(也确实是这样做的)，只因其误报、漏报的情况严重。即便是基于升级的深度学习算法，也难以对复杂的路况、车况、周边环境情况等复杂组合做出较准确的判断。

高速、高架桥上的摄像机基本都是高清 1080p 的球型机，通常对交通异常行为的判断需要进行复杂的软件设置，比如：检测区域划线等。对于固定位置的摄像机，这还足以应付，但拿球型机来说，普通非技术人员操作时就有些吃力了。而且，摄像机位置较远，若车速较快，其识别准确率也会下降。

如高速上经常会遇到的“团雾”，盲区路段的滚石、滑坡等，这种状况下摄像机无法有效检测。

道路拥堵数据的准确性，往往基于采集到的用户数据，无数的用户数据构建了交通路况信息。由此，在上文也提到，有了无人驾驶系统，我们便有了更精确的数据采集方案：来源于用户。

智能交通网络的实现，必然需要交通控制平台、车辆、交通监控平台间数据的连接，这就是交通的“万物互联”。从这点来看，面对汽车的智能系统，更像是手机之于人，是交通的核心数据源。

市面上众多的车机操作系统供应商，大多是基于 Android 平台做的二次开发，但是这些系统普遍存在一个缺陷，汽车感知数据收集及处理上的缺失，其生态链的不完整也让自身仅有的用户主动生成的数据发挥不了智能交通上的价值。

百度无人驾驶系统的开放及生态的建立让我们看到了希望。至少对于国内汽车生态系统来讲，百度无人驾驶的赋能给予了“万物互联”的基础。百度 Apollo 无人驾驶平台提供各级别开发者所需的数据接口。装有 Apollo 平台的汽车可以通过更加丰富的传感器收集道路信息并回传数据平台，供道路检测平台使用，当然这会基于用户的许可。

自动驾驶已经蹒跚而来，智能交通平台的实现也将同步进行，甚至需要在无人驾驶实现之前便构建好数据生态。但目前为止，我们还没有看到智能交通平台实质性的进展，当下交通控制平台多数还基于普通算法逻辑，交通监控还停留在人工转动摄像头阶段，有关交通部门也苦于没有靠谱的方案供应。

基于百度 Apollo 平台的无人驾驶阶段实施策略可作为广大车厂、车机厂、道路车辆检测平台软件商等考虑的智能平台接入方案。依附于此，可实现交通道路数据高效处理、共享流转。

至此，如前所述，我们可设想，将道路交通数据、环境数据由汽车产生并上传云端，道路监控相机起辅助作用。这样，Apollo 开放出来的数据平台和仿真平台对于智能交通平台的开发便有了重要意义，我们可以通过数据平台构建业务数据处理模型，通过仿真平台模拟各种道路状况、障碍物信息、整体车辆运动状态…… 大大节省了平台开发所需的数据采集成本，减少了软件开发周期，丰富了软件业务的处理能力和智能性，让自己的产品提前适应智能交通时代。

理论上，所有的无人驾驶系统都有着良好的环境感知能力、路况识别能力及系统安全能力，至少可以满足智能交通的需求。而 Apollo 平台强大之处在于其生态性，从数据感知搜集、底层数据处理、车载系统、云端大数据处理覆盖了数据流转的全过程。Apollo 开放的数据平台无疑成为其独特的优势之一。日常交通中产生的数据量是非常庞大的，且需要实时处理、反馈决策，结合复杂的业务需求，还需要深层次的自然语义处理及决策，百度深厚的搜索信息处理技术必然为 Apollo 的数据处理能力保驾护航。

无人驾驶系统 (智能驾驶系统) 是国内外汽车、交通领域的核心软件基础平台，面对中国市场，Apollo 系统依托百度这一强大的生态平台，已然走在了无人驾驶行业的前列。从这个层面来看，在智能交通方案的选择上，也应优先选择基于百度 Apollo 平台的方案。

如果你认为智能交通未来发展大有可为的话，不妨用句彰显底气的话说：All in Apollo。毕竟有了 Apollo 无人驾驶系统的数据能力，智能交通才有了开放的数据接口平台，去实现智能化的宏愿。

写在最后

自 Apollo 平台开放已来，Apollo 秉承『贡献越多，获得越多』的开源精神，吸引了越来越多的开发者探讨交流。Apollo 开发者社区是为广大自动驾驶开发者营造的一个共享交流平台，提供相关学习资源，解答开发者疑问。如果你也对自动驾驶感兴趣，希望找到志同道合的伙伴，可以添加公众号“Apollo开发者社区”（ ID：Apollo_Developers），加入 Apollo 开发者社区。