人工智能和超級計算機有助于緩解城市交通問題

在城市繁忙的十字路口的交通燈上方看，你可能會看到一個攝像頭。可能已安裝這些設備以監控交通狀況并在發生碰撞時提供視覺效果。但他們可以做得更多嗎?他們能否幫助規劃人員優化交通流量或識別最有可能發生事故的站點?他們是否可以這樣做，而不需要個人拖延幾個小時的鏡頭?

來自德克薩斯州高級計算中心(TACC)，德克薩斯大學交通研究中心和奧斯汀市的研究人員相信如此。他們一起致力于開發工具，允許使用深度學習和數據挖掘進行復雜，可搜索的流量分析。

在本月的IEEE國際大數據大會上，他們將展示一種新的深度學習工具，該工具使用奧斯汀市相機的原始交通攝像機鏡頭識別物體 - 人，汽車，公共汽車，卡車，自行車，摩托車和交通信號燈 - - 并描述這些對象如何移動和交互。然后，交通工程師和官員可以分析和查詢這些信息，以確定例如有多少輛汽車沿著單行道行駛錯誤的方向。

“我們希望開發一個靈活高效的系統，以幫助交通研究人員和決策者滿足動態，真實的分析需求，”TACC數據挖掘與統計小組負責人的研究科學家Weijia Xu說。“我們不想為單個特定問題構建一個交鑰匙解決方案。我們希望探索可能對許多分析需求有幫助的方法，即使是那些可能在未來出現的問題。”

他們為流量分析開發的算法自動標記原始數據中的所有潛在對象，通過將對象與其他先前識別的對象進行比較來跟蹤對象，并比較每個幀的輸出以揭示對象之間的關系。

一旦研究人員開發出一種能夠標記，跟蹤和分析交通的系統，他們就將其應用于兩個實際例子：計算行駛在道路上的移動車輛的數量，并確定車輛和行人之間的密切接觸。

系統在10分鐘的視頻剪輯中自動統計車輛，初步結果顯示他們的工具整體準確率為95%。

UT運輸研究中心網絡建模中心的研究助理兼主任Natalia Ruiz Juri說，了解交通量及其隨時間的分布對于驗證交通模型和評估交通網絡的性能至關重要。

“目前的做法通常依賴于使用昂貴的傳感器進行連續數據采集，或者在選定的時間段內對交通量進行幾天的交通研究，”她說。“利用人工智能從現有攝像機自動生成交通量將為交通網絡提供更廣泛的空間和時間覆蓋，促進生成有價值的數據集，以支持創新研究，并了解交通管理和運營決策的影響。 “

在潛在的近距離接觸的情況下，研究人員能夠自動識別車輛和行人非常接近的一些案例。這些都沒有代表現實生活中的危險，但它們證明了系統如何在沒有人為干預的情況下發現危險的地點。

奧斯汀市的咨詢工程師兼該項目的合作者Jen Duthie說：“奧斯汀市致力于結束交通事故死亡，視頻分析將成為幫助我們查明潛在危險地點的有力工具。” “在受傷或死亡發生之前，我們可以將資源用于解決問題所在地。”

研究人員計劃探索自動化如何促進其他與安全相關的分析，例如確定行人穿過指定人行道外的繁忙街道的位置，了解駕駛員對不同類型的行人產量標志的反應，并量化行人愿意行走的距離為了使用人行道。

該項目展示了人工智能技術如何大大減少分析視頻數據所需的工作量，并為決策者提供可操作的信息。

“人們備受期待的自駕車和聯網汽車的引入可能會導致車輛和行人的行為以及道路性能發生重大變化，”Ruiz Juri說。“視頻數據將在理解這些變化方面發揮關鍵作用，人工智能可能是實現真正捕捉新技術影響的全面大規模研究的核心。”