从北京的首都到"首堵"，到深圳的豪杰惆怅梅林关，城市交通拥堵曾经成了制约城市成长和改良国民宜居体验的症结身分之一。究竟若何能力处理愈演愈烈的城市交通拥堵成绩，有无灵丹妙药呢？
我们都晓得，城市的交通忙碌十字路口，我们平日都能看到一个或多个摄像头，它们的感化是监督交通状态，为交通守法行动供给图象乃至是视频证据。然则，它们还能施展更年夜的感化吗？它们能否能赞助城市计划者优化交通流量或肯定疑似交通变乱的产生所在吗？
美国德克萨斯高等盘算中间（TACC）和德克萨斯年夜学交通研讨中间的研讨人员以为，摄像头是可以做到这一点的。他们一同努力于开辟人工智能对象，应用深度进修和数据发掘停止庞杂的、可搜刮的流量剖析。
在本月举办的IEEE国际年夜数据会议上，他们将提出一种新的深度进修对象，应用奥斯汀市的原始交通摄像头来辨认人、汽车、公交车、卡车、自行车、摩托车和交通灯等物体，并描写这些物体若何挪动和若何互相感化。交通工程师们可以对这些信息停止剖析辨别，看看每条车道上有若干汽车是开错道的。
TACC的数据发掘和统计组组长Weijia Xu表现，"我们愿望开辟一个灵巧高效的体系来知足交通研讨者和决议计划者的静态、及时剖析需求。我们不想为某个特定的成绩开辟一个交钥匙处理计划，而是摸索一些能够有助于剖析需求的办法，乃至那些未来能够涌现的需求。"
他们开辟的用于流量剖析的算法主动地从原始数据中标志一切潜伏的对象，经由过程与先前辨认的对象停止比拟来跟踪对象，并比拟每一个帧的输入以发明对象之间的关系。
一旦研讨人员开辟出一种可以或许对交通停止标志、跟踪和剖析的体系，他们可以将其运用于两个现实的例子：盘算有若干挪动车辆沿着途径行驶，并肯定车辆和行人之间的亲密接洽。
体系主动盘算10分钟的视频里有涌现了若干车辆，初步成果外面，他们的对象全体精确率高达95%。
UT交通研讨中间收集建模中间主任Natalia Ruiz Juri表现，懂得交通流量及其散布的时光是验证交通形式和交通收集机能评价的症结。
她以为，"今朝的做法常常依附于应用昂贵的传感器持续数据搜集，或在某个特定的时光段内停止流量采样研讨。而应用人工智能从现有摄像头主动生成交通流量将供给更普遍的空间和时光笼罩面的运输收集，增进发生有价值的数据集，以支撑立异的研讨，并懂得交通治理和运营决议计划的影响。"
在潜伏的亲密接触的情形下，研讨人员可以或许主动辨认一些车辆和行人异常接近的情形。 这些都不代表示实生涯中的风险，然则它们注解了体系若何在没有工资干涉的情形下发明风险的所在。
奥斯汀市的征询工程师Jen Duthie表现，"奥斯汀市努力于终交友通逝世亡变乱，视频剖析将是一个壮大的对象来赞助我们找出存在潜伏风险的处所。在受伤或逝世亡变乱产生之前，我们可以将我们的资本用于处理成绩所在。"
研讨人员筹划摸索主动化若何增进其他与平安有关的剖析，如辨认行人穿过指定人行道外的忙碌街道的地位，懂得驾驶员若何对分歧类型的行人发生标记作出反响，并量化行人情愿为了应用斑马线而行走多远。
该项目展现了人工智能技巧若何年夜年夜削减剖析视频数据所需的任务量，并为决议计划者供给可操作的信息。
Ruiz Juri以为，"年夜家等待已久的无人驾驶及联网汽车的上路，能够会招致车辆和行人的行动和公路的行动产生严重变更，视频数据将在懂得这些变更中施展症结感化，而人工智能能够是完成真正捕获新技巧影响的周全年夜范围研讨的症结。"
不论你用不消，摄像头都曾经立在那边。应用这些现成的举措措施，再加上人工智能和年夜数据，城市交通拥堵成绩就可以水到渠成吗？我们拭目以待。
