现代城市的四个基本功能为生活、工作、休憩和交通，可见交通在城市中的重要地位。

　　近日，记者就“交通+AI”这一话题采访了华南理工大学土木与交通学院教授、智能交通系统与物流技术研究所所长徐建闽，他告诉记者，如今AI技术已应用于交通目标检测、驾驶行为分析、交通流参数提取、出行规律挖掘、交通预测与管控、信号优化控制等诸多方面；在他看来，“交通+AI”中，交通才是基础，研究交通要从实际交通问题出发，才能更好地为城市交通建设贡献智慧与力量。

　　文、图/广州日报全媒体记者 张丹

　　AI让“车看灯”变“灯看车”

　　徐建闽介绍，现阶段随着云计算、大数据、物联网、移动互联、新基建等技术的成熟与发展，AI技术在交通规划、设计、分析、管控、运营、评价以及政策制定等方面得以全方位应用，为交通出行行为与规律研判、大范围交通流预测分析、出行分配与导航诱导、区域交通信号优化控制等领域研究提供了技术支撑。

　　记者了解到，华为早在2017年9月就启动了“深圳城市交通大脑项目”，深圳交警选择了城市车辆密集度最高之一的华为坂田基地，在9个路口做了真实路况测试，结果显示该区域平均车速提升了15%，城市公交系统延误率降低了15.2%。而华为“AI交通灯”设置，也由过去的“车看灯”（读秒数通行）改变为现在的“灯看车”(读车数放行)。

　　AI让“区域绿波”成为可能

　　徐建闽和团队的研究《基于子区动态划分与协调交互技术的交通信号控制系统》获得了2013年度中国智能交通协会科学技术二等奖，他介绍：“比如，上下班高峰期某个片区内的车流量非常大，这时候如果不施加均衡管控，往往会加剧路口的拥堵，甚至引起整个区域的阻塞。对此，我们借助AI的全局优化方法，考虑片区内所有信号灯路口的承受能力，提出了一种外控内疏的管控策略，让区域内的车辆尽可能地均分到各条路段，充分利用各路段的蓄流能力与通行能力，并使控制区域内的车辆快速离开拥堵区；同时对未进入该区域的车辆采取适当的引流与控流策略，使其间歇性进入拥堵区域，以达到‘慢进、快出’的控制效果。”

　　此外，该研究成果可以让非高峰期不同方向的车辆不停车或少停车地通过整条道路，也就是人们常说的“一路绿波”。“在此基础上，我们团队不断创新，实现了一个区域内横纵交错的多条道路同时绿波，我们称之为‘区域绿波’。”目前，这些技术已陆续应用到广东、浙江、贵州等省份的2000余个信号灯路口、200多条道路，有效提升了路网整体服务水平。

　　“交通+AI”，交通是基础

　　徐建闽认为，在“交通+AI”的发展过程中，交通是基础，若脱离了这个基础，AI就无法发挥其在交通领域的作用。“实际上AI技术是一个通用的技术体系，落脚到具体行业应该结合其行业自身的基本问题、基础理论和技术框架，就交通而言，应以交通领域的基础理论和关键技术为前提，再交叉融合AI、现代通信、自动控制等其他新技术。”

　　他认为，在今后相当长的时期内，“交通+AI”的主要研究方向会聚焦于城市或城市群的交通态势预测、拥堵区交通信号优化控制、新型混合交通流（网联车/非网联车，燃油车/新能源车）车路协同优化、多模式交通出行规律挖掘与高品质交通规划、绿色低碳交通措施及管控、灾害作用下大范围交通应急管控与疏散等。

　　“研究交通要从实际出发”

　　据了解，徐建闽和团队此前研发的“广州市智能交通系统应用试点示范工程（广州ITS共用信息平台）”曾获广东省科技进步三等奖。他介绍，这是一个多源异构数据的基础汇聚平台，集先进的通信技术、信息处理和计算机技术于一体，主要实现了城市客流、车流和物流等跨部门数据的收集、处理和挖掘，为政府部门、企业和公众提供全方位的交通信息服务。“我们团队也持续创新，在该平台原有的基础上又融合了交管部门、互联网企业、通信运营商等跨部门的交通数据源，实现了多种交通出行方式的溯源和态势研判，为节假日期间的出行规律分析提供了决策支撑。”

　　“交通是一个实践性很强的学科，我们团队始终以解决实际交通问题作为开展研究工作的初衷，希望能为城市交通建设贡献我们的智慧与力量。”徐建闽说。