很多过去认为遥不可及的未来，正在变成理所当然的现在。不久前，自动驾驶冲上热搜，再次成为全民关注的焦点。立足数据为核心生产要素的新时代，在“车”交通领域，得益于这几年智慧交通快速发展，部分城市路侧智能感知设备成熟应用，道路精准感知能力不断增强，算力提升突破，算法创新优化，“聪明的路”“智慧的车”“车路协同”逐步走进现实，自动驾驶呼之欲出，并开始重新定义城市治理与居民的生活方式。

毋庸置疑，要想获得更安全、更易获得的自动驾驶体验，车路协同技术是关键。实现车路协同的核心在于将感知设备部署于道路，以获得驾驶位以外的视野，消除视觉盲区。在车路协同的环境下，让“路看车”，“路告诉车”周边的情况，辅助车辆“决策”。

有业内人士表示，自动驾驶的普及，不能只依赖单车智能，道路基础设施的智能化也很重要。如今，市面上已有通过单纯依靠路侧传感器感知，而车辆系统依然可以进行自动驾驶的实践。

清华大学人工智能研究院视觉智能研究中心主任邓志东教授曾在接受媒体采访时谈到，自动驾驶发展存在严重短板，人工智能尤其是视觉智能存在较大缺陷，感知是个巨大瓶颈。他认为，自动驾驶最终会走向多传感器融合，既有激光雷达的主动视觉，也有摄像头的被动视觉。多传感器一定要解决信息融合的问题，而信息融合往往是自动驾驶核心的关键技术之一。

数字化是交通运输业高质量发展的关键要素，交通基础设施在加快建设的同时，数字转型、智能升级也在同步加速，人们的出行更便捷。

正在建设的京雄高速北京段将于今年年底主体建成，目前全线控制性工程永定河特大桥首个主墩承台顺利封底。京雄高速在国内首次设置智慧高速专用车道，实现智慧车道作用的，是处于云端、路侧、车端的一系列科技装备。北斗高精度定位、高精度数字地图、可变信息标志和车路通信系统等数字化、智能型贯穿设计建设和运营全过程。

智慧交通方面，京雄高速项目在最内侧车道预留好作为智慧驾驶专用车道的条件，逐步实现不同等级的自动驾驶。初期准备做车路协同应用场景测试，实现无人驾驶公交、物联车队的上路运行;远期实现全路段所有车道的车路协同，也就是无人驾驶。

在上海，车站电子显示屏上滚动告知下一班车的到站时间，当地全面联网接入全市4700个经营性停车场(库)和收费道路停车场、100万个公共泊位的信息数据。

人工智能在交通领域的应用基本上已经触及到了方方面面。我们要分析的问题就是人工智能技术如何对红绿灯进行智能调控。

首先我们需要确定对红绿灯要调控到哪一种程度才算是我们的最终目标。比如让红绿灯可以根据车流量的大小来自动调整时长，也可以根据斑马线两端等待过马路的人数来调整，还可以根据综合路况来调整红绿灯的时长，所以我们首先要做的就是确定目标，我们暂且就以综合路况情况调整作为目标，那么我们就需要这个路段的实时图像，比如路段是否畅通、路段是否有故障车辆或者遗落物体挡路，或者路段出现塌陷等其他因素，还要统计该路段路过的车辆数量，以及斑马线两端等候的行人数量等。

我们在项目开始之前，一般会建立一个思维导图，将这些情况逐一分析，看看是否还有遗漏的问题。然后再去思考，如何使用AI的方式来解决这些问题。

首先对于车流量和人流量的统计，可以使用目前工业界比较常用的检测模型来实现，比如像YOLO系列中的v5版本或者YOLOX，算是目前在工业界比较通用的模型了。

其次就是对实时路况监控的实现，这一块主要有三个问题构成，第一个问题是对路段本身的状况监控，比如路面塌陷、裂缝、表面损坏等;第二个问题是对路面上的障碍物的监控，比如行驶的车辆掉落的杂物，或者其他影响车辆正常行驶的杂物;第三个问题是对路段上的车辆是否正常行驶的监控，比如突然有车辆抛锚，这会影响到其他车辆的安全行驶。

关键词： 人工智能 专用车道 基础设施