交通大資料在現代日常交通出行中扮演著越來越重要的角色，除了基礎的導航和GPS，交通大資料還可以智慧最佳化各種交通問題，這究竟是怎麼運作的？今天小匯同學將為大家重點剖析。

01智慧交通如何透過資料和演算法來改善城市交通

物聯網、大資料，是智慧交通發展的基石。人工智慧大資料時代，資料是一切演算法和智慧的機制，資料又分為採集、傳輸和儲存。

以最簡單的GPS導航軟體為例，其系統需要的資料便是每條道路的路名、長度、限速、車道數、擁堵狀況和預錄的導航語音等。在使用者輸入了目的地之後，其資訊將會被導航系統的車輛路徑規劃模型所呼叫。而智慧交通所需要的資料，則需要在城市每條道路或車輛上安裝不同的感測器進行收集，並透過5G實時傳輸實現物聯網、車聯網、V2X與“城市大腦”互聯，儲存到“城市大腦”的資料中心。譬如：道路監控攝像頭記錄了道路上車輛的行駛速度、數量和道路狀況；網約車平臺記錄了計程車司機每單行程的行駛路徑；公交刷卡記錄了乘坐時間、乘坐人數；打車軟體記錄了個人的出行軌跡。

大部分資料會在感測器終端進行實時處理，再上傳至雲端，經過資料探勘等技術，幫助城市作出當下的判斷和決策，併為智慧城市做出長遠規劃。

02智慧交通如何最佳化城市交通的核心功能

首先，是基於終端感測器的邊緣計算，例如單車無人駕駛系統，透過車載攝像頭、雷達、車載智慧終端等感測器，以及事先錄入城市的高精度地圖，即可以自行識別交通訊號燈和車道，避開障礙物。駕駛人在行駛過程中，則只需要把車輛的定位、車速、軌跡等資訊上傳至雲端即可。

其次，就是基於城市交通大資料的運營計算，再透過5G傳輸收集到所有感測器的實時資料後，“城市大腦”基於運籌學演算法，呼叫雲端的計算機叢集進行雲計算，例如某路段發生了車禍，道路攝像頭透過對交通事件的實時識別並將這一狀況同步到雲端，實施評估擁堵狀況。城市大腦則根據這一反饋資訊，運用多車路徑規劃演算法，統一排程所有計劃要經過此路段的車輛，並動態調控紅綠燈配時，減少交通擁堵時間。

03具體案例一：智慧交通訊號燈

堵車，可以算是最令人氣急敗壞卻無可奈何的交通問題了。根據相關調查資料顯示，美國每年因為塞車導致的燃料浪費和商貿活動運營成本增加的損失高達1200億美元，到2030年可能增加50%，而等待紅燈通常被認為是造成塞車的主要原因。

全球各大城市幾乎將智慧交通訊號燈列入智慧交通中的一環，以提高十字路口承載與運作效率。這種“智慧”紅綠燈系統是利用城市交通攝像頭內建的計算機視覺晶片，基於邊緣計算獲得及時交通流資料，比如車輛數量、行車速度、道路擁堵情況等，透過對這些資料的分析，可以最佳化路口的紅綠燈配時，提高道路通行效率，從而大幅度地減少塞車問題。智慧交通訊號燈基於各個時段、各種天氣情況的車流大資料，透過人工智慧預測（未來）某個時段和某種氣象的車流情況，提前規劃城市所有路口紅綠燈配時。

04具體案例二：智慧系統實現公交訊號優先

在車路協同技術的加持下，“路端”可以實時獲取智慧網聯公交車的速度、位置、駕駛狀況等實時資料，並與交通訊號控制系統進行實時聯動。當車輛接近智慧路口時，與交通訊號控制系統進行資料互動，在科學的多維調控機制下，實時調整交通訊號燈各相位時長配置，透過縮短紅燈時長、延長綠燈時長等方式實現公交車優先通行。