智能交通對自動駕駛的依賴

接收程序員的 8 點技術早餐

作者 | 開發者孫浩

智能交通平台發展現狀

智能交通希望達到的效果是道路運行效率的最大化及對道路運行安全的保障。基於傳統演算法的軟體平台實現了道路關鍵路況的監控、信號控制、交通誘導、設施管理等功能。深度學習演算法的出現使攝像頭的使用效率大大提升，然而目前來看，仍然滿足不了用戶對真實場景的需求。

有個有趣的現象，道路監管部門現在通常是先運用百度地圖、高德地圖這類地圖軟體來查看路段的擁堵情況，然後再給交警等部門發出，出警要求疏導交通。

智能交通需要的「智能」

不要以為我們所說的智能交通僅僅是抓拍闖紅燈、監控攝像頭、導流紅綠燈、識別車輛車牌、過年再來個交通大數據...... 其實，真正的交通智能性體現於以下場景：

檢測道路異常行為，如車輛拋灑物、行人違規等。

及時獲取車輛信息，即實現對某車輛的全路段識別、跟蹤。

檢測特殊路況，如團霧、道路滑坡、滾石等。

低照度、夜間情況下的信息識別，涉及到不更改現有硬體設備的需求。

信息平台、業務處理的智能性、及時性。交通道路的管理涉及到多部門的協調及信息的溝通，信息決策的準確性至關重要。

「智能」道路上的技術難題

要想實現以上智能交通的「智能性」，便需要基於這三個前提：

標記車輛 ID，實現在高速路上對車輛的隨時「跟蹤」，即使在不同攝像頭間轉換，也能確認車輛。

複雜路況下，信息圖像的獲取。有兩個方案，一是通過遠距離攝像機，二是通過近距離車載設備感知。相較於遠距離監控，近距離更接近真實場景並容易實現，而且在有些情況下，路段監控盲區還是很多的。

基於準確的信息，做出準確的業務邏輯處理。

此外，要想實現「智能」道路，目前還有些技術難題有待解決：

車輛 ID 識別

通用的識別方法是識別車牌，尤其是高速路、高架橋這樣的位置，車牌難以識別，在可見性不好的狀況下，也很難獲取車輛信息。

車輛行為難以機器判斷

現行交通網路中，提供車輛異常行為檢測技術的供應商不在少數，但使用者的反饋卻是「寧願將軟體關掉」(也確實是這樣做的)，只因其誤報、漏報的情況嚴重。即便是基於升級的深度學習演算法，也難以對複雜的路況、車況、周邊環境情況等複雜組合做出較準確的判斷。

攝像機硬體環境限制

高速、高架橋上的攝像機基本都是高清 1080p 的球型機，通常對交通異常行為的判斷需要進行複雜的軟體設置，比如：檢測區域劃線等。對於固定位置的攝像機，這還足以應付，但拿球型機來說，普通非技術人員操作時就有些吃力了。而且，攝像機位置較遠，若車速較快，其識別準確率也會下降。

區域性盲區路段檢測

如高速上經常會遇到的「團霧」，盲區路段的滾石、滑坡等，這種狀況下攝像機無法有效檢測。

無人駕駛系統為智能交通實現提供了新方案

道路擁堵數據的準確性，往往基於採集到的用戶數據，無數的用戶數據構建了交通路況信息。由此，在上文也提到，有了無人駕駛系統，我們便有了更精確的數據採集方案：來源於用戶。

智能交通網路的實現，必然需要交通控制平台、車輛、交通監控平台間數據的連接，這就是交通的「萬物互聯」。從這點來看，面對汽車的智能系統，更像是手機之於人，是交通的核心數據源。

市面上眾多的車機操作系統供應商，大多是基於 Android 平台做的二次開發，但是這些系統普遍存在一個缺陷，汽車感知數據收集及處理上的缺失，其生態鏈的不完整也讓自身僅有的用戶主動生成的數據發揮不了智能交通上的價值。

百度無人駕駛系統的開放及生態的建立讓我們看到了希望。至少對於國內汽車生態系統來講，百度無人駕駛的賦能給予了「萬物互聯」的基礎。百度 Apollo 無人駕駛平台提供各級別開發者所需的數據介面。裝有 Apollo 平台的汽車可以通過更加豐富的感測器收集道路信息並回傳數據平台，供道路檢測平台使用，當然這會基於用戶的許可。

All in Apollo 平台，對接智能交通未來

自動駕駛已經蹣跚而來，智能交通平台的實現也將同步進行，甚至需要在無人駕駛實現之前便構建好數據生態。但目前為止，我們還沒有看到智能交通平台實質性的進展，當下交通控制平台多數還基於普通演算法邏輯，交通監控還停留在人工轉動攝像頭階段，有關交通部門也苦於沒有靠譜的方案供應。

基於百度 Apollo 平台的無人駕駛階段實施策略可作為廣大車廠、車機廠、道路車輛檢測平台軟體商等考慮的智能平台接入方案。依附於此，可實現交通道路數據高效處理、共享流轉。

至此，如前所述，我們可設想，將道路交通數據、環境數據由汽車產生並上傳雲端，道路監控相機起輔助作用。這樣，Apollo 開放出來的數據平台和模擬平台對於智能交通平台的開發便有了重要意義，我們可以通過數據平台構建業務數據處理模型，通過模擬平台模擬各種道路狀況、障礙物信息、整體車輛運動狀態...... 大大節省了平台開發所需的數據採集成本，減少了軟體開發周期，豐富了軟體業務的處理能力和智能性，讓自己的產品提前適應智能交通時代。

理論上，所有的無人駕駛系統都有著良好的環境感知能力、路況識別能力及系統安全能力，至少可以滿足智能交通的需求。而 Apollo 平台強大之處在於其生態性，從數據感知搜集、底層數據處理、車載系統、雲端大數據處理覆蓋了數據流轉的全過程。Apollo 開放的數據平台無疑成為其獨特的優勢之一。日常交通中產生的數據量是非常龐大的，且需要實時處理、反饋決策，結合複雜的業務需求，還需要深層次的自然語義處理及決策，百度深厚的搜索信息處理技術必然為 Apollo 的數據處理能力保駕護航。

無人駕駛系統 (智能駕駛系統) 是國內外汽車、交通領域的核心軟體基礎平台，面對中國市場，Apollo 系統依託百度這一強大的生態平台，已然走在了無人駕駛行業的前列。從這個層面來看，在智能交通方案的選擇上，也應優先選擇基於百度 Apollo 平台的方案。

如果你認為智能交通未來發展大有可為的話，不妨用句彰顯底氣的話說：All in Apollo。畢竟有了 Apollo 無人駕駛系統的數據能力，智能交通才有了開放的數據介面平台，去實現智能化的宏願。

寫在最後

自 Apollo 平台開放已來，Apollo 秉承『貢獻越多，獲得越多』的開源精神，吸引了越來越多的開發者探討交流。Apollo 開發者社區是為廣大自動駕駛開發者營造的一個共享交流平台，提供相關學習資源，解答開發者疑問。如果你也對自動駕駛感興趣，希望找到志同道合的夥伴，可以添加公眾號「Apollo開發者社區」（ID：Apollo_Developers），加入 Apollo 開發者社區。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！