從北京的首都到"首堵"，到深圳的英雄難過梅林關，城市交通擁堵已經成為了制約城市發展以及改善人民宜居體驗的關鍵因素之一。到底如何才能解決愈演愈烈的城市交通擁堵問題，有沒有靈丹妙藥呢？

我們都知道，城市的交通繁忙十字路口，我們通常都能看到一個或多個攝像頭，它們的作用是監視交通狀況，為交通違法行為提供圖像甚至是視頻證據。但是，它們還能發揮更大的作用嗎？它們是否能幫助城市規劃者優化交通流量或確定疑似交通事故的發生地點嗎？

美國德克薩斯高級計算中心（TACC）以及德克薩斯大學交通研究中心的研究人員認為，攝像頭是可以做到這一點的。他們一同致力于開發人工智能工具，使用深度學習和數據挖掘進行復雜的、可搜索的流量分析。

在本月舉行的IEEE國際大數據會議上，他們將提出一種新的深度學習工具，使用奧斯汀市的原始交通攝像頭來識別人、汽車、公交車、卡車、自行車、摩托車和交通燈等物體，并描述這些物體如何移動以及如何相互作用。交通工程師們可以對這些信息進行分析鑒別，看看每條車道上有多少汽車是開錯道的。

TACC的數據挖掘和統計組組長WeijiaXu表示，"我們希望開發一個靈活高效的系統來滿足交通研究者和決策者的動態、實時分析需求。我們不想為某個特定的問題開發一個交鑰匙解決方案，而是探索一些可能有助于分析需求的方法，甚至那些將來可能出現的需求。"

他們開發的用于流量分析的算法自動地從原始數據中標記所有潛在的對象，通過與先前識別的對象進行比較來跟蹤對象，并比較每個幀的輸出以發現對象之間的關系。

一旦研究人員開發出一種能夠對交通進行標記、跟蹤和分析的系統，他們可以將其應用于兩個實際的例子：計算有多少移動車輛沿著道路行駛，并確定車輛和行人之間的密切聯系。

系統自動計算10分鐘的視頻里有出現了多少車輛，初步結果表面，他們的工具整體準確率高達95%。

UT交通研究中心網絡建模中心主任NataliaRuizJuri表示，了解交通流量及其分布的時間是驗證交通模式和交通網絡性能評價的關鍵。

她認為，"目前的做法往往依賴于使用昂貴的傳感器連續數據收集，或在某個特定的時間段內進行流量采樣研究。而利用人工智能從現有攝像頭自動生成交通流量將提供更廣泛的空間和時間覆蓋面的運輸網絡，促進產生有價值的數據集，以支持創新的研究，并了解交通管理和經營決策的影響。"

在潛在的密切接觸的情況下，研究人員能夠自動識別一些車輛和行人非常接近的情況。這些都不代表現實生活中的危險，但是它們表明了系統如何在沒有人為干預的情況下發現危險的地點。

奧斯汀市的咨詢工程師JenDuthie表示，"奧斯汀市致力于終結交通死亡事故，視頻分析將是一個強大的工具來幫助我們找出存在潛在危險的地方。在受傷或死亡事故發生之前，我們可以將我們的資源用于解決問題地點。"

研究人員計劃探索自動化如何促進其他與安全有關的分析，如識別行人穿過指定人行道外的繁忙街道的位置，了解駕駛員如何對不同類型的行人產生標志作出反應，并量化行人愿意為了使用斑馬線而行走多遠。

該項目展示了人工智能技術如何大大減少分析視頻數據所需的工作量，并為決策者提供可操作的信息。

RuizJuri認為，"大家期待已久的無人駕駛及聯網汽車的上路，可能會導致車輛和行人的行為以及公路的行為發生重大變化，視頻數據將在了解這些變化中發揮關鍵作用，而人工智能可能是實現真正捕捉新技術影響的全面大規模研究的關鍵。"

不管你用不用，攝像頭都已經立在那里。利用這些現成的設施，再加上人工智能和大數據，城市交通擁堵問題就能迎刃而解嗎？我們拭目以待。