摘 要

介紹了國內外智能交通在運載工具和交通系統兩方面的發展現狀；提出了人工智能目前技術水平難以滿足智能交通發展需求、智能系統可靠性驗證亟需完善以及面向智能車船系統的法規標準體系亟待構建等三方面智能交通發展的技術挑戰；展望了智能交通的未來方向。

關鍵詞

關鍵詞：智能交通；人工智能；智能汽車；智能船舶；自主式交通系統

簡介

嚴新平

中國工程院院士，武漢理工大學智能交通系統研究中心首席教授。致力于交通系統安全性、 智能化和綠色技術的人才培養與科技創新工作。CAAI Fellow。

引言

當今世界正經歷百年未有之大變局，交通系統正在新一輪科技革命推動下發生深刻變革。但是，當前的交通系統仍然存在交通安全、交通效率和節能減排三大問題。

? 交通系統運行效率尚待提高。在道路與水路交通運輸方面，我國存在城市道路交通擁堵常態化、高速公路節假日擁堵加劇、內河航道利用率有待提高等諸多問題。滴滴出行發布的《城市交通出行報告》顯示，2021年第一季度，我國主要城市的道路交通擁堵時長在1小時以上，道路交通峰時平均速度低于40km/h（見圖 2）。

? 交通系統節能減排任重道遠。2019年，我國交通運輸行業碳排放量達到11.4億噸，占全國排放總量的11%。公路、水運、鐵路、航空是交通領域碳排放主要來源，其中，公路運輸碳排放占比86.76%，是排放最高的運輸方式。我國交通運輸處于較快的發展階段，交通運輸行業碳排放量仍在快速增長，在2008—2018年間，我國交通運輸行業碳排放的復合增長率高達7.5%，顯著高于世界交通運輸行業碳排放的平均增速2.3%與我國整體碳排放的增速5.6%（見圖3）。

上述三大問題是交通運輸行業面臨的艱巨任務，智能交通為解決這些問題帶來了契機。當前，智能交通采用“智聯網聯、協同優化”方式大幅提升交通安全和效率。未來，通過交通融合一體化發展，推動未來交通系統的“智慧綠色、安全高效、融合一體、自主無人”，達到“零死亡、零排放、碳中和”的交通愿景。

1 發展現狀

智能交通的發展涉及到運載工具、交通基礎設施、光電子信息、互聯網等多個行業與技術領域的交叉、融合，其大規模應用離不開多個行業和部門的聯動。近年來，隨著物聯網、大數據、人工智能等新興技術的大力推動，智能交通系統有了長足發展。

1.1 運載工具

1.1.1 智能汽車發展現狀

汽車智能駕駛是智能交通非常活躍的一個發展方向。目前，汽車正處在由“功能汽車”到“智能網聯汽車”“自動駕駛汽車”的進程中。美國特斯拉作為汽車空中下載（Over The Air, OTA）技術的先驅，率先讓汽車可以像智能手機一樣在云端進行系統升級。國內百度“Apollo 平臺”，通過向汽車行業及自動駕駛領域的合作伙伴提供一個開源、開放、完整的軟件平臺，打造類似于智能手機Android平臺的智能汽車生態。

自動駕駛是智能汽車發展的高級階段，是當今智能交通領域最前沿的研究方向。自動駕駛系統主要利用各種車載傳感器，如計算機視覺、激光雷達、毫米波雷達、全球衛星導航系統（Global Navigation Satellite System，GNSS）、慣性測量單元（Inertial Measurement Unit，IMU）等，獲取車輛周邊的環境信息，基于信息融合方法，對采集到的交通環境與行車狀態等原始信息進行精確認知；再通過智能決策規劃方法，為自動駕駛汽車規劃出安全、高效的預期軌跡與速度；最后通過對自動駕駛汽車進行縱橫向運動控制，自動調節油門、剎車、檔位和轉向等，實現預期軌跡與速度的實時跟蹤，從而使汽車能夠安全、高效行駛。

理想的自動駕駛系統應該像熟練的人類駕駛員一樣，能對車輛運動及環境變化做出準確的判斷，實時地改變車輛運動，完成駕駛任務。然而，限于自動駕駛在感知、融合、決策、規劃、控制等多方面的技術難題，以及成本、可靠性等方面的束縛，當前，大規模量產的智能汽車仍處于L2級及以下的駕駛輔助階段，L3級及以上的自動駕駛仍未跨越。

當前，甚至未來較長一段時間內，普通開放道路中的自動駕駛技術可能仍難以大規模商用。但是，在一些特定場景中的自動駕駛正在逐步規模化應用，例如，港區集裝箱運輸、礦區貨物運輸和農業機械等，無人化的自動駕駛技術，變革了它們原有的低效、繁重、高成本的工作模式，顯著提升了運營效率和經濟性。

港區集裝箱運輸為半封閉式的低速自動駕駛運營模式，是自動駕駛率先商用的典型場景之一。交通運輸部等九部門聯合印發的《關于建設世界一流港口的指導意見》提出，到2025年，部分沿海集裝箱樞紐港初步形成全面感知、泛在互聯、港車協同的智能化系統。目前，國內應用自動駕駛進行集裝箱運輸的港口主要包括上海港、青島港、天津港、寧波舟山港等。

采礦業是我國國民經濟的基礎和支柱產業，用工難、運輸成本上升是推動礦山智慧化的主要因素，因而礦區自動駕駛具有典型的代表意義。國外礦區自動駕駛的主要代表是卡特彼勒、小松、日立等。其中，卡特彼勒和小松已進入商用階段。國內礦山自動駕駛發展相對較晚，但技術更新和應用較快，三一重工、徐工、航天重工等在白云鄂博礦、哈爾烏素煤礦、城門山銅礦等開展了規模應用，取得了良好效果。

1.1.2 智能船舶發展現狀

智能船舶作為未來航運的載體，其自身發展需突破船舶感知、認知、決策、執行、測試等多個維度的關鍵技術，實現船舶由小到大、由內河到外海、由近海到遠海逐步智能化、自主化的發展。武漢理工大學提出“航行腦”系統技術體系與理論架構（見圖4），即利用一套由人工智能系統構建的“機器腦”替代傳統駕控人員的“大腦”，實現對船舶的自主駕控。目前，智能船舶仍然處在研發過程中，“航行腦”系統是面向智能船舶的人工智能系統，由感知、認知、決策和執行等功能空間組成，逐步促進傳統船舶駕駛向增強駕駛、輔助駕駛、遠程駕駛、自主駕駛等不同功能階段演進。

船舶的智能化等級可分為L0~L5級的6個階段。目前，智能船舶應用還處于輔助駕駛階段，要實現自主航行，還有很長的路要走。隨著人工智能和大數據等高新技術的進步，通過與新基建建設同步、與水路運輸模式和航運轉型發展結合，未來智能船舶的遠程遙控、人機共駕、網聯協同和自主航行等功能會日臻完善。

船岸協同是智能船舶發展非常重要的一個理念。船岸協同由岸端與船端系統構成，是實現智能船舶實際運營的應用基礎。日本、歐盟等發達國家和地區都開展了這方面的探索和實驗。日本國土交通省拖輪遠程駕駛項目借助拖輪配備傳感器和攝像設備，實時監測航行態勢，通過船岸協同與試驗船舶建立信息共享，實現協同控制。比利時SEAFAR駁船遠程駕駛項目融合船側 / 基礎設施側多源信息，實現協同感知，遠程實時分析船舶動態，進行船舶集中管理和操作。我國在這方面也開展了積極探索，“筋斗云 0 號”小型無人貨船項目于2019年12月在珠海順利完成遠程遙控和自主航行試驗。“智飛號”智能航行集裝箱運輸商船于2021年10月安裝我國自主研發的智能航行系統，具有人工駕駛、遠程遙控駕駛和無人自主航行三種駕駛模式。

1.2 交通系統

1.2.1 道路交通系統

道路交通系統是由汽車、道路/運輸基礎設施、信息和人組成的一個共同實現客貨運輸的系統。該系統包括自然與人造、實體與概念、靜態和動態及控制和行為等系統，衍生到城市大腦、智慧城市、全息交通感知等應用場景。

目前，國內外都在積極探索道路交通系統的智能化，國內比較典型的是“阿里云城市大腦系統”，其包括城市交通治理解決方案、智慧交通運輸綜合解決方案、智慧停車綜合解決方案、智慧城管解決方案、智慧應急綜合解決方案，以及政務數據中臺等多個解決方案。城市大腦系統是整個城市的智能中樞，可對城市進行全局實時分析，利用城市的數據資源優化調配公共資源，最終將進化成能夠治理城市的超級智能。

華為智慧城市平臺是結合了人工智能、物聯網、大數據、地理信息系統、視頻、云、融合通信和安全的一個綜合性應用系統。它的兩大關鍵能力是面向城市交通的關鍵業務場景，為生態伙伴提供差異化價值。

武漢理工大學自主研發了全息道路交通感知系統，包括利用仿真系統對交通基礎設施的安全性進行評價；在道路交通基礎設施建設過程中預設光纖傳感器，利用光纖傳感器實時獲取道路交通流狀況和路面變化信息；利用路側和路面的交通基礎設施提供有關信息，為行車安全提供更好的支持和服務。如圖5所示，該系統包括道路系統運行仿真系統、智慧公路模擬系統和智慧公路全息感知決策控制平臺等。

1.2.2 智慧海事監管系統

根據世界海事大學《交通2040：自動化、科技、就業 - 未來工作》報告預測，在2040年前后，有人監控下的自主船舶將達到15%左右，包括未來搭載了不同智能功能的船舶，比如智能貨物管理、智能船體、智能集成信息平臺等，也包括安全輔助駕駛和在開闊水域控制等高級自主功能。

瑞士的海區整體監管系統（Maritime Area Integral Supervision, MAIS）建立了一系列集成各種技術的信息層，以監控海區中船舶作業的授權情況，更好地對轄區內船舶進行管理和控制。MAIS可以幫助港口禁區、生物保護區和漁場防止入侵者和非法捕魚。

我國也在積極開發航運系統的智能管控平臺。江蘇段航運系統智能管控平臺基于江蘇海事全要素感知云服務數據中心，構建了水路交通場景數字化平行仿真模型，具備推演預測多尺度條件下的交通流態勢，可及時動態調整資源分配實現通航要素的干預，致力于由“人盯死守”的傳統海事監管方式向以智慧管理為核心的現代管控服務轉變。

2 技術挑戰

盡管人工智能技術在交通運輸工程領域的一些典型場景得到了工程應用，但是目前仍然面臨巨大的技術挑戰 , 主要體現在：人工智能目前技術水平還難以滿足智能交通發展的需求；智能交通系統的可靠性有待驗證；智能交通系統法規標準體系尚需建立和完善。

2.1 人工智能技術發展水平

近年來，得益于大數據、深度學習的大力推動，人工智能在單一的抽象博弈智能層面克服了人類社會的“知識積累性壁壘”局限，通過在規則活動中構建系統嚴謹的認知模式，在包括交通、機械等領域大規模應用，深刻影響了人們的工作和生活模式。

2016年，特斯拉CEO馬斯克表示，汽車在任何路況上進行自動駕駛的能力在兩年內就可以實現；到2021 年，馬斯克又表示，通用自動駕駛是一個如此難的任務，因為要去解決很大一部分現實世界的AI問題。事實也是如此，當前的智能決策技術在面對復雜的駕駛任務時，離人類駕駛水平還有很大差距。

2.2 智能系統的可靠性驗證

統計數據顯示，特斯拉從2013年起發生交通事故218起，造成14人死亡，82人受傷；谷歌報告顯示在14個月測試中，智能汽車總共“主動脫離自動駕駛狀態”272 次，69次選擇取消自動駕駛狀態。快速、有效、準確的系統可靠性測試和評估技術是保證智能系統發揮核心功能，降低系統不可預知風險的重要前提。智能交通系統的可靠性研究已得到國內外學者的廣泛關注。

首批試駕谷歌智能汽車的美國Medium科技總編 Steven Levy表示，“無人駕駛汽車的大規模應用，我們現在也許到了95%，但最后的5%將會是漫長的路途”。在自動駕駛領域，特殊天氣條件下的部分感知信息缺失、特殊路段的部分傳感器不穩定等不常見駕駛場景導致的“長尾問題”，限制了自動駕駛的可靠性及其量產應用，亟待提出完善的可靠性驗證手段予以解決。

以船舶智能系統的可靠性驗證為例，其測試驗證方法體系尚處于構建階段。考慮到船舶自身的高價值屬性、實船測試的風險性、模型試驗的尺度效應等因素，智能船舶測試驗證以虛擬測試為主、模型測試為輔；構建“人-船-環境”精細化模型，是提升虛擬測試精度的重要途經。因此，如何兼顧智能系統測試的可靠性和高效性、典型測試工況和極端事件場景，是智能船舶測試驗證方法體系發展中需要重點思考的問題。

2.3 智能車輛和智能船舶的法規標準體系

近年來，智能車輛和智能船舶的關鍵技術取得了長足進步，但配套的法規標準體系研究仍然面臨巨大挑戰。智能車輛和智能船舶在運行中形成了“現實層-數據層-知識層-現實層”的閉環，由于智能車輛和智能船舶的不確定性導致的安全問題，對傳統交通責任體系將產生重大沖擊，面臨人工智能倫理規范挑戰。

3 未來展望

智能交通系統的未來愿景是自主式交通系統，由智能運載工具、智慧基礎設施和云端智能交通控制等組成，這一系統在沒有足夠的人類監督情況下，可在變化的、不可預測的交通環境中“理性行動”，或能在經驗中學習，利用數據提升系統性能。自主式交通系統具有感知、交互、學習和執行能力，是一種具備單體智能、群體協同和整體優化的交通系統。

來源：中國人工智能學會