由中国人工智能学会联合国际电气与电子工程师协会（IEEE）北京分会发起的2019年第六届IEEE云计算与智能系统国际会议（CCIS 2019），于12月19日-21日在新加坡顺利召开。会议以高规格、高水平的特色深受国际同行关注，形成了“小而美”的会议风格，是中国人工智能学会建设世界一流学会、深化国际交流与合作、提升我国人工智能世界影响力系列举措中一项重要的国际活动。

12月19日，来自信息技术咨询公司Sopra Steria亚洲区的CEO Dr. Vera Jin，以城市交通管理为例，对IT行业已开发和正在开发的一些智能交通系统进行了概述。

过去二十年，人工智能技术在交通运输业中得到了广泛的应用。近年来，云计算、数据分析、机器学习和自动驾驶系统等现代技术掀起了一股浪潮，带来了另一场工业革命。

12月19日-21日，在新加坡举办的2019年第六届IEEE云计算与智能系统国际会议产业论坛上，AIPharos邀请了信息技术咨询公司Sopra Steria亚洲区的CEO Dr. Vera Jin，以城市交通管理为例，对IT行业已开发和正在开发的一些智能交通系统进行了概述。此外，本文将重点介绍智能交通系统近期的发展趋势、部署中面临的挑战和未来的巨大潜力。

Dr. Vera Jin

Dr. Vera Jin是欧洲领先的信息技术咨询公司Sopra Steria亚洲区的CEO，她在交通与IT行业拥有超过20年的学术与从业经验。
Dr. Vera Jin的研究领域为人工智能与智能交通系统，她曾经主导多个运用人工智能与机器学习技术的智能系统实现落地。2013年加入Sopra Steria以来，Dr. Vera Jin领导Sopra Steria亚洲公司因提供数字化服务与网络安全服务，实现了指数级增长。Dr. Vera Jin及其团队擅长提供智能交通服务、数字化解决方案与咨询，以及交通系统领域的网络安全服务。
Dr. Vera Jin在新加坡的智能交通领域中发挥了非常重要的作用，2001年她成为ITS的创始成员之一，在国际与国内ITS领域非常活跃。

演讲要点：

进入工业4.0时代，人工智能技术在交通系统领域发挥越来越重要的作用，如通过收集、分析移动数据与社交媒体数据，提供出行路线、交通拥堵、紧急交通事故解决方案等；

人工智能即服务在智能交通系统的未来建设中，主要涉及5G通信、自动驾驶、计算机视觉、区块链等领域。

智能交通系统将面对如集成式多平台的实时无缝衔接、运输系统的数据和网络安全等挑战。

以下为Dr. Vera Jin演讲全文，AIPharos月光社进行了不改变原意的编辑：

大家下午好。我注意到现场有很多新加坡国立大学和清华大学的研究生，所以我想调整一下今天下午的演讲和分享环节。

我演讲的主题是人工智能在智能交通系统（ITS）中的应用。在新加坡、在中国，在你生活的城市，人们每天都在使用智能交通系统。

如果你的手机下载了一个叫MyTransport.SG的APP，就能在这个APP上看到与公共交通、驾驶信息相关的所有数据。这些数据并不来自任何一个人的手机，而是来自新加坡的智能交通系统。

如果你点击APP里的驾驶选项，可以看到与交通新闻、交通摄像头、道路通知、电子道路收费系统（ERP）和机动车数字服务系统（one motoring digital service）等相关的内容。其中机动车数字服务系统，能够让机动车所有者操作与新加坡陆路交通管理局（LTA）和开车相关的所有事项。APP上的另一个选项，是公交车与地铁服务这两种交通方式，以及离你最近的车站。

为什么现在我们要把自驾与公交这两种服务放在同一个APP上？因为我们想为社区提供多模式服务。MyTransport.SG只是众多手机APP中的一个。为了支持交通数字化，新加坡现在有30多个智能交通系统在运行，这些系统收集数据，并将信息推送给通勤者。

我提一个问题，在座有人用Twitter吗？在Twitter上找到“新加坡陆路交通管理局交通新闻（LTA Traffic News）”的链接，我们就可以浏览实时发生的道路交通新闻，这些数据同样来自设置在路上、后台办公室、控制中心的智能交通系统，是它们将信息推送给所有的用户。

所以，智能交通系统无处不在，它让我们的出行更加便捷。我所在的公司Sopra Steria，是一家法国的跨国公司，我们就在做这件事。今天我将分享一些关于智能交通系统的内容，希望可以激励在座的研究生，未来能够投身于相关的事业。

进入工业4.0时代以来，我们面临的工业革命是什么？它如何影响出行行业？我将给出一个案例研究，说明人工智能是如何在今天的系统中发挥作用的，尤其是在交通管理领域。

当我们使用这样的系统时，不管你喜不喜欢人工智能，它都会被应用。但当人工智能出现时，在开发过程中也会出现许多问题。

智能交通系统是什么？它是组成我们城市交通的核心要素之一。为什么城市交通很重要？在2015年，超过72%的人口居住在城市，这意味着交通拥堵。

我们要用智能交通系统来解决拥堵问题。仅新加坡的一个控制中心的平台，我们就能操控30多个智能交通系统。我要讲的人工智能案例，就是在控制中心的位置。我想你们很多人在路上都能看到停车引导系统，上面显示了一些可用车位的数字，但屏幕背后有很多其它东西使系统运作。除了上面所说的控制中心，我们还有不同的支付系统和传感器，来同步交易信息与财务信息。此外，我们还有一个符合国际标准的交通信息频道，即TMC服务。

这些在新加坡已经被应用了，我想介绍一下未来如何建设智能交通系统。

今天，通过海量的移动数据与社交媒体数据，我们可以在后台进行交通模型、出行行为与常用地址分析。这些数据可以帮助新加坡政府，辅助判断在哪里修路、如何去某个地方，预测交通拥堵的位置及其应对措施。

接下来，我们展望一下人工智能即服务（AI as a service），即未来人工智能将在云服务状态中工作。在交通系统中，通信是不容忽视的重要领域之一，未来的5G通信网络将成为智能交通系统通信的支柱，在一些MRT线路上，华为与思科的5G正在试运行。

接下来是自动驾驶。今年10月，第26届智能交通系统世界大会（26th ITS World Congress）在新加坡举行。在滨海湾地区（Marina bay area）有一个试验展位，你可以看到自动驾驶摆渡车与自动驾驶大巴来回穿梭。自动驾驶不是梦，它发生得非常快。

然后是计算机视觉。过去，计算机视觉技术在交通领域所用寥寥，仅用来识别车辆的数量、类型、判断拥堵程度。但今天，计算机视觉技术赋予控制中心更强大的功能，它帮助我们分析车辆行为，检测交通事故的发生并进行历史分析。

区块链也是人工智能应用的一大领域。三年前，我们在新加坡创立了叫做POC的区块链项目。很多代理机构对我说，新加坡很小，区块链怎么会在这么小的国家有发展呢？没道理。但今天，我们以东南亚地区最大跨境电商Lazada在新加坡的物流供应商PSA公司为例，就能明白新加坡对于区块链的巨大需求。除了港口中转业务，我们从淘宝、Lazada上购物，这些消费行为极大地增加了我们货运代理的进口需求。同时，随着外来竞争的加剧，我们需要转换政府其它部门的工作方式，例如使用应用了区块链技术的二维码来管理进出口数据。

举一个交通运营控制中心（TOCC）的例子。大概20年前，我在新加坡国立大学学习人工智能和神经网络。使用MATLAB和C语言编程非常困难，因为我们必须自己编码神经网络中的神经元和细胞（CELL）。20年后，编码速度变得飞快，你有GPU、Python和Tensorflow等来协助你。到了今天，你可以用高效运行的计算终端，有Python语言和Tensorflow图书馆来协助你。在这之前，我们只能使用专家系统来管理交通。

为什么要用专家系统？当路上发生什么紧急事件，我们需要快速的反应来帮助驾驶者。有时我们要叫救护车，有时我们要协调交警，因为生死攸关。所以，我们希望手机的所有信息，能在最短的时间内对事件做出决定。我仍然记得，20年前我们把事故处理时间从90分钟缩短到25分钟，仅凭专家系统的引入。

在这种TOCC中，我们管理事故、道路、信息和交通规划，并实时收集、分析、模拟和预测交通数据。我们可以避免事故的发生。

在这种情况下，我们需要数据，来自30多个智能交通系统收集的数据，以及通过诸如One motoring SG的社交APP收集第一手信息，分析道路上驾驶员与通勤者的情绪作为数据。

面对如此大量的数据，我们的挑战是如何让数据有意义。从不同来源收集到数据后，我们把它们放置在一个大数据平台上，然后我们使用机器学习来整合、理解这些数据，并保持其一致性以进行去重或删除干扰数据处理。因此，我在使用新加坡陆路管理局的MyTransport. SG 或VMS时，数据至少是有连续性的。但如果你使用谷歌地图，谷歌会用自己的数据与我们的数据融合，这就会产生一些差异。当然这并不代表数据有误，而是可能你收到了更新的信息。

因此，我们的数据分析呈现两种不同的前景。一个是实时预测，另一个是基于历史的分析。这就是我们如何帮助交通管理部门和行业内公司来做出决策。

接下来，我们要做一个叫做操作决策管理引擎（ODM）的东西。ODM基于人工智能技术，可以在一两秒内对路上发生的事情做出反应。现在，我们的KPI是在15分钟之内解决路上发生的问题。我们的ODM采用自适应的方法、使用历史数据与类似模式进行机器学习，当类似事件发生时来预测道路拥堵会造成什么影响。

安全措施方面，我们不但可以运用ODM系统快速应对火灾等紧急情况，还可以为驾驶员提供最新信息。因此，我们不但要确保这些智能交通系统随时可用，还要保证它们正常运转，同时降低财产损失。

此外，智能系统使我们能够用预测性维护来加强交通资产管理，并提高驾驶员的安全性。我们可以在设备上收到预测的故障时间、持续时间等信息，之后做出相应的监测、数据读取和数据分析工作。在交通系统实际出故障的时候，我们使用AR和NLP技术辅助远程维修。

将上述智能交通系统应用到现实世界中还有很多挑战。首先是集成式多平台的实时无缝衔接。

我曾经访问过阿里巴巴、华为和City Green Platform。我感觉，City Green Platform 非常擅长平台和收集两部分，但是缺少中心的控制部分。我们擅长的是控制部分，所以我们将分析和智能控制结合起来。但我们的系统是孤立的，例如智能交通系统的重点仅仅是管理、优化、最大限度地提升道路网络。

自动驾驶车辆如何与其他车辆合流，是另一个大挑战。我们工作在自动驾驶系统的后端，后端控制中心和AI引擎，可以帮助我们在网络层面上构建一个稳定的交通秩序。

此外，运输系统的数据和网络安全，是我们面临的又一个关键挑战。数字化进程中大量的数据漂浮在云端，黑客们选择那些影响巨大的系统进行攻击，如果交通系统遭到攻击，这将会造成更大影响。

转自   AIPharos月光社