摘要：随着我国国民经济的迅速增长及现代化进程的加快，城市交通需求不断增加，交通空间饱和度增大，部分城市的中心城区或核心地段的饱和度甚至超过1.0，而现有交通设施和交通基础设施的建设速度无法满足日益增长的交通需求，几乎所有大城市都存在不同程度的交通拥堵问题。我国道路交通还存在路网布局不够合理，交通管理机制不够信息化、智能化，道路供给与人口空间分布不均衡的问题。为解决上述问题，智慧交通应运而生，作为智慧城市的重要组成部分，其致力于将城市交通系统从各方面融入城市的整体建设中，通过建立可视化程度高、可信度强的智能交通体系，提升路网通行能力，减少交通拥堵与交通基础设施供给不足造成的冲突，提高道路通行效率、发挥交通基础设施效能，同时促进节能减排，使道路交通系统在管理及服务方面实现质的飞跃，从而提高城市整体效率，打造人、车、路、环境4要素安全、高效、准确、和谐运行发展的系统。基于此，本篇文章对基于边缘计算的智能道路交通系统设计及应用进行研究，以供参考。 关键词：边缘计算；智能道路交通系统；设计分析
引言
吴川市第二中学随着我国人们生活水平的提高，交通供需矛盾日益突出，造成交通拥堵、交通事故以及管理方面的问题。为此，政府投入了大量人力物力，以期充分利用现有资源，缓解路网压力。传统的交通管理方式中，或多或少存在着这样那样的弊端，可采取以下措施加以改善。2020年，中共中央提出了“新基建“的发展规划。智能交通系统（Intelligent Transportation System，ITS）属于新基建中，融合基础设施的一种。这类基础设施深度应用互联网、大数据、人工智能等技术，由支撑传统基础设施转型升级而形成，是未来国家经济的主要增长点之一，也是国家为国内交通管理系统指明的未来重点发展方向。三个扬州
1城市交通管理和控制
城市交通管理和控制系统通过制定管理和控制方案进行交通流管控，包括了交通监测、交通控制、公共交通管理、应急管理以及交通组织控制的最优化。交通监测系统通常由交通信息采集系统和电子警察系统组成，可应用于动态交通信息采集、交通违章行为监测及交通信号控制等方面。交通控制系统总是与交通信号控制及城市交通诱导技术相联系。城市交通流诱导系统（UTFGS）由车辆诱导系统、数据融合加工平台及信息发布系统组成。交通组织控制的最优化可以分为静态和动态两部分。静态部分即资源管理，动态部分为对象
管理。静态交通最优化主要解决资源分配问题，即不同道路的通行能力分配和路权分配。动态交通最优化主要解决交通量分配和交通疏导问题，使得路网效率最优。为缓解交通拥堵现象，交通组织策略总是随交通需求（例如公交优先战略、鼓励合乘、城市中心区域限行）和交通周期（早晚高峰）而改变。
2问题与现状
2.1城市交通全息感知与信息融合有待提升软弱下卧层
以线圈、射频、视频为主的传统道路交通信息感知，由于采集设备布设密度、运行状况、恶劣天气等因素影响，使路网交通参数数据采集不完整、有误差。探索新型交通感知技术，丰富智慧感知手段，与传统交通大数据有机融合，并基于人工智能自动弥补部分道路的交通信息时空采集空白，支撑交通特征的自动提取，可以现城市交通数据采集的全息感知。
2.2闭环运行的城市智能主动交通管控平台尚未成形
现有的交通信息平台缺乏对交通拥堵治理的智能决策或辅助决策功能。以主动发现、自动
识别、科学诊断、智能解决、后评估功能、反馈优化为特征的城市智能主动交通管控平台尚未成形，实现城市道路交通运行状态监测、拥堵分析预判和跨路网主动管控的实时闭环反馈的智能化交通拥堵治理，亟须落地实践与应用。交通信息化建设带来的数据红利和人工智能技术的蓬勃发展为人工智能融入道路交通拥堵预判和主动管控准备了充分的条件与发展的土壤。人工智能如何赋能城市交通拥堵治理，将成为新的研究方向和打破传统瓶颈的突破口。近年来，国务院《新一代人工智能发展规划》、工信部《促进新一代人工智能产业发展三年行动规划（2018—2020年）》陆续发布，国务院《“十三五”国家科技创新规划》《“十三五”国家战略性新兴产业发展规划》等报告中，人工智能产业均被视为科技兴国的重中之重。在海量城市大数据支撑下，将人工智能应用于城市交通治理可以有效提升对交通的感知、认知与决策能力。将人工智能与拥堵治理业务相结合，开展“AI+交通治理”技术框架的前瞻性研究，指导人工智能与交通拥堵预判和智能主动管控技术融合升级，形成科学合理、可操作性强的研究方法与技术路线，探索变革、填补既有拥堵治理空白，具有先进性和必要性。
3基于边缘计算的智能道路交通系统设计分析
3.1系统架构设计
基于边缘计算的智能道路交通系统采用云–边–端架构，“云”包括云控平台和智能交通业务系统，“云”作为控制中心，对数据实时性的要求最低，负责实现交通状态监控和交通管控策略决策。云控平台要负责对接智能交通的各业务系统，如交通管控平台、交通信号系统、公交调度系统、公共停车系统、第三方地图导航软件等。“边”由边缘计算设备构成，一方面，负责分析处理和存储“端”产生的数据，实时性要求最高，从交通要素识别到数据下发的总延迟要求达到毫秒级；另一方面，边缘计算设备处理分析后上传到云控平台的数据量大大减少，能避免数据从端直接上传到云控平台再处理的通信延迟。此外，边缘计算设备可实现无需人工参与的分析和决策，直接实现对“端”设备的控制，分担云控平台和人工处理的压力，“端”包含采集终端、控制终端和车端。
3.2基于边缘计算的交通要素识别
麦克白夫人
（1）机动车要素包括目标位置、速度、加速度、方向、车牌、车型、品牌等；行人要素包括行人的位置、速度、加速度、方向、外形特征等；非机动车要素包括检测目标的位置、速度、加速度、方向、车型等。（2）环境要素分为静态环境要素和动态环境要素，其中：静态环境要素主要包括交通标志标线、路口渠化、车道数、车道宽度、车道方向、道路通
行能力等；动态环境要素主要包括交通信号灯信息、各个车道上的不同车型车流量统计、人流量统计、进出状态、排队车辆数、排队长度、车道占用率、平均时间占有率、平均速度、平均车头时距、平均车辆延误、等待区人数、斑马线上人数、天气、路面湿滑结冰状况等。（3）异常事件包括道路拥堵、车辆逆行、非法停车、车辆缓行、交通事故、走应急车道或应急车道停车、能见度异常、快速路上的行人和非机动车闯入、路面抛洒物、行人大量聚集等。通田阁萝
结束语石家庄七一学校
我国智慧交通的发展建设已初见成效，基础设施智能化、管理方式智慧化水平明显提高。智慧交通是缓解交通压力、推进政务智能化与交通信息化、助力城市数字化转型升级的必要途径。通过对我国智慧交通建设进程的梳理以及对国内外智慧交通领域成果的总结，结合我国智慧交通发展中存在的问题，给出推进智慧交通建设的几点建议，为我国智慧交通、智慧城市的建设提供思路。
参考文献
[1]石继岗.智能道路标线系统研究与实现[D].曲阜师范大学,2020.000660.
[2]郭义戎.基于城市道路交通数据的交通流短时预测与诱导方法研究[D].兰州理工大学,2020.000012.
[3]王潇瑾.基于决策树的智能交通信号系统攻击预测及分析[D].北京交通大学,2020.002376.
[4]陈柳.公路智能交通控制存在的问题及应对措施探讨[J].低碳世界,2020,11(03):209-210.
[5]郑苗,吕永艺.城市道路中智能交通应用研究[J].智能建筑与智慧城市,2020(03):130-131+137.
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议