我们的通勤方式可能随着时间而改变，但我们管理交通的方式却没有。根据INRIX全球交通记分卡报告，2018年，全球最拥堵的20个城市人均拥堵时间减少了164至210小时。城市车辆的指数级增长是造成交通拥堵的核心原因。改善公共交通是解决之道，但与此同时，我们还需要考虑如何提高交通管理效率来改善场景。流量管理试图变被动为主动流量管理，但一直受到网络速度和边缘处理能力的限制。5G和人工智能为交通管理提供了巨大的机会。当5G上路时，由于更密集和更复杂的道路网络、更新的技术和更大的数据，5G将提供更好的可见性和对交通的控制。反过来，这将有助于更快地完善交通网络，进一步减少拥堵，消除连锁反应，并使道路对所有用户来说更安全。借助5G，边缘设备将变得更加强大，可以通过AI分析服务器传输和处理大量数据，这只会有利于流量管理。凭借比4G快70倍的速度，它将提供对所有道路使用者（人员和交通）移动的全面可见性，从而实现更好的整体规划。借助大量传感器、摄像头甚至无人机，5G将把道路网络变成微型云的集合，每个云都可以相互通信，包括自动驾驶汽车。5G可以毫不费力地容纳自动驾驶或自动驾驶车辆中传感器生成的大量数据，从而实现车辆到车辆和传感器到传感器的通信。这些车辆中的传感器将根据记录的观察结果收集关键信息，以做出决策和改变路线。来自芬兰VTT技术研究中心的自动驾驶汽车Martti已经过测试，可以提前检测结冰路况并在车辆之间传输3D视图。人工智能解决方案和大数据人工智能（AI）和大数据的力量结合5G技术的优势，将提供一个结合高可靠性和无处不在的网络接入的强大解决方案。5G提供的低延迟是这里的关键，人工智能模型使用实时网络信息和历史数据来检测事件发生的可能性，并立即设计优化的响应计划以高速交付。结合使用传统和基于边缘的人工智能系统，可以实时捕获整个道路网络的交通元数据。5G和人工智能的这种结合将成为未来十年转变交通管理的答案。它还可能标志着协作连接系统中自动驾驶汽车急需的推动力。让我们看一下两个特定的基于AI的解决方案及其对车辆活动的影响。人工智能和智能交通灯基于人工智能的交通灯控制将对车辆活动产生重大影响，显着减少车辆冲突并增加道路网络容量。有效交通管理的集成设置将涉及自适应交通信号灯系统、边缘系统和后端监控系统。使用IP摄像机捕获的视频被转发到基于边缘的AI系统，该系统在将数据发送到后端监控之前对其进行分析。预训练的深度学习模型将处理后的信息实时发送回自适应交通信号灯以创建交通流。通过红绿灯实时适应变化的交通，通过红绿灯定时控制道路上的运动，可自行调节。可以通过可互操作的通信共享不断变化的交通场景和交叉路口的时间安排，以便所有交叉路口都准备好优化接近的交通流量。据报道，在宾夕法尼亚州匹兹堡部署的试点系统减少了26%的旅行时间、41%的闲置时间和21%的排放量。有趣的是，自适应交通信号灯系统还将总事故和死亡事故减少了13-36%。交通事故人工智能由于事件是意外的，有时甚至是灾难性的，因此将人工智能纳入具有智能交通信号灯的全面且可持续的交通事故管理系统可以改变交通监控。这就是混合技术联盟的用武之地。来自IP摄像机、GPS、手机跟踪、探测车辆和环路检测器的大数据相结合，可以得出比独立研究大量信息时更精确的推论。然后，AI算法会持续实时地分析数据，从而通过融合来检测潜在事件。交通模拟器可以研究有关事故发生时间和地点的存档和实时数据，以分析影响。预测事故持续时间的AI模型还可以指出需要注意的特定点以及对道路子网的整体影响。此外，深度学习模型可以探索强度和整体影响之间的相关性，帮助确定事件及其响应的优先级。数据分析的集成有助于测试各种交通场景，从中可以得出有效、实时、自动化的交通事件响应计划。在德里，来自7,500多个闭路电视摄像机、已编程的交通信号灯和1,000个LED标志的传感器收集实时数据，这些数据由人工智能处理成即时洞察力，供当局用来改善交通管理。从安装在英国米尔顿凯恩斯的全市智能摄像头收集的数据在深度学习模型上运行，以89%的准确率提前15分钟预测交通状况。简化交通管理为了兑现5G的承诺，道路和交通网络管理系统也需要随着时间的推移而发展。来自不同来源的数据必然会更加复杂。所有系统协同工作以普遍和立即响应的过程需要精确的实施。在技??术适应性方面，智能网络决策的自主性和可理解性非常重要。这将为人类决策和干预提供空间，并在需要时提供技术。自从世界上第一条高速公路建成以来，我们可能已经过去了一个世纪，但直到现在，世界才开始准备挑战极限。
