借助深度学习缓解拥堵

在印度，如火如荼的城市化进程导致人工管理交通变得非常不切实际。此外，中央监控系统面临着可扩展性问题，因为它们要处理越来越多来自成百上千个交通摄像头的数据。西门子中央研究院的深度学习专家正在开发智能交通管理解决方案，以解决这些问题。

印度班加罗尔的中央丝绸之路路口（Central Silk Board Junction）是这座城市不计其数的十字路口之一，这里经常出现严重拥堵。不过，这样的问题或许很快成为过去。西门子中央研究院的一支深度学习和机器智能专家团队正在研发交通管理解决方案，以实现全自动交通控制和监测。目前，在班加罗尔的电子城（Electronic City）园区，西门子正与电子城园区当局（Electronics City Township Authority, ELCITA）合作进行原型测试。ELCITA首席执行官Rama NS信心十足地认为，这个解决方案将极大地改善班加罗尔的交通管理。Rama说：“它将为我们提供目前我们没有的交通信息，帮助我们改善通勤交通管理。”

实时自动控制交通信号灯

西门子中央研究院开发的解决方案可捕捉在ELCITA周边安装的多个摄像头输出的视频流，并采用基于人工智能的深度学习技术对其进行处理。处理任务在十字路口就地执行，因此，这避免了以往的解决方案造成的延时，后者是将数百个交通摄像头生成的视频流发送至中央云平台，进行处理和监控。利用新的方法，可以自动执行诸如车辆检测、车流密度估算和交通信号灯控制等典型的交通管理任务，并达到实时性。然而，必要的情况下，这个解决方案还可以用于在中央云环境中处理视频流，譬如，用于全面掌握城市交通状况。

无人驾驶穿行于混乱的城市街道

来自西门子交通集团MindSphere应用中心的David Borst对班加罗尔的测试有着浓厚的兴趣。他解释道，“我们对交通模式的了解越多，就越能更好地管理交通。”

西门子中央研究院在印度的现场学习高级核心专家Vinay Sudhakaran甚至设想到除交通管理之外的应用场景。譬如，他指出，识别不同车辆类型的能力有助于城市规划。“深度学习技术也可以用来检测事故，并自动通知警方和急救中心。这项技术还可以捕捉交通违法的视觉证据，提取车牌号码并自动生成交通罚单。”此外，他补充道，车辆检测技术的进步，将使无人驾驶汽车更接近现实，甚至可以在混乱的城市街道中穿行。

绿色走廊

ELCITA现场测试目前正在进行中，结果令人满意，得出了合乎实际且前后一致的车流密度数字。Vinay表示，“现在我们已经准备好进入模拟环境，我们希望了解人工智能如何控制多个十字路口的交通信号灯，以实现绿色走廊效应。但要实现这一点，我们还需要优化深度学习模型。我们希望印度科学院能给予支持，我们已经签署了一份合作协议。”