利用人工智能算法调节交通信号灯是这两年各大互联网和IT企业开始尝试缓解拥堵问题的一种策略，并纷纷在一线城市建设试点，最终也取得了不错的效果。通过AI算法对路口运行效率进行实时监测和展示，从而起到优化信号灯配时作用，主要针对两种现象，一是路口运行失衡，二是出口溢出。当一个交叉口某个方向非常拥堵，而其他方面运行顺畅，则称之为路口失衡。这种情况可以适当增加拥堵方向的信号配时，减少顺畅方向的配时来缓解路口的拥堵。

对于严重失衡的路口，系统会发出报警，提醒交通指挥员关注，并采取下一步措施。出口溢出预警则是监控出口拥堵情况，将溢出可能性大的路口进行排序展示，以便及时实施流量控制和干预，避免路口溢出导致路口瘫痪。

人工智能交通灯系统也是人工智能在智能交通领域应用的产物，可根据车辆和行人通行数量统计结果重新设置红绿灯时间、实时识别现场的交通状况。该系统一般由视频采集分析存储上传系统、闸机、控制器、显示屏、语音播报和前端计算机等组成，可实现语音播报、延时关闭、检测控制、人脸识别和抓拍报警功能简单来说，就是用人工智能识别分析车辆、人等运动物体的运动信息，推断交通状况进一步调配车辆与行人的放行时间。

在互联网企业畅想人工智能解决交通拥堵的同时，安防企业也在基于人工智能改变交通管理方面努力。天地伟业作为全球领先的智能安防解决方案提供商，通过发挥自身在人工智能和视频图像处理等方面的技术优势，推出众多助力交通管理方面的产品和创新应用，其中包括“天眼”系列智能交通一体机、行人闯红灯取证系统、非机动车违法抓拍系统、违法鸣笛抓拍系统、闯拥堵违章抓拍系统、失驾人员管控系统、前后牌照比对取证系统等一系列交通违法取证系统，为提升交警现场和非现场执法能力，规范文明出行起到了辅助作用。

高清监控系统公司表示天地伟业“天眼”系列智能交通一体机，搭载了AI深度学习芯片，算力是传统智能摄像机的几十倍以上，它支持准确识别19种车型、250多种车辆品牌、3500多种车系、1 1种车身颜色以及车辆年款、年检标志、纸巾盒、挂坠、香水盒等更多细节特征，相对于传统设备将车辆主要属性识别转变为车辆“全”属性识别：在违章行为分析上增加不礼让行人检测、加塞检测、左转不让直行检测、开车抽炯打电话检测等；同时它从车智能扩展到人智能，支持非机动车、行人特征检测、驾驶员、行人人脸检测实现了交通道路场景下的交通参与者全目标分析。数据是应用的基础，交通AI摄像机的强大感知能力将全面提升交通管理者对人、车管控的能力。

“天眼”集成了基于AI深度智能的远光灯检测算法，能够对城市夜间车辆滥用远光灯的违法行为进行智能识别和有效取证。在前端架设专属的驾驶员人脸抓拍机，同时利用基于Al深度智能的人脸捕获深度学习算法，大幅度提高画面中人脸的检出率和高清抠图的质量，为后端进行人脸的建模和比对提供基础数据，实现报警拦截一同时，通过人工智能分析及深度学习算法，比较成熟的应用技术以车牌识别算法最为理想，虽然日前很多厂商都宣称自己的车牌识别率已经达到了99%，但这也只是在标准卡口的视频条件下再加上一些预设条件来达到的。在针对很多简易卡口和卡口图片进行车牌定位识别时，较好的车牌识别也很难达到90%。不过随着采用人工智能、深度学习的应用，这一情况将会得到很大的改善。在传统的图像处理和机器学习算法研发中，很多特征都是人为制定的，比如hog、sift特征，在目标检测和特征匹配中占有重要的地位，安防行业的很多具体算法所使用的特征大多是这两种特征的变种。人为设计特征和机器学习算法，由于理论分析的难度大，训练方法又需要很多经验和技巧，一般需要一定的时间才会有一次突破性的发展，而且对算法工程师的知识要求也一直在提高。人工智能则不然，在进行图像检测和识别时，无需人为设定具体的特征，只需要准备好足够多的图进行训练即可，通过逐层的迭代就可以获得较好的结果。从目前的应用情况来看，只要加入新数据，并且有充足的时间和计算资源，随着深度学习网络层次的增加，识别率就会相应提升，比传统方法表现更好。另外在车辆颜色、车辆厂商标志识别、无牌车检测、非机动车检测与分类、车头车尾判断、车辆检索、人脸识别等相关的技术方面 安防监控工程企业也比较成熟。

智能行人闯红灯取证系统的推出主要是为了治理“中国式过马路”的行人闯红灯问题，该问题是造成交通安全事故的主要原因之一。该系统主要包括行人闯红灯抓拍一体机，违章行为声音提示单元、违章行为曝光显示屏、信号灯状态监测等设备，该系统通过人工智能技术对行人闯红灯的行为进行实时检测，一旦发现行人准备闯红灯，优先进行语音提醒，对于不听劝阻的行人的闯红灯行为进行全过程抓拍和录像并实时发送到违法曝光屏进行曝光警示，对不遵守交通规则的行人起到一定制止和震慑的作用。

这些产品无论是以哪种产品形态或是采用哪种架构，都集中体现在交通管理三个方面的技术功能设定：

1、识别行人的生理属性．通过分析道路行人的身体结构，准确识别视频中人物的性别、年龄、姿态等多种生理特征；

2、识别行人状态。基于深度学习的行人检测算法能够在各类遮挡的情况下精确找出行人位置，并能够进一步分析行人姿态和动作，可应用于交通监控、辅助驾驶、无人驾驶等。

3、可以在行车场景、交通监控场景、卡口场景中检测多种不同角度的车辆，并同时给出车牌号码、汽车品牌、型号、颜色等物理特征；实现人群分析。在高密度公共场所，例如地铁，广场，估计人群数量和密度，同时检测人群过密、异常聚集、滞留、逆行、混乱等多种异常现象。