隨著時間的推移，我們通勤的方式可能發生了改變，但交通管理的方式卻沒有改變。INRIX全世界交通記分卡報告稱，2018年，全世界20個最擁堵的城市人均擁堵時間減少了164至210小時。城市車輛的指數增長是造成交通擁堵的核心原因。

改善公共交通是解決方案，但與此同時，我們也需要考慮如何提高交通管理的效率，以改善現場。交通管理部門曾嘗試將被動管理轉變為主動的交通管理，但一直受到網絡速度和邊緣處理能力的限制。5G和人工智能為交通管理提供了巨大的機遇。

當5G上路時

借助更密集和更復雜的道路網絡、更新的技術和更大的數據，5G將提供更大的可見性和對交通的控制。反過來，這將有助于更快地疏通交通網絡，進一步減少堵塞，消除連鎖效應，并使所有用戶的道路更安全。借助5G，邊緣設備在通過AI分析服務器傳輸和處理大量數據方面將變得更加強大，這只會有利于流量管理。

它的速度比4G快70倍，它將提供對所有道路使用者——人和交通——的運動的綜合可見性，從而實現更好的整體規劃。借助大量傳感器、攝像頭甚至無人機，5G將道路網絡轉變為一組微型云，每個云都可以相互通信，包括自動駕駛車輛。自動駕駛或自動駕駛車輛中的傳感器產生的大量數據可以毫不費力地被5G容納，從而實現車輛間和傳感器間的通信。

這些車輛中的傳感器將根據記錄的觀察結果收集關鍵信息，以做出決策和改變路線。來自芬蘭VTT技術研究中心的自動駕駛汽車Martti已經過測試，可以提前檢測結冰的路況以及在車輛間傳輸3D視圖。

人工智能解決方案和大數據

人工智能(AI)和大數據的力量與5G技術的優勢相結合，將提供一個強大的解決方案，將高可靠性和無處不在的網絡接入相結合。5G提供的低延遲在這里是關鍵，人工智能模型使用實時網絡信息和歷史數據來檢測事件的可能性，并即時設計優化的響應計劃以高速交付。使用傳統和基于邊緣的AI系統的組合，可以實時捕獲來自整個道路網絡的交通元數據。5g和人工智能的這種結合將成為未來十年改變交通管理的答案。它還可能標志著協作連接系統中自動駕駛汽車急需的推動力。讓我們看看兩個基于AI的特定解決方案及其對車輛活動的影響。

人工智能和智能交通燈

基于人工智能的紅綠燈控制將對車輛活動產生重大影響，顯著減少車輛行駛中的沖突并增加道路網絡容量。有效交通管理的集成設置將涉及自適應交通燈系統、邊緣系統和后端監控系統。使用IP攝像頭捕獲的視頻被中繼到基于邊緣的AI系統，該系統在將數據發送給后端監控之前分析數據。預訓練的深度學習模型將處理后的信息實時發送回自適應交通信號燈，以創造交通流暢性。

通過紅綠燈實時適應不斷變化的交通，道路上的運動可以通過紅綠燈定時來控制，紅綠燈定時可以自我調整。可以通過互操作的通信共享不斷變化的交通場景和交叉路口的時間，以便所有交叉路口都準備好優化接近的交通流量。據報道，在賓夕法尼亞州匹茲堡部署的試點系統將旅行時間減少了26%，怠速時間減少了41%，排放量減少了21%。有趣的是，自適應紅綠燈系統還將總事故和致命事故減少了13-36%。

交通事故人工智能

由于事件是意料之外的，有時甚至是災難性的，將AI納入具有智能交通信號燈的綜合可持續交通事件管理系統可以改變交通監控。這就是混合技術聯盟的用武之地。來自IP攝像頭、GPS、手機跟蹤、探測車輛和環路檢測器的大數據被合并，以得出比獨立研究大量信息時更精確的推論。然后，人工智能算法會持續、即時地分析數據，從而融合以檢測潛在事件。

交通模擬器可以研究事件發生時間和地點的存檔數據和實時數據，以分析影響。預測事故持續時間的AI模型還可以指示需要注意的特定點以及對道路子網絡的整體影響。此外，深度學習模型可以探索強度和整體影響之間的相關性，幫助確定事件及其響應的優先級。數據分析的集成有助于測試各種交通場景，從中可以得出有效、實時、自動化的交通事故響應計劃。

在德里，來自7,500多個閉路電視攝像機、程序化交通信號燈和1000個LED標志的傳感器收集實時數據，人工智能將這些數據處理成即時洞察力，當局使用這些數據來改善交通管理。從安裝在英國米爾頓凱恩斯的全市智能攝像頭收集的數據在深度學習模型上運行，以89%的準確率預測提前15分鐘的交通狀況。

簡化交通管理

為了兌現5G的承諾，道路和運輸網絡管理系統也需要隨著時間的推移而發展。來自不同來源的數據必然會更加復雜。所有系統協同工作以普遍并立即響應的過程需要精確實施。在技術適應性中，重要的是智能網絡決策是自主且易于理解的。當需要時，這將為人類決策和干預以及技術提供空間。雖然自世界上第一條高速公路建成以來，我們可能已經過了一個世紀，但直到現在，世界才開始為推動這一進程而加速。