人工智能技术赋能智慧交通系统优化及前景探索

亚超 辛(中国人民解放军32137部队，中国)
卫卫 尚(中国人民解放军32137部队，中国)
维应 程(中国人民解放军32137部队，中国)

摘要

随着我国机动车保有量急速增加（截至2025年3月已突破4.3亿辆），传统交通治理模式已难以应对“道路供需失衡、事故风险攀升、能源消耗加剧”的复合型挑战。本文系统探讨了多模态感知技术、深度强化学习算法和车路云协同架构等AI技术在城市交通治理中的创新路径、应用及前景。车路云一体化架构支撑自动驾驶编队行驶能耗降低18%。最后，进一步提出联邦学习框架与轻量化模型部署的协同技术优化路径，以及立法创新与跨部门数据共享的政策建议。本文为智慧交通系统建设的进一步深化提供系统性解决思路参考。

关键词

多模态感知；深度强化学习；车路云一体化；智慧交通治理

参考

何承, 李琳琳, 沈煜. 基于深度强化学习的城市交通信号动态控制优化研究[J]. 交通运输系统工程与信息, 2024, 24(2): 45-53.

杨程, 黄傲, 肖平. 车路协同网络中多模态感知融合技术的应用与挑战[J]. 中国公路学报, 2024, 37(12): 112-120.

袁希一, 刘斌. 迁移学习在中小城市交通模型适配中的应用[J]. 人工智能与机器人研究, 2024, 15(1): 34-42.

DOI: http://dx.doi.org/10.12345/bdai.v6i3.28249