利用人工智能算法調節交通信號燈是這兩年各大互聯網和IT企業開始嘗試緩解擁堵問題的一種策略，并紛紛在一線城市建設試點，最終也取得了不錯的效果。通過AI算法對路口運行效率進行實時監測和展示，從而起到優化信號燈配時作用，主要針對兩種現象，一是路口運行失衡，二是出口溢出。當一個交叉口某個方向非常擁堵，而其他方面運行順暢，則稱之為路口失衡。這種情況可以適當增加擁堵方向的信號配時，減少順暢方向的配時來緩解路口的擁堵。

對于嚴重失衡的路口，系統會發出報警，提醒交通指揮員關注，并采取下一步措施。出口溢出預警則是監控出口擁堵情況，將溢出可能性大的路口進行排序展示，以便及時實施流量控制和干預，避免路口溢出導致路口癱瘓。

人工智能交通燈系統也是人工智能在智能交通領域應用的產物，可根據車輛和行人通行數量統計結果重新設置紅綠燈時間、實時識別現場的交通狀況。該系統一般由視頻采集分析存儲上傳系統、閘機、控制器、顯示屏、語音播報和前端計算機等組成，可實現語音播報、延時關閉、檢測控制、人臉識別和抓拍報警功能簡單來說，就是用人工智能識別分析車輛、人等運動物體的運動信息，推斷交通狀況進一步調配車輛與行人的放行時間。

在互聯網企業暢想人工智能解決交通擁堵的同時，安防企業也在基于人工智能改變交通管理方面努力。天地偉業作為全球領先的智能安防解決方案提供商，通過發揮自身在人工智能和視頻圖像處理等方面的技術優勢，推出眾多助力交通管理方面的產品和創新應用，其中包括“天眼”系列智能交通一體機、行人闖紅燈取證系統、非機動車違法抓拍系統、違法鳴笛抓拍系統、闖擁堵違章抓拍系統、失駕人員管控系統、前后牌照比對取證系統等一系列交通違法取證系統，為提升交警現場和非現場執法能力，規范文明出行起到了輔助作用。

高清監控系統公司表示天地偉業“天眼”系列智能交通一體機，搭載了AI深度學習芯片，算力是傳統智能攝像機的幾十倍以上，它支持準確識別19種車型、250多種車輛品牌、3500多種車系、1 1種車身顏色以及車輛年款、年檢標志、紙巾盒、掛墜、香水盒等更多細節特征，相對于傳統設備將車輛主要屬性識別轉變為車輛“全”屬性識別：在違章行為分析上增加不禮讓行人檢測、加塞檢測、左轉不讓直行檢測、開車抽炯打電話檢測等；同時它從車智能擴展到人智能，支持非機動車、行人特征檢測、駕駛員、行人人臉檢測實現了交通道路場景下的交通參與者全目標分析。數據是應用的基礎，交通AI攝像機的強大感知能力將全面提升交通管理者對人、車管控的能力。

“天眼”集成了基于AI深度智能的遠光燈檢測算法，能夠對城市夜間車輛濫用遠光燈的違法行為進行智能識別和有效取證。在前端架設專屬的駕駛員人臉抓拍機，同時利用基于Al深度智能的人臉捕獲深度學習算法，大幅度提高畫面中人臉的檢出率和高清摳圖的質量，為后端進行人臉的建模和比對提供基礎數據，實現報警攔截一同時，通過人工智能分析及深度學習算法，比較成熟的應用技術以車牌識別算法最為理想，雖然日前很多廠商都宣稱自己的車牌識別率已經達到了99%，但這也只是在標準卡口的視頻條件下再加上一些預設條件來達到的。在針對很多簡易卡口和卡口圖片進行車牌定位識別時，較好的車牌識別也很難達到90%。不過隨著采用人工智能、深度學習的應用，這一情況將會得到很大的改善。在傳統的圖像處理和機器學習算法研發中，很多特征都是人為制定的，比如hog、sift特征，在目標檢測和特征匹配中占有重要的地位，安防行業的很多具體算法所使用的特征大多是這兩種特征的變種。人為設計特征和機器學習算法，由于理論分析的難度大，訓練方法又需要很多經驗和技巧，一般需要一定的時間才會有一次突破性的發展，而且對算法工程師的知識要求也一直在提高。人工智能則不然，在進行圖像檢測和識別時，無需人為設定具體的特征，只需要準備好足夠多的圖進行訓練即可，通過逐層的迭代就可以獲得較好的結果。從目前的應用情況來看，只要加入新數據，并且有充足的時間和計算資源，隨著深度學習網絡層次的增加，識別率就會相應提升，比傳統方法表現更好。另外在車輛顏色、車輛廠商標志識別、無牌車檢測、非機動車檢測與分類、車頭車尾判斷、車輛檢索、人臉識別等相關的技術方面 安防監控工程企業也比較成熟。

智能行人闖紅燈取證系統的推出主要是為了治理“中國式過馬路”的行人闖紅燈問題，該問題是造成交通安全事故的主要原因之一。該系統主要包括行人闖紅燈抓拍一體機，違章行為聲音提示單元、違章行為曝光顯示屏、信號燈狀態監測等設備，該系統通過人工智能技術對行人闖紅燈的行為進行實時檢測，一旦發現行人準備闖紅燈，優先進行語音提醒，對于不聽勸阻的行人的闖紅燈行為進行全過程抓拍和錄像并實時發送到違法曝光屏進行曝光警示，對不遵守交通規則的行人起到一定制止和震懾的作用。

這些產品無論是以哪種產品形態或是采用哪種架構，都集中體現在交通管理三個方面的技術功能設定：

1、識別行人的生理屬性．通過分析道路行人的身體結構，準確識別視頻中人物的性別、年齡、姿態等多種生理特征；

2、識別行人狀態。基于深度學習的行人檢測算法能夠在各類遮擋的情況下精確找出行人位置，并能夠進一步分析行人姿態和動作，可應用于交通監控、輔助駕駛、無人駕駛等。

3、可以在行車場景、交通監控場景、卡口場景中檢測多種不同角度的車輛，并同時給出車牌號碼、汽車品牌、型號、顏色等物理特征；實現人群分析。在高密度公共場所，例如地鐵，廣場，估計人群數量和密度，同時檢測人群過密、異常聚集、滯留、逆行、混亂等多種異常現象。