智能交通对自动驾驶的依赖

　　不要以为我们所说的智能交通仅仅是抓拍闯红灯、监控摄像头、导流红绿灯、识别车辆车牌、过年再来个交通大数据...... 其实，真正的交通智能性体现于以下场景：

　　检测道路异常行为，如车辆抛洒物、行人违规等。

　　及时获取车辆信息，即实现对某车辆的全路段识别、跟踪。

　　检测特殊路况，如团雾、道路滑坡、滚石等。

　　低照度、夜间情况下的信息识别，涉及到不更改现有硬件设备的需求。

　　信息平台、业务处理的智能性、及时性。交通道路的管理涉及到多部门的协调及信息的沟通，信息决策的准确性至关重要。

　　车辆 ID 识别

　　通用的识别方法是识别车牌，尤其是高速路、高架桥这样的位置，车牌难以识别，在可见性不好的状况下，也很难获取车辆信息。

　　摄像机硬件环境限制

　　高速、高架桥上的摄像机基本都是高清 1080p 的球型机，通常对交通异常行为的判断需要进行复杂的软件设置，比如：检测区域划线等。对于固定位置的摄像机，这还足以应付，但拿球型机来说，普通非技术人员操作时就有些吃力了。而且，摄像机位置较远，若车速较快，其识别准确率也会下降。

　　无人驾驶系统为智能交通实现提供了新方案

　　道路拥堵数据的准确性，往往基于采集到的用户数据，无数的用户数据构建了交通路况信息。由此，在上文也提到，有了无人驾驶系统，我们便有了更精确的数据采集方案：来源于用户。

　　智能交通网络的实现，必然需要交通控制平台、车辆、交通监控平台间数据的连接，这就是交通的“万物互联”。从这点来看，面对汽车的智能系统，更像是手机之于人，是交通的核心数据源。

　　市面上众多的车机操作系统供应商，大多是基于 Android 平台做的二次开发，但是这些系统普遍存在一个缺陷，汽车感知数据收集及处理上的缺失，其生态链的不完整也让自身仅有的用户主动生成的数据发挥不了智能交通上的价值。

　　百度无人驾驶系统的开放及生态的建立让我们看到了希望。至少对于国内汽车生态系统来讲，百度无人驾驶的赋能给予了“万物互联”的基础。百度 Apollo 无人驾驶平台提供各级别开发者所需的数据接口。装有 Apollo 平台的汽车可以通过更加丰富的传感器收集道路信息并回传数据平台，供道路检测平台使用，当然这会基于用户的许可。

　　写在最后

　　自 Apollo 平台开放已来，Apollo 秉承『贡献越多，获得越多』的开源精神，吸引了越来越多的开发者探讨交流。Apollo 开发者社区是为广大自动驾驶开发者营造的一个共享交流平台，提供相关学习资源，解答开发者疑问。如果你也对自动驾驶感兴趣，希望找到志同道合的伙伴，可以添加公众号“Apollo开发者社区”( ID：Apollo_Developers)，加入 Apollo 开发者社区。