智能交通是如今的热点话题，越来越多的科技企业加入这个产业大命题，从无人驾驶、车路协同，再到城市大脑，一系列软硬件要素蓬勃发展，势必要让城市交通生活旧貌换新颜。据数据统计，截至2018年底，我国智能交通千万级以上的项目(不含公路信息化)就有1167个。

城市智能交通

不过，即使城市智能交通有强大的技术基础，但是在实际出行中，诸多“适应症”开始出现。无人驾驶汽车事故屡见不鲜、云端大脑在庞大的数据体量面前时常崩溃、研发和基建成本居高不下，但城市交通效率却并没有成比例提升。智能交通虽然依托于云端大脑、芯片、传感器、摄像头等现代科技技，不过目前智能交通依旧面临许多难题。那么，逐渐形成的城市智能交通系统又能否力挽狂澜?传感器在智能交通中又承担了哪些角色?

数据织就的“城市神经网”，隐藏诸多出行难题

在城市的数字基础建设过程中，每天有大量的传感器和系统落地。但这些终端数据距离真正服务于城市大脑，却存在着几个障碍：

首先是数据收集的完整性。现代化城市和人们的出行轨迹往往围绕着复杂而紧密的交通网络展开。一方面，这要求城市系统能够覆盖到每一个边边角角，构成完整而庞大的“神经网络”;另一方面，高速流动的车流、人流对数据采集的实时性、精度也提出了挑战。如果数据出现了“盲点”，那么即使拥有再强大的城市大脑，交通拥堵、地面安全等问题也依然是“死结”。

其次是数据协作的兼容性。城市交通数据的另一个问题，是数据源的多种类、多模态。比如仅仅是解决堵车的问题，就需要路面的车流量数据、车辆GPS数据、天气预报、路况健康监测数据等等，只有将不同种类的传感器融合，把各数据源捏合在一起，才能够实现对交通状况的实时把握和调控，主动影响智慧决策。

最后是数据处理的高效率。目前许多城市的数据收集方案，都是通过摄像头、通讯基站等方式实现的。这就导致了两个问题：一是摄像头的视觉数据需要进行语义分析、特征提取、图像理解等一系列处理，对算力资源、硬件配置、数据存储等提出了较高的要求;二是大规模的实时高精视觉数据一股脑儿地输送到云端，很容易造成数据堆积和处理延迟，成为“城市大脑”的重担，耽误一些需要实时反应的需求。

归根结底，城市的智慧化不应该只停留在“被数字”的表面功夫，而应该真正让城市的每一寸肌理都能够感知数据、应用数据，这样任何地面事件带来的每一个“神经冲动”，才能快速而顺利地抵达城市“大脑中枢”。