随着全球城市人口激增，因各式交通工具带来的交通拥堵、污染及其它问题随之凸显。科学家与企业家们也在为了这些问题不断寻求解决方案。

　　在上个月举办的GTC大会期间，我们了解到数据、深度学习以及智能视频分析的重要性，这些方面都在缓解交通与改善全球城市居民生活质量方面发挥着无可替代的作用。

　　智慧交通的良性循环

　　面对GTC会场中的诸多开发者，Miovision Technologies（位于加拿大安大略省的智能视频分析初创公司）首席执行官Kurtis McBride谈及了该公司正在开展的工作，这些努力都在不断帮助交通流动变得轻松，与此同时，McBride先生还提及了该公司40%的同比增速。

　　Miovision Open City平台

　　Miovision的Open City平台利用现有的城市基础设施及该公司的自有视频摄像机获取数据，并通过人工智能平台进行分析。

　　举例说明，该公司的Smart Intersection可以优化交通信号灯时间，使得城市公交车的通行时间更加合理，减少等待红灯的时间。公交线路的运行效率越高，居民就更有可能选择乘坐公交车，而不是自己驾车。进而使得道路上的汽车越少，交通越通畅，排放也更低，同时为公交车腾出更多的道路空间，使其更加高效地运行。进而形成一个良性的循环过程。

　　Miovision的业务模式关键在于向客户出售优质信息。该公司通过摄像机与城市基础设施所获得的原始数据，通过深度神经网络分析。随着收集的原始数据越多，他们也能够更好地训练其网络。经过良好训练的网络能够为客户提供更好的数据。这样，另一个良性循环随之产生。

　　Miovision与 NVIDIA 展开合作

　　自GPU技术大会开展以后，Miovision开始与NVIDIA Metropolis平台在视频流分析方面展开初步合作，模块化的Jetson TX2人工智能超级计算机对于他们的工作支持十分巨大，Miovision 对于这些合作也十分满意。该公司计划在北美城市范围内，依托Jetson TX2小规模试运行Open City。Jetson TX2的更高能效，使得他们有能力去寻找可以完全依靠太阳能运行的未来解决方案。

　　Jetson TX2仅利用7瓦特电力便可以运行，McBride表示：“有了Jetson TX2，我们离太阳能供电已经不再遥远。再有一两代的时间，我们便可以实现这一点。太阳能供电也将会降低各城市的部署成本。”

　　智能交通的应用

　　智能交通的应用范围不仅仅局限于小汽车与公交车。经济学家、数学家与计算机科学家Edward Zimmerman面对GPU技术大会的参会者们，讨论了其利用深度学习为自行车骑行者创建“绿灯波浪”（green wave）的持续性努力，这些努力已经覆盖了德国以及一些其它地区。

　　绿色波浪信号灯系统

　　绿灯波浪阐述了一个其妙的现象，骑行者们可以穿行于一个又一个绿色信号灯，就好比通勤时段内，交通上帝不断得给予你便利，让你无障碍出行。Zimmerman解释说，绿灯波浪有其科学性，并非虚构。这一想法源自于在交通密集地区的信号灯时间模式及算法，旨在给予小汽车与公交车而非骑行者与行人更高优先级的信号灯指示。

　　自称“数据人”（data guy）的Zimmerman正在与德国的信号设备制造商GESIG合作，开始为城市骑行者们开发低成本的系统，借以创建按需式绿灯波浪。该项目旨在使用Jetson TX1平台的GPU计算能力及能效，通过为神经网络提供实时数据（采集自安装在信号灯上的摄像机）而识别骑行者。然后分析数据，识别为自行车骑行者开启绿灯波浪的机会 – 在理想的情况下，这一系统可以与已经按照自身绿灯波浪系统而通行的公共交通车辆并行使用。

　　Jetson TX2助力太阳能供电智能

　　与来自Miovision的McBride一样，Zimmerman将NVIDIA Metropolis平台与Jetson TX2的更高能效视作迈向太阳能供电智能的一个步骤——在这种情况下，智能信号灯可以完全由太阳能供电。该项目的一个变体已经在德国波恩市（Bonn）投入测试，并计划将绿灯波浪扩展至欧洲及其它国家与地区。

　　相信在NVIDIA Metropolis助力下，通过智慧交通的良性循环，以及绿色波浪的应用，科学家与企业家们一定可以在不远的将来，为我们提供一个畅行的交通状态。

　　让我们一起拭目以待！