先行“碳”路：兰理学子助力绿色交通建设

先行“碳”路：兰理学子助力绿色交通建设

兰州理工大学翰王科技团队调研了甘肃省兰州市交通治理状况，由此发现：在政策牵引、技术推动的时代，全球智慧交通迎来了历史发展机遇。一方面，大数据、互联网、人工智能、区块链等新技术创新形成的智能交通管理模式提供了丰富的应用场景。另一方面，各国各级政府相继出台交通强国、新基建、数字交通等相关政策，为智慧交通高质量发展提供保障和引导。

图 1  政策支持图

交通运输业是世界上碳排放量的三大来源之一。据交通部数据，每年因交通拥堵造成的经济损失高达城镇人口可支配收入的20%。2022年我国交通领域的碳排放量占全国终端碳排放量的15%，而在整个交通领域，道路交通碳排放量占90%。在实现双碳目标的背景下，智慧交通开启了绿色低碳转型。通过智能交通系统实时监控交通流量、拥堵指数、延误指数等，可以减少交通拥堵，提高通行效率，减少碳排放量。

图 2  城市交通拥堵图

智能交通系统利用信息和通信技术有效地利用现有的交通基础设施来改善交通服务并减少拥堵、事故和空气污染。目前，各国智能交通技术和政策条件都比较成熟，部分城市建设取得初步成效。随着自动驾驶等技术的不断突破，整体智能交通行业将迎来一波快速增长的浪潮。也有望成为中国经济新的增长点。但是，仍然存在很多问题。车辆数量的控制是有效控制交通网络碳排放量的一个大问题。目前的流量控制算法克服了窗口流量系统的局限性，但在控制效率和时延上仍有提升空间。此外，各国在智能建筑和交通基础设施建设方面存在差异。他们在达到平衡点后不会前进。因此，未来城市智能交通系统的发展模式需要根据不同类型的城市需求进行不同的布局。随着自动驾驶等技术的突破，整个智能交通产业将蓬勃发展，有望成为全球经济新的增长点。
在此大背景下，本团队结合现有解决方案进行改进与创新，研发了一款新型交通智慧治理管控系统。一方面，它将机器学习应用于智慧交通管理，挖掘智慧城市中的交通特征，准确预测未来的交通状况，提升了交通道路整体运行效率，通过增大燃油利用率的方式降低了碳排放；另一方面，引入了YOLO、OpenCV 、CNN等多种算法，实现车辆违规抓拍以及交通灯违章检测功能，在一定程度上降低了交通的能源浪费。该系统的运用真正实现了绿色交通管控，解决了交通延缓问题。

图 3  系统效果图

我们对该系统进行了性能分析，通过对不同框架下交通信号灯违法行为准确性指标进行分析，得到该模型的预测正确率为88.24%，优于大多数传统方法，能够很好的规范交通秩序，在一定程度上降低了碳排放。同时我们对动态信号控制模型的指标进行分析，得到OWENN模型准确率达98.23%，测量率达96.69%。具有一定的高效性。
本系统通过缓解道路交通拥堵的方式，降低了油耗，提高了能量利用率，在一定程度上降低了碳排放。通过理论计算，我们得到，通过该系统的运用，可使交通拥挤降低20%，油料消耗减少30%，开车的二氧化减排量可达1.782×10⁵t，相当于9.73×10⁴亩人工林所吸收的CO₂。

图 4  绿色交通