智能交通技術的應用能有效提高現有基礎設施的使用效率和服務水平，在破解城市交通問題中扮演著不可或缺的重要角色。2010年至今，隨著大數據、機器學習等技術的不斷發展，基于人工智能的車路協同、自動駕駛、智能出行等將會成為智能交通系統下一階段技術發展的關鍵方向。

　　智能交通自 1973年大力發展以來，早期因受限于通信手段，發展速度比較緩慢。1995—2000年，隨著數據傳輸速度突飛猛進的增長和位置服務技術、通信技術的突破，智能交通發展速度明顯加快，通信技術已經不再成為限制因素，此時智能交通系統發展主要受限于計算能力。2000—2010年，智能交通技術全面推進，高清視頻、智能分析研判等在城市交通領域得到全面應用。2010年至今隨著大數據、機器學習等技術的不斷發展，基于人工智能的車路協同、自動駕駛、智能出行等將會成為智能交通系統下一階段技術發展的關鍵方向。

　　隨著城鎮化、機動化的快速發展，中國城市面臨擁堵、污染等一系列嚴峻挑戰；另一方面，由于生活水平的不斷提高，人民對美好生活的需求強勁增長，交通供求關系不平衡的矛盾日益尖銳。而道路基礎設施和城市空間資源的有限性，決定了僅僅依靠新建交通基礎設施提高供給能力難以解決當前面臨的嚴峻交通問題。智能交通技術的應用能有效提高現有基礎設施的使用效率和服務水平，在破解城市交通問題中扮演著不可或缺的重要角色。圖 1顯示了智能交通系統主要發展歷程的概況。

　　智能交通系統主要技術發展現狀

　　城市智能交通控制技術

　　交通控制主要是利用計算機管理的交通控制設施對交通流進行交通組織優化以及通過調節、誘導、分流以達到保障交通安全與暢通的目的。根據磁感線圈、視頻、微波等采集的數據計算交叉路口的實時交通流量，確定信號優化配時方案。就控制范圍而言，信號控制可以分為單路口信號控制、干線協調控制（線控制）和區域信號協調控制（面控制）。

　　在模型方面，當前國內外單路口信號控制從模型到應用已經成熟，干線協調控制也有大量應用型產品和案例，但區域協調控制技術應用案例有限。現有系統主要分為定時控制和自適應協調控制兩類，定時區域協調控制目前以啟發式算法為主，大數據也帶來了基于機器學習的區域信號協調控制模型，不過尚難以解釋其理論過程。自適應信號協調控制是通過檢測器實時采集交通數據，生成方案實現實時控制，根據交通飽和度區分為未飽和與過飽和模型兩類。未飽和區域通過采用 Q 學習、CTM（cell transmission model）、SVM（support vector machine）和強化學習等模型主要用以減少計算量，實現優化控制。過飽和區域采用啟發式、分層規劃和多段規劃等方法簡化模型，使之可以運算。

　　在系統控制軟件方面，目前中國依然主要依靠SCOOT（split cycle offset optimizing technique）、SCATS（Sydney coordinated adaptive traffic system）以及美國、西班牙等研發的系統，國內自主研發的軟件應用很少。自 20世紀 80年代至今，也在嘗試建立適合中國混合交通流特性的控制系統，其代表性系統主要包括HT-UTCS和 Hicon系統等。HT-UTCS系統采用三級分布式控制（點線面），為方案生成+專家系統式的自適應控制系統。Hicon系統采用三級控制模式（路口、區域、中心），為分層自適應控制系統。

　　交通分析研判技術

　　交通信息分析研判是通過對各類交通數據信息的采集整理、融合、挖掘分析，為交通相關部門提供輔助決策支持，達到分析精準、效率提升、決策科學、管理精細的目的。傳統的交通信息分析研判主要是在交通流、交通事故等結構化數據基礎上展開縱向、橫向分析，找出其變化規律和發展趨勢，進而提供輔助決策依據，研判分析的準確性、精準性不高。

　　近年，基于大數據的分析研判充分利用大量非結構化數據，采用大數據分析技術，能實現跨區域、跨部門、跨行業的信息共享和深度挖掘應用，能完成對交通運行、安全、監管、資源優化配置等整體態勢的評估分析與預警，實現了分析研判技術質的飛躍。

　　公安部長期以來非常重視交通安全分析研判、交通管控與服務分析研判等內容，其在國家道路交通安全科技行動計劃等重大課題研究基礎上，逐步推出了全國公安交通管理綜合應用平臺、全國機動車稽查布控系統、公安交通管理大數據分析研判平臺等重大應用工程，并發布《道路交通安全形勢分析研判工作規范》等相關文件，極大地提高了交通管理工作的科學性、有效性和規范性。

　　交通運輸部也在如“基于大數據技術的交通運輸監測預警關鍵技術研究”等相關重大課題研究基礎上，不斷針對春運等節假日、日常運行等方面發布相關的交通態勢分析報告，同時也對國家交通運輸宏觀發展態勢進行預判，為國家、區域交通重大決策和社會信息服務等提供了強有力的支撐依據。

　　車路協同技術

　　車路協同系統是基于先進的傳感和無線通信等技術，實現車輛和道路基礎設施之間以及車車之間的智能協同與配合，從而保障在復雜交通環境下車輛行駛安全、實現道路交通主動控制、提高路網運行效率的新一代智能道路交通系統。

　　在技術方面，車路協同主要包含3類技術：車車/車路通信技術、交通安全技術、交通控制技術。通信技術方面，應用于車路協同的3G/4G、DSRC（dedicated short-range communications）、WiFi等技術均已有相應的理論與模型。交通安全技術方面，視野盲區警告、輔助換道、緊急避撞等已有應用。馬小陸等設計了一種基于車車通信的嵌入式前向碰撞預警系統；李珣、楊曉光等基于車路協同技術對輔助換道進行了研究，在保證車輛換道安全的前提下提高道路的使用效率。交通控制技術方面，基于車路協同實時獲取車輛狀態，通過車速引導實現優化控制也已經有研究和應用。

　　在實驗方面，20世紀80年代初，中國逐步開始重視運用高科技發展交通運輸系統；2006年在進入國家“十一五”計劃的第一年，國家高技術研究發展計劃（863計劃）設立了現代交通技術領域并具體設立了“綜合交通運輸系統與安全技術”專題研究；2010年確定車聯網為“十二五”發展的國家重大專項；2011年“車路協同系統關鍵技術”項目通過國家“863計劃”立項并于 2014年 2月通過科技部驗收。該項目完成了車路協同系統的體系框架，提出了車路協同系統的集成測試與演示方案，實現了 10余項典型的車路協同應用場景，突破了車路協同系統的若干關鍵技術。在智能網聯車路協同方面中國的研究起步較晚。“十五”和“十一五”期間，中國在汽車安全輔助駕駛、車載導航設備等方面進行了研究，基本掌握了智能汽車共性技術、車輛運行狀態辨識等核心技術。國家“863計劃”課題“智能道路系統信息結構及環境感知與重構技術研究”“基于車路協調的道路智能標識與感知技術研究”等，在河北廊坊等地搭建了車路協同測試系統。

　　視頻分析技術

　　視頻識別技術是使用計算機進行運算和分析，從視頻中提取判斷決策等有用信息的技術，其利用特定算法提煉視頻信號中所包含的內容信息或特定目標物體的運動信息等，實現計算機對于視頻的智能理解，使計算機在一定程度上替代人的工作。

　　對于視頻識別技術的研究，由于其算法的復雜度以及目標行為的多樣性等原因，發展一直比較緩慢。在國外已有成熟的智能視頻監控產品，可以在監控系統中實現異常狀態自動報警的功能。中國城市視頻監控數量與發達國家相比仍有很大差距。以每千人擁有的視頻監控數量作為指標，目前中國攝像頭密度最高的北京市每千人擁有攝像頭數量為 59個，僅僅相當于英國平均水平的80%、美國的 60%。而二、三線城市攝像頭覆蓋率更低。據不完全統計，中國二線城市的攝像頭數量為 5萬~10萬個；三線城市則<5萬個。就攝像頭密度而言，二、三線城市的攝像頭密度遠遠低于 10個/千人。

　　目前，車牌號識別技術作為計算機視頻圖像識別技術在車輛牌照識別中的一種成熟應用，能在 1 s內識別出車牌號碼，精確度達99%。在計算機識別技術中，人臉識別已經廣泛運用于安防與電子支付領域，功能比較先進的人臉識別系統包括布控、人臉搜索、人臉比對、人臉庫及系統管理 5大核心功能，其精確度已經高于95%，理論上在未來可達99.7%。

　　智能交通新技術

　　1）城市交通大腦

　　城市交通大腦就是在大數據、云計算、人工智能等新一代信息和智能技術快速發展的大背景下，通過類人大腦的感知、認知、協調、學習、控制、決策、反饋、創新創造等綜合智能，對城市及城市交通相關信息進行全面獲取、深度分析、綜合研判、智能生成對策方案、精準決策、系統應用、循環優化來更好地實現對城市交通的治理和服務，破解城市交通的問題并提供系統的綜合服務的城市智能交通系統的核心中樞。

　　2）高精度定位（GPS、北斗定位）

　　北斗三號衛星經過在軌測試，空間信號用戶測距誤差達到 0.5 m，系統定位精度達到2.5~5 m。除了加快編織覆蓋全球的北斗衛星網絡之外，國家正在同步開展北斗星基增強系統建設，形成全國“一張網”，可提供實時cm級、mm級高精度定位服務。

　　北斗系統應用于“兩客一危”車輛管理，目前已經建立了全球最大的北斗車聯網平臺。截至 2018年，已經有 500多萬輛營運車輛上線北斗系統，車聯網平臺通過提醒駕駛員超速與疲勞駕駛等信息，使得道路運輸重大事故率和人員傷亡率均下降近50%。

　　2017年 12月，江西省首條智慧高速公路寧定高速公路建成試運營。在高速公路沿線利用北斗等技術，可對車流情況進行實時監測，同時整合報警手機定位、路況預判等功能，實現對交通事故的快速處置。

　　2017年 3月，北京公交公司基于北斗基礎數據的大數據分析，對公交車發車時間進行調整。上海基于北斗衛星導航系統，建立了智能公交位置服務系統，能夠對公交到站時間進行精準預報，誤差時間<1 min。通過公交調度、實時信息采集，降低公交公司 10%以上的運營成本。

　　3）無感技術

　　無感技術是指通過大數據等新技術手段，簡化傳統交通流程，使出行者在某些特定環節（如收費、驗票等）中實現無干擾通過，提高效率和舒適度。目前，無感技術主要應用于識別、支付等，分別衍生出了刷臉識別、無感支付等應用。

　　① 人臉識別技術。人臉識別技術，是基于人的臉部特征信息進行身份識別的一種生物識別技術。用攝像機或攝像頭采集含有人臉的圖像或視頻流，并自動在圖像中檢測和跟蹤人臉，進而對檢測到的人臉進行臉部識別的一系列相關技術，通常叫做人像識別、面部識別。

　　軟件方面，20世紀 50年代，認知科學家就已著手對人臉識別展開研究。20世紀 60年代，人臉識別工程化應用研究正式開啟。當時的方法主要利用了人臉的幾何結構，通過分析人臉器官特征點及其之間的拓撲關系進行辨識。這種方法簡單直觀，但是一旦人臉姿態、表情發生變化，則精度嚴重下降。21世紀前 10年，隨著機器學習理論的發展，研究人員探索了基于遺傳算法、支持向量機、boosting、流形學習及核方法等進行人臉識別的技術。2009—2012年，稀疏表達（sparse representation）成 為 研 究 熱 點 。 LFW（labeled faces in the wild）人臉識別公開競賽在此背景下開始流行。當時最好的識別系統在 LFW上的最高精度僅約 80%，距離實用距離頗遠。2013年，研究者基于高維局部二值模式（local binary pattern，LBP）特征和 Joint Bayesian 方法在LFW上獲得了 95.17%的精度。2014年前后，香港中文大學的 Sun 等提出將卷積神經網絡應用到人臉識別上，采用 20 萬訓練數據，在 LFW 上第一次得到超過人類水平的識別精度。

　　硬件方面，人臉識別技術經歷了可見光圖像人臉識別、三維圖像人臉識別/熱成像人臉識別、基于主動近紅外圖像的多光源人臉識別 3層進化過程，逐漸緩解和解決了光線等環境的變化對于人臉識別的影響，加之算法的不斷精準演化，人臉識別技術逐漸進入越來越多的應用領域。

　　② 無感支付技術。目前，應用于交通的無感支付技術主要包括 3 種途徑：不停車電子收費系統（ETC）、車牌識別和北斗支付。

　　ETC在高速上已有成熟應用，但其需要用戶安裝車載單元（on board unit，OBU），流程相對復雜，但現有用戶規模較大。截至 2017年，中國已有約 30%車輛安裝了 ETC 設備。車牌識別技術對識別環境要求高，對天氣條件較為敏感，但該技術流程簡單，只要注冊即可應用服務，對停車場來說只需增設攝像頭等即可。北斗智能支付方案要求每輛車安裝北斗模塊，手機安裝 APP后即可使用支付服務，該模式相對復雜，但支付場景可延展性比ETC和車牌識別更強。

　　智能交通主要技術發展展望

　　為實現交通強國的建設目標，抓住機遇、大幅度提高中國智能交通水平是我們面臨的重要任務。從以上回顧可知，交通大數據平臺及其應用、視頻數據提取技術、綜合分析研判技術、交通控制優化技術、車路協同技術、城市交通大腦、無感技術等 7項技術是智能交通領域的關鍵技術，對上述技術的發展進行分析，展望如下。

　　交通大數據技術

　　交通大數據具有多源異構、時空跨度大、動態多變、異質性、高度隨機性、局部性和生命周期較短等特征，如何有效地采集和利用交通大數據，滿足高時效性的交通組織控制、交通信息服務、交通狀況預警、交通行政監管、交通執法管理、交通企業經營管理、交通市民服務等應用需求，是城市交通和智慧城市面臨的機遇和挑戰。

　　構建交通大數據平臺是深化大數據應用、不斷探索應用人工智能技術、不斷提高智能化水平的前提條件。未來交通大數據應用，最重要的方向是數據“加工能力”的提高，未來必然要形成規范的數據結構和實時的數據處理機制，在大數據的采集、傳輸、處理和應用中，通過系統地使用非傳統工具對大量的結構化、半結構化和非結構化數據進行處理，從而獲得能夠支撐規律發現、機理分析和對策方案自動生成的數據條件。由于數據處理受到高成本、高時效性等一系列條件限制，未來基于云計算技術的數據分析平臺、能夠實現分布式計算的技術 Hadoop、Spark平臺將發揮越來越重要的作用。

　　視頻技術

　　在智能化發展的背景下，深度學習和大數據為視頻識別技術提供了前進的方向。AI智能視頻識別算法提出了一種新的基于圖（graph）的視頻建模方法，實現了可幀級解讀視頻。為提升智能視頻識別技術的應用性，使得智能視頻識別產品真正市場化，在完善核心算法的同時，視頻識別技術必然將向以下方向發展：一是視頻結構化；二是人工智能；三是適應更為復雜和多變的場景；四是更低的成本。

　　在應用方面，主要體現在智能感知、智能識別及智能分析3個方面。

　　1）智能感知。路口、路段感知：基于視頻識別集成卡口、電警、信號控制、交通檢測等系統，為路口的最優配時、道路路況分析、交通大數據、交通規劃等提供可靠依據。路側停車感知：基于圖像的識別進行路側違法停車的感知和抓拍以及路側停車位的管理，可以有效降低成本，提高系統可靠性。停車場感知：基于視頻車位引導系統，實現快速車位引導，通過增配設備可升級為具有找車功能的智能車位引導及視頻尋車一體化系統。

　　2）智能識別。通過圖像識別、圖像比對及模式匹配等核心技術，實現對人、車、物等相關特征信息的提取與分析，如車牌識別、人臉識別、車身顏色識別、車型識別、車臉識別等。

　　3）智能分析。一是交通事故及事件檢測，基于連續視頻可以分析車輛停車、逆行等行為，發現交通事故和交通擁堵時報警；二是車輛違章抓拍，利用視頻檢測實現非現場執法。

　　分析研判技術

　　交通大數據為系統全面分析研判提供了前所未有的信息支撐。應用大數據、云計算、特征識別、數據庫分析、大數據挖掘分析、建模仿真、數據可視化等新技術進行交通深度分析研判，有望實現更全面的需求預測、更精準的態勢分析、更精細的預報預警、更高效的規律發現、更科學的決策支撐，應用重點體現在交通運行態勢分析研判與預警、多尺度交通安全風險分析、警力等資源配置優化與智能執法管理、交通監管與綜合服務等方面。

　　交通分析研判技術發展將以應用為導向，以提高智能化水平為目標，以云計算、大數據挖掘分析、人工智能等技術創新突破為驅動，將在數據融合挖掘、態勢分析研判、信息服務與預警、方案智能生成等技術方面重點突破，同時應大力推進相關成果在工程領域的示范和應用。

　　優化控制技術

　　未來交通信號優化控制技術將在以下 6個方面實現突破。

　　1）交通信息采集與融合。基于互聯網、大數據及云計算的交通信號控制系統，可以對道路系統中的交通狀況、交通事故、氣象狀況和交通環境進行實時采集、融合分析，形成多來源、多維度的交通狀況監控與融合數據。

　　2）控制方案優化。大數據應用的最核心功能之一是交通信號控制系統的優化，目前這方面的差距巨大，無論是優化思路、還是模型方法，均無明顯進展。從實現上看，因信號控制不合理導致的通行資源浪費和交通延誤十分明顯，可以改進的空間很大。人工智能技術、網絡流算法等優化方法的不斷發展，將有可能助力實現更加優化的干道控制和區域協調控制。借助車路協同技術，可進一步提高道路交通系統的運行效率。

　　3）交通信號控制等信息交互方式的改進。在逆光、雨雪、濃霧、沙塵等視線不佳場景和惡劣天氣下，駕駛員很難及時分辨信號燈狀態。車路協同可以實現將信息迅速傳遞給交通參與者。

　　4）信號控制優化效果的評價。對交通信號控制方案進行優化調整后的效果，傳統方法難以及時、定量地進行評估。利用移動互聯網、手機、衛星定位等數據可以構建更加直觀、更加可信的信號控制評價指標，從而可以更加高效地對交通系統性能進行評估和調整。

　　5）控制與誘導的協同將可能帶來基礎設施使用效率的顯著提高。通過誘導信息，實現主動選擇，可以實現更加優化的交通控制。

　　6）交通流信息與氣象信息、大范圍的交通狀況信息融合使用，能夠實現更加安全、更加高效的交通組織與指揮。

　　車路協同技術

　　車路協同技術經過世界各國的大量研究和探索，已經取得了階段性成果。目前，建立了車路協同體系框架和各種相關測試平臺，突破了車-車/車-路通信、車輛安全控制及信息技術共享等關鍵技術，小規模展開了道路演示，但仍存在如下問題和不足。

　　1）通信標準：國外車路協同通信普遍采用 802.11p協議，中國希望獨立制定自己的協議，國家層面的通信標準仍在制定之中。

　　2）技術推進緩慢：車路協同系統的核心技術目前在世界范圍內仍普遍處于基礎理論研究、實驗測驗和小范圍商業應用階段，并未廣泛進入民用環節。

　　3）信息安全問題：由于車路協同可以掌握全體用戶的出行狀態及目的信息，廣泛推進車路協同技術可能在發達國家和更為關注隱私的地區引起公眾不同程度的質疑。

　　城市交通大腦

　　一個良好的城市交通大腦，能夠助力實現數據驅動的交通管理模式和服務模式的形成，提供更好地分析研判和決策實施的智能支撐。主要包括以下 10項關鍵技術。

　　1）通過迭代優化的智能算法，優化路口、關聯路段、功能組團等之間的交通連接，基于交通事件、道路流量等實時感知體系和交通大數據綜合平臺的分析能力，智能形成交通組織、管理、控制的優化方案，形成不斷進化的交通優化區域，提高道路通行效率。

　　2）梳理全區域、路口、路段等交通在線實時數據，研發精準刻畫道路交通演變的算法模型，包括交通視頻分析處理算法、數據整合算法、信號優化算法、交通評價算法、態勢研判算法等，為交通信號控制優化提供支撐，實現對交通流狀態的精準刻畫。

　　3）創新面向未來交通的交通治理模型，提升當前交通管理目標層級，實現對道路網絡上交通運行健康狀態的精準感知，通過當前狀態和歷史狀態對比、趨勢預判，找出影響交通擁堵和安全的關鍵因子，確定面向未來交通的治理模型。

　　4）以數據驅動實現交通規劃管理一體化。改變原有的交通系統建設（交通信號控制、非現場執法系統、交通流信息采集系統、交通視頻監控系統、交通誘導系統、道路交通設施建設等）和應用相對割裂的局面，消除路口交通設備間數據不共享的狀況，以數據分析為基礎實現交通管理的科學化和智能化。

　　5）推進數據治堵深入應用。通過交通大數據研究交通擁堵的成因，以先進的智能算法指導交通排堵保暢策略。交通控制設備實時在線，以實時的交通數據推進區域交通控制策略的形成和實施，形成良性的交通運行機制，保障暢通有序。

　　6）構建安全有序的交通環境。準確把握交通事故的特點和規律，提升以識別風險、管控風險為主要內容的安全防控能力，建立健全“預測、預警、預防”機制，加強交通安全風險等級研判體系建設。

　　7）輔助道路網絡優化改造決策。基于城市交通大數據分析，實施精準掌握交通需求特性、交通供給特性和交通供求關系特性，為城區道路交通系統改造提供決策支持，實現道路網絡建設綜合優化。

　　8）詳細分析公交交通運行狀況、供求特性、交通方式的銜接特性，不斷提高公交的服務質量；不斷提高交通分擔率、以公交方式為主導的綜合交通系統。

　　9）動態分析末端交通狀況，不斷提高綜合交通一體化、一站式服務能力，促進共享單車等綠色交通出行的發展。

　　10）動態分析行人需求特性，不斷完善行人步行空間，指導形成安全、連續、溫馨的步行道路系統。

　　交通大腦建設要以需求為依據，以功能實現為衡量，要遵循交通工程原理和交通發展規律，注重實際效果。有無實際功能效果是評價交通大腦的第一標準，同時系統要具有優化反饋、智能水平不斷自我優化提高的機制（自我進化機制）。換句話說，智能進化機制是交通大腦的基本屬性要求。

　　無感技術

　　未來無感技術將會廣泛應用，除人臉識別、車牌識別和無感支付之外，還有一系列物聯網技術將在交通領域深度應用。從現有技術來看，人臉識別相對較為成熟，但也面臨一系列需要解決的問題。

　　1）光照問題：光照投射出的陰影，會加強或減弱原有的人臉特征。

　　2）表情姿態問題：當發生俯仰或者左右側面的情況下，人臉識別算法的識別率也將急劇下降。

　　3）遮擋問題：當被采集出來的人臉圖像不完整時，會影響后面的特征提取與識別。

　　4）年齡變化：對于不同的年齡段，人臉識別算法的識別率也不同。

　　5）唯一性識別問題。在不同個體之間人臉的區別不大，所有人臉的結構都相似，甚至人臉器官的結構外形都很相似。

　　6）圖像質量：對于分辨率低、噪聲大、質量差的人臉圖像難以識別。

　　7）樣本缺乏：如何解決小樣本下的統計學習問題有待進一步地研究。

　　8）海量數據：傳統人臉識別方法如主成分分析方法（principal component analysis，PCA）、線性判別分析（linear discriminant analysis，LDA）等在海量數據中難以進行，甚至有可能崩潰。

　　9）大規模人臉識別：隨著數據庫規模的增長，人臉算法的性能將呈現下降趨勢。

　　在無感支付領域，未來隨著城市交通管理的精細化、智能化，基于車輛軌跡的交通收費和基于識別的停車收費等諸多無感收費技術將會得到不斷發展，北斗作為全場景的應用技術將有更加廣闊的應用前景。

　　智能交通是提高交通運輸系統效率、服務品質、安全水平和環保節能的關鍵，是建設交通強國、實現中國交通世界領先目標的重要抓手。

　　為實現交通強國的戰略目標，智能交通技術必將實現快速發展，智能化水平必將顯著提高。未來智能交通發展的重點將是構建城市交通大數據共享平臺、打造先進實用的城市“交通大腦”、構建世界領先的城市智能交通系統、高水平實現車路協同、提升客貨運輸服務的智能化水平、實現綜合運輸的智能化、借助于高度的智能化破解交通擁堵、提高安全水平、實現綠色交通主導。

　　智能交通系統是與城市土地使用形態調整、城市交通結構調整、城市路網結構優化、城市道路系統路權調整一起共同構成的城市交通戰略與對策體系，要服務于城市發展戰略和綜合交通規劃發展戰略。為做好城市智能交通系統建設，應高度重視智能交通系統的頂層設計，應堅持交通基礎設施和交通工程設施建設先行原則，不但要重視智能交通系統的硬件建設，更要注重智能交通系統軟件開發與功能提升。

　　城市智能交通系統建設應以功能實現為核心，以問題為導向，既要有先進性，更要有實用性。智能交通系統發展的第一關鍵就是能夠實現預期功能和能夠取得實際應用效果，而不是系統建設本身。智能交通系統建設應進行充分的專家論證和建設效果分析。系統目標明確、驗收標準清晰、專家論證充分、后評價制度完善，是保證智能交通系統健康發展的基本要求。應加快出臺相關標準與規范，形成完善體系，指導智能交通系統建設，避免決策失誤和投資浪費。