所谓的人工智能技术指的就是，围绕人类智能相关理论进行延伸和扩展的一种新型技术，人工智能也被称之为机器智能。从发展进程来看，它是由计算机科学、信息论以及语言科学等多种学科融合发展而来的。而将人工智能技术融入到城市交通管理过程中，可以建立起准确高效的综合交通运输管理系统，使人、车以及道路能够实现密切配合，并发挥出应有的协同效应，进而提高交通运输效率，维持交通安全，优化交通运输环境。由此可见，人工智能技术对于城市交通精细化管理而言，具有十分重要的现实意义。
一、将人工智能技术融入城市交通精细化管理中的重要性
在现代化城市建设发展过程中，道路交通是其中最为关键的民生问题，加强公众服务和交通决策管理智能化，是影响国计民生的重要内容。我国在2000年就已经成立了交通系统协调指导小组，国内交通信息化建设已经展开，而全面实现交通智能化建设则是人民群众一直期待的目标。而经过长期的智能交通系统建设与发展，我国智能交通领域中的应用设备、软件与硬件网络以及数据信息等方面都拥有了较为深厚的积累[1]。因此，将智能交通近几十年的建设发展作为基础，从精细化管理和交通建设强国的角度出发，将新技术、新管理模式与城市交通管理相融合，构建数字化、智能化的交通体系，将传统智能交通发展为智慧交通，是交通强国建设与科学技术发展的主要目标要求，在一定程度上也推动了城市道路现代化建设发展的速度。
二、人工智能技术与城市交通精细化管理相融合的具体措施
（一）感知并融合全息发展动态
在城市交通精细化决策与管理过程中，实时、准确且全方位地搜集各项交通数据是必要的前提条件[2]。目前在城市化交通精细化管理过程中，经常会出现交通信息和数据覆盖范围不够，数据统筹复用不充足的情况。以往单一的管理技术已无法满足当今时代的交通应用需求。而作为道路交通四要素的人、车辆、道路以及环境，对精细化和精准化的全息动感感知产生了十分迫切的需求。因此，在城市交通精细化管理过程中开发出以蓝牙、Lora等相关物联网技术的新型传感器，构建全息动态感知系统具有一定的必要性。
另外，从交通信息基础感知角度分析来看，信息数据在采集过程中的手段是多样化的，交通信息种类十分复杂。从采集主体角度来看，采集技术可以从大体上分为直接采集和间接采集两种。像感应线圈和视频检测都属于直接采集。而GPS定位系统和RFID感知系统都数据间接采集。从时间和空间相对变化周期界定来看，交通信息通常分为静态交通信息和动态交通信息两大类。其中，路网结构、交通基础设施等都属于静态信息，交通事故事件都属于动态信息。
（二）优化交通大数据建设与管理
随着我国大规模交通信息化建设的出现，各地城市都已经积累了数量庞大的交通信息数据，而这些数据具备来源广泛、种类复杂以及结构差异明显的特征。所以从大数据资源中心角度来看，必须要建立起完善的大数据基准库，对所有需要储存的数据进行科学整理[3]。以数据采集标准化建设为基础，不仅要对所储存的数据进行去噪、去伪等清洗工作，还要仔细衡量数据模式的重复性，深度解析其中存在的逻辑关系，构建起相对完善的语义结构网络。在此过程中，还要对交通实体知识图谱进行定义，参考交通对象建模需求，深度挖掘知识图谱数据的结构特点。除此之外，还要建立城市交通实体知识图谱以及可视化原型，优化交通数据中的多层语义关联，进而将大数据时代下的道路交通精细化管理与建设融合在一起。
从AI多维数据体系构建角度来看，必须要科学合理地组织交通数据。遵循交通数据异构类型转换以及数据自组织的特点，再结合交通数据时空耦合性特点，使各项测试数据特征都能够得到分类与参数优化，为AI技术的应用建立起一个完善的多维数据整体，将大数据技术和AI技术紧密联系在一起，推动城市交通AI赋能的发展。
（三）精准切入发展
现如今，人工智能技术在GPU和深度学习快速应用背景下，也在向各个行业领域渗透，逐渐发展为无人驾驶、医疗问诊等新兴产业的基础保障。而在交通管理领域中，人脸、场景以及语音等一系列识别功能都得到了广泛运用，并取得了十分理想的效果。所以交通建设人工智能赋能发展具有十分光明的前景，是社会公认的新一轮科技革命和产业革命驱动力量[4]。因此，从AI赋能前期准备情况来看，人工智能技术需要结合城市交通决策管理相关业务需求，对某一问题或某些问题来特定应用场景发力。在确保全系动态感知融合和交通数据精细化管理基础上，还要充分思考佳通时空的耦合性和跨行业关联等独有的特点，统筹规划，最终可以在人工智能技术的辅助下，使交通决策与管理实现质的跨越。而在此跨越期间仍然需要更多专业人士不断努力。
此外，从AI赋能场景挑选来看，需要从多维视角出发来对城市交通精细化管理的复杂场景进行划分，分别整理AI应用需求，构建出多维场景。
（四）构建自适应智能模型库
人工智能赋能必须要有智能算法和模型开发的支持，从具体应用角度来看，必须要建立起相应的算法，这时模型库建立初期必备的条件[5]。而人工智能赋能城市交通精细化管理的优势可以概括为优化反馈、智能处理和智能识别等多个方面。结合结合不同的业务需求可以分别建立起时空信息聚合、融合策略等一系列算法模型，有效拓展神经网络和模糊逻辑等多种计算机算法，最终组织起具有针对性的智能算法模型库。因此逐一验证各种算法在不同环境中的实际效果，加强自适应智能模型库建设，全面提升AI算法模型在道路交通精细化管理中的应用，是当前城市交通精细化管理发展的重点内容。
结束语：
总而言之，在未来人工智能技术还会实现进一步突破，开发出新产业、新业态以及新模式，对智慧交通决策进行管理与服务。但是从以上四个方面的发展情况来看，人工智能赋能城市化精细化交通管理仍然需要完善很多准备工作。未来发展道路依然需要不断研究和探索。
