图：岭南大学潘飞教授（右）和学生王方禹（左）接受访问讲解合力研发的“智慧型交通灯系统”。\大公报记者麦润田摄

　　交通拥堵是现代城市发展的普遍痛点，特别是在紧急情况下，如何让救护车、消防车等特殊车辆驰援不受阻塞，成为了大众关注领域。岭南大学跨学科学院助理教授潘飞及学生王方禹团队研发的“智能交通灯系统”，为这一难题提供了创新解决方案。

　　“现在救护车堵车的情况实在太严重了，按照急救标准本应在接到求助电话后5分钟内抵达现场。”岭南大学研究生王方禹表示，现在的交通系统难以量化路口拥堵的情况，无法精确地优化调度红绿灯时间。基于这一痛点，团队利用人工智能（AI）、图像识别和物联网（IoT）等前沿技术，构建了一个动态响应的智能交通管理系统，精准量化路口拥堵程度，识别紧急服务车辆，以改进交通状况以及市民生活。

　　而这一研究构想最初源自潘飞教授的人工智能课程作业，在潘教授的协助下，该项目走出了课堂，目前，该方案已提交美国临时专利申请，并在第五十届日内瓦国际发明展勇夺铜奖。\大公报记者 华梦晴

　　岭南大学跨学科学院助理教授潘飞教授与学生王方禹的研究团队介绍，“智能交通灯系统”先通过路口监控摄像头获取车辆数量及类型等基础资讯，随后上传至后台服务器，伺服器搭载AI处理模型，对路口拥堵程度进行量化分析，生成最优红绿灯配时方案。

　　优化后的配时方案将反馈到各个路口的红绿灯控制组件，调整红绿灯时长。若识别到应急车辆，系统可自动缩短红灯或延长绿灯，确保其快速通行。

　　通过模型计算拥堵指数

　　至于什么程度能够称为拥堵，团队表示需通过模型计算拥堵指数。该模型考量参数包括车辆通行时间、车流密度、车辆类型分布等，系统提取关键交通数据并量化为拥堵指数（拥堵指数越大，路口越拥堵），当某个路口拥堵指数大于设定的阈值时，系统会启动全局递归优化机制，动态调整路网全局信号灯配时方案，必要时引导车辆分流，避免拥堵进一步恶化。

　　潘飞教授表示，系统将路口监控画面传输至后台伺服器，通过AI模型提取车流参数、计算拥堵指数，并即时回馈至信号灯控制系统。基于电脑视觉的智能交通解决方案，能够大幅提升路口的通行效率。同时，利用先进的车联网（V2I）通信，系统能够识别特殊车辆，为应急车辆开辟优先通道。

　　“最初的设想是希望通过这套系统，为救护车、消防车等紧急车辆争取宝贵的救援时间。”王方禹指出，若系统顺利部署，不仅能为救护车、消防车争取宝贵时间，还能优化整体路网，提升市民出行效率。例如在车流较少路段，可缩短行人信号灯时间，减少车辆等待。

　　“我们目前仍处于概念验证阶段。”王方禹同学坦言，而实验的仿真数据显示，现时救护车等紧急车辆的标准为45公里／小时，智能系统能将紧急车辆的平均时速提升至55公里／小时，相当于22%的效率提升。不过，王方禹强调，这还只是仿真数据，更准确的数据需进行道路测试。

　　问及香港的路况，王方禹称“香港的单行道特别多，给交通优化带来了不小的难度”。潘飞教授指出，香港的单行道系统使得整体车速相对较快，同时也造成一旦错过路口只能“一条路走到黑”的困境。王方禹补充道，在十字路口，车辆可以通过左转或右转来分流，但在单行道系统中，车辆只能直线行驶，这大大降低了交通疏解的灵活性。

　　需与运输署深度合作应用

　　针对这一特点，研发团队特别留意系统预警的及时性，确保驾驶员有充足反应时间，并提升调度精准度。

　　“这是一个辅助决策系统”潘飞教授强调，AI负责即时数据分析和信号灯调整方案建议，但最终决策权仍掌握在交警手中。“系统会将优化建议即时回馈给指挥中心，由执勤人员根据实际情况决定是否采纳调整方案。”这也意味着，系统需要与运输署深度合作才能落地应用。

　　因此，团队正积极申请智能交通研究基金，已提交包含明确目标和研究计划的提案。未来将完善现有理论模型，针对不同路口、车流等多样化场景建立细分模型，并通过计算机代码实现，在香港科学园等封闭场地开展实际道路测试。