圖：嶺南大學潘飛教授（右）和學生王方禹（左）接受訪問講解合力研發的嶺大路救“智慧型交通燈系統”。\大公報記者麥潤田攝

　　交通擁堵是潘飛現代城市發展的普遍痛點，特別是新技在緊急情況下，如何讓救護車、術識市民消防車等特殊車輛馳援不受阻塞，別救成為了大眾關注領域。護消嶺南大學跨學科學院助理教授潘飛及學生王方禹團隊研發的防車“智能交通燈系統”，為這一難題提供了創新解決方案。交通

　　“現在救護車堵車的燈開情況實在太嚴重了，按照急救標準本應在接到求助電話后5分鐘內抵達現場。嶺大路救”嶺南大學研究生王方禹表示，潘飛現在的新技交通系統難以量化路口擁堵的情況，無法精確地優化調度紅綠燈時間。術識市民基于這一痛點，別救團隊利用人工智能（AI）、護消圖像識別和物聯網（IoT）等前沿技術，構建了一個動態響應的智能交通管理系統，精準量化路口擁堵程度，識別緊急服務車輛，以改進交通狀況以及市民生活。

　　而這一研究構想最初源自潘飛教授的人工智能課程作業，在潘教授的協助下，該項目走出了課堂，目前，該方案已提交美國臨時專利申請，并在第五十屆日內瓦國際發明展勇奪銅獎。\大公報記者 華夢晴

　　嶺南大學跨學科學院助理教授潘飛教授與學生王方禹的研究團隊介紹，“智能交通燈系統”先通過路口監控攝像頭獲取車輛數量及類型等基礎資訊，隨后上傳至后臺服務器，伺服器搭載AI處理模型，對路口擁堵程度進行量化分析，生成最優紅綠燈配時方案。

　　優化后的配時方案將反饋到各個路口的紅綠燈控制組件，調整紅綠燈時長。若識別到應急車輛，系統可自動縮短紅燈或延長綠燈，確保其快速通行。

　　通過模型計算擁堵指數

　　至于什么程度能夠稱為擁堵，團隊表示需通過模型計算擁堵指數。該模型考量參數包括車輛通行時間、車流密度、車輛類型分布等，系統提取關鍵交通數據并量化為擁堵指數（擁堵指數越大，路口越擁堵），當某個路口擁堵指數大于設定的閾值時，系統會啟動全局遞歸優化機制，動態調整路網全局信號燈配時方案，必要時引導車輛分流，避免擁堵進一步惡化。

　　潘飛教授表示，系統將路口監控畫面傳輸至后臺伺服器，通過AI模型提取車流參數、計算擁堵指數，并即時回饋至信號燈控制系統。基于電腦視覺的智能交通解決方案，能夠大幅提升路口的通行效率。同時，利用先進的車聯網（V2I）通信，系統能夠識別特殊車輛，為應急車輛開辟優先通道。

　　“最初的設想是希望通過這套系統，為救護車、消防車等緊急車輛爭取寶貴的救援時間。”王方禹指出，若系統順利部署，不僅能為救護車、消防車爭取寶貴時間，還能優化整體路網，提升市民出行效率。例如在車流較少路段，可縮短行人信號燈時間，減少車輛等待。

　　“我們目前仍處于概念驗證階段。”王方禹同學坦言，而實驗的仿真數據顯示，現時救護車等緊急車輛的標準為45公里／小時，智能系統能將緊急車輛的平均時速提升至55公里／小時，相當于22%的效率提升。不過，王方禹強調，這還只是仿真數據，更準確的數據需進行道路測試。

　　問及香港的路況，王方禹稱“香港的單行道特別多，給交通優化帶來了不小的難度”。潘飛教授指出，香港的單行道系統使得整體車速相對較快，同時也造成一旦錯過路口只能“一條路走到黑”的困境。王方禹補充道，在十字路口，車輛可以通過左轉或右轉來分流，但在單行道系統中，車輛只能直線行駛，這大大降低了交通疏解的靈活性。

　　需與運輸署深度合作應用

　　針對這一特點，研發團隊特別留意系統預警的及時性，確保駕駛員有充足反應時間，并提升調度精準度。

　　“這是一個輔助決策系統”潘飛教授強調，AI負責即時數據分析和信號燈調整方案建議，但最終決策權仍掌握在交警手中。“系統會將優化建議即時回饋給指揮中心，由執勤人員根據實際情況決定是否采納調整方案。”這也意味著，系統需要與運輸署深度合作才能落地應用。

　　因此，團隊正積極申請智能交通研究基金，已提交包含明確目標和研究計劃的提案。未來將完善現有理論模型，針對不同路口、車流等多樣化場景建立細分模型，并通過計算機代碼實現，在香港科學園等封閉場地開展實際道路測試。