近年来，随着我国城市化进程飞速发展，汽车普及进程也随之加快，由此所带来的各种交通问题逐渐凸显，交通拥堵、道路事故和城市大气污染等问题已然成为各大城市的通病。
随着新一代的信息技术大发展以及互联网＋的推进，政府的政策倾斜，资本的投入不断加大，新一代智能交通系统将包含传感器、通信系统、外围设施等新型智能化基础设施，无人驾驶车辆等智能化交通工具，共享汽车等创新服务，满足多层次的出行服务系统、智能物流系统和管理系统。目前国内外琳琅满目的智能交通设备已经相对完备、先进，硬件已经相对成熟，现在的关键问题是如何通过这些设备获取数据，并有效利用。就这个角度而言，企业在智能交通领域的侧重点在于软件，通过软件对大数据进行处理，进行数据的模拟预测，能力估算尤为重要。
在当前阶段行业并不以某一项技术为代表，AI技术、汽车电子标识技术、大数据分析技术、云技术、互联网技术、车路协同技术井喷式发展，各类交通大数据系统、城市大脑系统落地建设。
企业要想抢占制高点就必须看到新潮流、新趋势当中涉及到自己的优势产品或方案机会点，要马上并且牢牢地抓住，让自己的优势搭上新潮流的列车。当然，如果自己还有额外的精力，也可以选择一些新的机会点进行试水，也许会增加不少额外的收入，发展出另一个优势点。最终能做出好的产品，更好的服务于社会。
智能交通新需求
在新技术逐步成熟后行业面临的主要问题包括信息共享问题、多源异构数据融合、海量数据处理、大数据分析问题等等。为了解决这些问题，对智能交通体系的更新和完善，宏观上有三层需求：
在感知交互层上，多种技术成熟，新的智能交通体系需要融合各类交通相关系统，感知层同时存在视频监控系统、卡口电警系统、信号控制系统、浮点车系统等多源异构系统；
在数据层上，构建信息化系统的云支撑系统，同时多源异构系统以统一标准融合。这里就需要行业主管部门制定统一的信息共享标准；
在应用层上，基于云设施支撑系统，构建交通云应用系统，例如交通态势系统、交通信号优化系统、交通辅助决策系统等。
总体来看，人工智能和物联感知一方面改变了数据的获取方式（感知智能），传统市场获取的信息以视频和图片为主，智能感知方面以车牌为主，随着人工智能和物联感知技术的发展，可以更深层次的挖掘数据，智能感知车牌、车辆特征、车辆行为、人脸、人体、非机动车、交通信息，另一方面改变了数据的认知方式（认知智能），人、车、行为等多维数据的碰撞，让信息系统的认知更智能。
最终体现在细分领域的应用，一是对管理维度提升，传统的车辆违法管理、缉查布控将扩展到出行者管理，例如驾驶人管理、非机动车、行人管理等。二是管理层次的提升，借助多源数据分析提升交通分析评价能力，提高城市综合管理能力。例如更成熟的交通态势的分析以及辅助决策系统的加速发展，城市级停车业务的加速发展。
抢占智能交通市场制高点
现阶段的智能交通行业有很多机会点，每个企业都有自己擅长的领域，有适合企业自身的发展方向。企业投入的重点主要是源于行业、客户需求。对于当前的智能交通行业，一套完整的具有创新技术的解决方案更吸引客户。就比如前面提到的人车大数据系统，需要感知层具备边缘计算能力，也需要中心大数据分析能力，完善的体系架构、软件硬件支持缺一不可。
在市场竞争中，企业要取得制高点，必须在技术、产品、解决方案、服务等形成核心竞争力，仅就技术层面来讲，当前比较看重的是AI技术，AI技术是对传统技术从本质上进行转变，形成新的感知智能以及认知智能，我们都在讲数据结构化、大数据分析，都是跟AI紧密集合的。AI技术可以贯穿多个行业，贯穿信息系统各层次。不是提倡每个企业横向铺开，而是抓紧符合自身客户需求的关键AI技术，纵向挖掘业务，为客户提供有价值的产品或者解决方案。
智能交通未来趋势
数据是推动智能交通发展的基础，人、车、行为识别都是获取数据的工具，是感知智能的提升。感知是基础，从感知智能到认知智能，最终改变的是业务架构，达到更深层次的业务应用。
整个交通数据生态的组成因素有人、车、路、场站枢纽四大因素。当前已经可以通过固定式检测设备感知车号牌、车流量、车特征等信息。通过场站枢纽的视频监控、出入口车辆识别、车位检测设备获取车辆进出数据。随着车路协同、辅助驾驶、无人驾驶技术的提升，可通过车载智能终端感知车辆相关移动数据，包括位置、行为等。我们也可以通过互联网技术，以移动终端（手机）感知出行者信息。未来、随着技术的发展和成熟，以及政策的支持，这四类信息将被全面感知，形成人车路场协同，提高整体交通通行效率。
目前国内各地智慧城市建设的重点和发展方向各不相同。智能交通是智慧城市发展中的重要组成部分，而且是相对成熟的部分，智慧城市建设将大幅推动智能交通市场发展。而智慧城市建设带动的市场发展以分为两部分：一部分是沿海及部分重点城市的先进经验向三、四线城市复制，这部分市场份额较大，因为技术相对成熟，可复制性强；另一部分是一、二线城市进行新技术试点，比如城市大脑相关项目会越来越多。此类项目对传统企业、互联网企业、IT企业、政府都提出了新的要求，会加速企业技术融合转型。
未来的市场和需求肯定是对车和人更加准确的采集。人和车也是所有业务应用的基础，前端的采集设备配合深度学习结构化的算法，更加精确的分析和分类。后端的平台接到已经分析好的数据进行更迅速的判断。