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。
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
