“智能+”拓寬交通智能化應用邊界

圖片來自“東方IC”。如果以城市為建設單位，那么智能交通的出現就是為了治愈“城市病”。所以我們常說，智慧城市，交通先行。對于智能，2019年全面放大，今年的政府工作報告中首次提出了“智能+”的概念。因此，在AI大行其道的當下，“智能+”在交通領域能做些什么，是本文的重點。“智能+”和“互聯網+”也是一樣的，都是政府提出的概念術語。我們可以理解為“智能+”是一種無處不在的智能，放在各行各業會有不同的解讀。交通是一個公眾參與的系統。未來，交通工具突出智能化一定是無處不在的。但無論如何無處不在，建設的立足點一定是更安全、更便捷、更綠色、更高效的智能交通系統。我們從幾個方面來看AI如何控制智能交通，拓寬“智能+”在該領域的應用邊界。讓城市交通大腦成為“智能+”的控制中樞。從治安的角度來看，一個城市的文明程度，站在路口一眼就能看出來。城市文明交通將是所有城市日夜閃耀的名片。還有新時代交通管理的新常態。這是城市產業結構、需求結構和要素結構發生重大變化的開始。市民職住分離，出行波動可能更劇烈。互聯網旅游、在線租車、電商外賣一波接一波地井噴。圍繞“有序、暢通、安全、文明”的目標。從執法管理來看，新常態包括六個方面:●車輛數量井噴，車輛發展快于道路承載能力；●交通文明有待提高。有些人的不良出行習慣，會擾亂整個城市的交通安全和秩序；●交通規則豐富，交通管理越來越個性化、人性化，滿足大部分最大的日常出行需求。同時交通規則因地制宜，因時制宜，管理規則越來越豐富靈活；●停車位少，新舊路網并存。城市居民住在老城區，在老城區生活教育，在新城區工作。長期以來，停車位少，新舊路網并存。●功能區密集，快速城市化，城區快速擴張，但教育、醫療、商業、工業園區等核心功能相對集中在部分城區；●交通監控、信號、交通誘導、互聯網應用和移動應用仍然難以協調。這是現階段無處不在的交通管理新常態。了解交通管理新常態，有助于貼近道路、貼近業務，發現新常態帶來的新挑戰。如前所述，“智能+”接棒“互聯網+”是大勢所趨。從宏觀層面來看，“智能+”已經正式接替“互聯網+”成為賦能傳統行業的新動力。人工智能技術與傳統行業深度融合，大規模落地的時機已經到來。從微觀來看，隨著物聯網、大數據和云計算技術的豐富應用，“智能+”將使我們進入更智能的萬物互聯生活。正因為如此，2016年，阿里巴巴提出城市交通大腦要體現新時代“智能+”的能力，其平臺需要運用大數據、云計算、人工智能等前沿核心技術，打造三個層面的“智能+”。前端包括:道路監控、交通卡口、電子警察、信號燈、執法儀等；平臺包括:云計算、云存儲、云網絡、交通大數據湖、開放算法倉庫、交通視頻分析算法、違法情報分析算法、時空分析算法、信號優化算法；應用層包括:查控、違法取證、違法處理、信號優化、交通引導、出行提示、執法監管。因此，城市交通大腦需要構建AI技術在這三個層面部署統一算法、調度資源和訓練所有應用算法，統一管理下層各類異構資源，完成各類算法任務的調度，并為業務數據的持續訓練提供深度學習能力，支持基于深度學習的訓練和推理服務，還提供大數據基礎組件，可用于視頻切片處理、圖片存儲、數據檢索等。此外，還可以提供針對圖像多維向量特征檢索優化的結構化存儲容量，可以支持百億級別的高性能特征檢索。這樣，這樣的城市交通大腦和新平臺在支撐交通管理方面將達到五個效果:交通狀態的感知，即數字化；對整個城市的感知，包括深度學習和數字化改造，比如將交通流參數數字化，包括速度、數量、車輛數據、道路飽和度、占用率等。互聯網上的視頻、圖片分享:很多流量資源都是收集存儲在各個區，沒有分享分析。整個城市如何連接起來？整個城市需要成為一個資源池，視頻利用率可以提高50%以上。不增加攝像頭，但是前端視頻和圖片資源的利用率大大提高。全城智能分析算法融合:現在的交通系統包括很多塊智能，包括視頻監控設備中的智能，攝像頭中的智能，卡口系統中的智能。現在的交通系統只能解決這個業務的問題，解決不了下一個業務的問題。通過開放平臺和算法倉庫，將這些碎片智能整合成一個完整的智能系統，實現智能業務的不斷演進。交通違章大數據快速攻擊建模:30分鐘輸出信息，支持專項打擊。今天抓酒駕，明天處理翻斗車等等。交警表示，每一次專項行動都要有顯著的執法成果和威懾力，這就需要大數據攻擊建模引擎的支持。時空分析引擎，交通流智能分析，服務交通出行。總之，“智能+”下的城市交通大腦是一個整體系統的智能進化，架構和大腦神經元一樣。智能交通可以在治安管理和執法中順暢運行、高效協作，產生新的智慧。天網非現場執法建設也是近期部門高度關注和倡導的智能交通科技手段。原因如下:第一，隨著城市的擴大，道路長度不斷增加，車輛數量井噴，流動性大。傳統的只依靠警察在路面巡邏抓拍交通違法行為并當場教育或處罰的執法模式已經不能適應當前道路交通安全管理的發展趨勢，急需升級為AI+人工的新型管理模式。其次，在現場執法中，如路邊違法停車、占用非機動車道、按喇叭、濫用燈光等。，容易造成現場執法中的糾紛、阻撓、抵制等現象，這就要求非現場執法更加強調事實和證據，進一步體現執法的公正性。第三，當前智能交通范圍治理的重點是向人和車兩個方向發展，形成的海量交通大數據包括人、車、路；視頻、圖片、交通流量等數據，后端需要有效的技術手段形成精準打擊。正是因為有了痛點，才能凸顯非現場執法的價值和意義。那么，什么是非現場執法呢？我們可以理解為具有違法行為自動判斷、機器持續工作、人類部分認知能力的優勢，準確快速地對機動車違法行為進行審查、分析和執法，并與交通大腦人群信息庫、交通管理人像庫、迷路駕駛人群信息庫進行實時比對，實現全天候、全方位、高效的精準查處。成熟的機器視覺被用來代替人工視覺進行車輛目標提取、目標跟蹤和車牌自動識別。非現場執法也在拓展“智能+”在新時代的應用。有以下幾個方面:多維數據的準確識別。對于車牌號的抓取和識別技術目前已經非常成熟，業內的識別準確率非常好，大概是99%。不是很難，但是對于其他車輛特征，比如車型，logo，車模等。，雖然也能識別，但其指標和車牌識別指標還是有一定差距的。還有司機不系安全帶、開車打電話等行為特征，準確率更低，有時在50%-60%左右。基本上可以理解為相機有這個功能，但是因為指數低，可用性其實不高。2018年以來，基于深度學習算法的搶購單元陸續出現，其顯著特點是識別指標的快速提升。目前市場上主流品牌相機都支持對車牌、車型、車身顏色、車型、車標等幾十種車輛特征信息的快速準確識別，同時也支持對非機動車和行人的識別。車輛大數據的應用在交通管制和車輛相關治安防控的應用中非常重要，而決定大數據能否用好的重要因素之一就是數據的準確性。在多維度數據識別精度方面，主流攝像頭對車型、車模、車標等重要車輛特征的識別率在白天和黑夜都在98%以上，幾乎接近車牌號識別的精度。有了這些更精準的多維數據作為支撐，車輛相關大數據的應用就會發揮作用。非法抓拍的重點是人和車的發展。人們首先想到的就是電子警察攝像頭，它可以自動抓拍機動車的很多違法行為，比如闖紅燈、違法變道、倒車、壓線、不在導向車道行駛等。，給交警的非現場執法帶來了很大的幫助，但基本都是圍繞機動車這個目標。近兩年來，隨著AI技術的快速發展，抓拍相機的識別能力大大提高，違法抓拍的重點也不僅僅在機動車上，比如斑馬線不客氣讓行人抓拍、行人闖紅燈抓拍、失控駕駛的司機控制等。非法抓拍的焦點正在向兩個方向發展:人和車。優秀的攝像頭可以提供近20種人車周邊違法抓拍功能，同時創新性地實現了闖綠燈、低速抓拍、車距抓拍等應用。此外，它們在快照效率方面也有不錯的表現。實測數據顯示，闖紅燈、紅燈停、壓線、占用公交專用道等部分功能的快照效率高達100%。依托深度學習算法，單攝像頭真正實現了多功能高效抓拍，以及在不同場景下的靈活應用。新的執法方式在北京、上海、海口等城市不斷出現，一種新的非法抓拍業務:鳴笛抓拍。在禁鳴區增加聲音定位設備檢測鳴笛聲，聯動攝像頭抓拍鳴笛車輛，進行違法處罰和違法告知……但需要控制城市車輛亂鳴喇叭的現象。以前，我們可能會認為這樣的應用無法實現，但現在已經成為現實，并且風靡全國，很多城市已經開始進行試點建設。再比如，晚上車輛不按規定使用遠光燈。通過非現場執法抓拍和識別這種違法駕駛行為的難度非常大。現在已經有廠商突破了這個技術難關，可以識別和捕捉遠光燈了。可見，非現場執法凸顯了交警執法的精準性。車路協同:讓車輛和道路共享“智能+”。從交通領域來看，車路協同是“智能+”在智能交通領域最實際的場景應用。車路協同是一種安全、高效、環保的道路交通系統，采用先進的無線通信和下一代互聯網技術，實現車輛與道路全方位的動態實時信息交互，在全時動態交通信息采集融合的基礎上，進行主動的車輛安全控制和道路協同管理，充分實現人車有效協同，保障交通安全，提高通行效率。車路協同其實是下一代車聯網技術。車路協調為什么備受關注，主要與智能駕駛和無人駕駛有關，讓智能汽車行駛到智能道路上，人、車、路、環境四大交通要素都能協調統一。車路協調是智能交通領域的一個全新戰場。2018年9月，阿里巴巴、百度等一些互聯網大公司相繼發布了車路協同的戰略發展目標和規劃，這也預示著會有“不速之客”跨界而來。車路協同實際上是將單車智能化的部分成本轉移給政府部門，使道路智能化，從而降低智能網聯汽車傳感器的配置要求，降低其成本，加速其普及。從具體場景來看，有長期場景和短期場景。遠期是對自動駕駛的場景探索。最近的場景主要是圍繞車聯網智能的應用。其主要場景包括:盲點預警、正面碰撞預警、電子緊急制動燈、路口輔助駕駛、禁止駕駛預警、違反信號或停止標志的預警、彎道速度預警、道路交通狀況提示、車輛作為交通數據采集終端、匝道控制、信號配時、專用通道管理、交通系統狀況預測等。當然，車路協調只是一個探索階段。目前國內車路協同的智慧道路很少，但畢竟從道路、通信網絡等方面拓寬了“智能+”的應用邊界，進行了前所未有的嘗試。結論和交通是智能交通的兩個主管單位。作為建設者，他們正在借助人工智能、物聯網、云計算等技術，應用“智能加”。從以上分析可以看出，智能交通已經從單純的信息化發展到大數據執法的綜合應用，也從單一關注人和車轉向人、車、路、環境的高效協調，這是從輔助駕駛到無人駕駛的必由之路。此外，在AI賦能下，城市交通大腦的“智能+”應用最終將形成一個生態協同系統，比如大腦控制中心，利用車路協同組成的經絡網絡，對前端感知層組成的肢體進行精準控制。只有這樣，“智能+”在智能交通中的意義才是重大的。圖片來自“東方IC”。如果以城市為建設單位，那么智能交通的出現就是為了治愈“城市病”。所以我們常說，智慧城市，交通先行。對于智能，2019年全面放大，今年的政府工作報告中首次提出了“智能+”的概念。因此，此刻……在人工智能普及的今天，“智能+”在交通領域能做些什么是本文的重點。“智能+”和“互聯網+”也是一樣的，都是政府提出的概念術語。我們可以理解為“智能+”是一種無處不在的智能，放在各行各業會有不同的解讀。交通是一個公眾參與的系統。未來，交通工具突出智能化一定是無處不在的。但無論如何無處不在，建設的立足點一定是更安全、更便捷、更綠色、更高效的智能交通系統。我們從幾個方面來看AI如何控制智能交通，拓寬“智能+”在該領域的應用邊界。讓城市交通大腦成為“智能+”的控制中樞。從治安的角度來看，一個城市的文明程度，站在路口一眼就能看出來。城市文明交通將是所有城市日夜閃耀的名片。還有新時代交通管理的新常態。這是城市產業結構、需求結構和要素結構發生重大變化的開始。市民職住分離，出行波動可能更劇烈。互聯網旅游、在線租車、電商外賣一波接一波地井噴。圍繞“有序、暢通、安全、文明”的目標。從執法管理來看，新常態包括六個方面:●車輛數量井噴，車輛發展快于道路承載能力；●交通文明有待提高。有些人的不良出行習慣，會擾亂整個城市的交通安全和秩序；●交通規則豐富，交通管理越來越個性化、人性化，滿足大部分最大的日常出行需求。同時交通規則因地制宜，因時制宜，管理規則越來越豐富靈活；●停車位少，新舊路網并存。城市居民住在老城區，在老城區生活教育，在新城區工作。長期以來，停車位少，新舊路網并存。●功能區密集，快速城市化，城區快速擴張，但教育、醫療、商業、工業園區等核心功能相對集中在部分城區；●交通監控、信號、交通誘導、互聯網應用和移動應用仍然難以協調。這是現階段無處不在的交通管理新常態。了解交通管理新常態，有助于貼近道路、貼近業務，發現新常態帶來的新挑戰。如前所述，“智能+”接棒“互聯網+”是大勢所趨。從宏觀層面來看，“智能+”已經正式接替“互聯網+”成為賦能傳統行業的新動力。人工智能技術與傳統行業深度融合，大規模落地的時機已經到來。從微觀來看，隨著物聯網、大數據和云計算技術的豐富應用，“智能+”將使我們進入更智能的萬物互聯生活。正因為如此，2016年，阿里巴巴提出城市交通大腦要體現新時代“智能+”的能力，其平臺需要運用大數據、云計算、人工智能等前沿核心技術，打造三個層面的“智能+”。前端包括:道路監控、交通卡口、電子警察、信號燈、執法儀等；平臺包括:云計算、云存儲、云網絡、交通大數據湖、開放算法倉庫、交通視頻分析算法、違法情報分析算法、時空分析算法、信號優化算法；應用層包括:查控、違法取證、違法處理、信號優化、交通引導、出行提示、執法監管。因此，城市交通大腦需要構建AI技術在這三個層面部署統一算法、調度資源和訓練所有應用算法，統一管理下層各類異構資源，完成各類算法任務的調度，并為業務數據的持續訓練提供深度學習能力，支持基于深度學習的訓練和推理服務，還提供大數據基礎組件，可用于視頻切片處理、圖片存儲、數據檢索等。此外，還可以提供針對圖像多維向量特征檢索優化的結構化存儲容量，可以支持百億級別的高性能特征檢索。這樣，這樣的城市交通大腦和新平臺在支撐交通管理方面將達到五個效果:交通狀態的感知，即數字化；對整個城市的感知，包括深度學習和數字化改造，比如將交通流參數數字化，包括速度、數量、車輛數據、道路飽和度、占用率等。互聯網上的視頻、圖片分享:很多流量資源都是收集存儲在各個區，沒有分享分析。整個城市如何連接起來？整個城市需要成為一個資源池，視頻利用率可以提高50%以上。不增加攝像頭，但是前端視頻和圖片資源的利用率大大提高。全城智能分析算法融合:現在的交通系統包括很多塊智能，包括視頻監控設備中的智能，攝像頭中的智能，卡口系統中的智能。現在的交通系統只能解決這個業務的問題，解決不了下一個業務的問題。通過開放平臺和算法倉庫，將這些碎片智能整合成一個完整的智能系統，實現智能業務的不斷演進。交通違章大數據快速攻擊建模:30分鐘輸出信息，支持專項打擊。今天抓酒駕，明天處理翻斗車等等。交警表示，每一次專項行動都要有顯著的執法成果和威懾力，這就需要大數據攻擊建模引擎的支持。時空分析引擎，交通流智能分析，服務交通出行。總之，“智能+”下的城市交通大腦是一個整體系統的智能進化，架構和大腦神經元一樣。智能交通可以在治安管理和執法中順暢運行、高效協作，產生新的智慧。天網非現場執法建設也是近期部門高度關注和倡導的智能交通科技手段。原因如下:第一，隨著城市的擴大，道路長度不斷增加，車輛數量井噴，流動性大。傳統的只依靠警察在路面巡邏抓拍交通違法行為并當場教育或處罰的執法模式已經不能適應當前道路交通安全管理的發展趨勢，急需升級為AI+人工的新型管理模式。其次，在現場執法中，如路邊違法停車、占用非機動車道、按喇叭、濫用燈光等。，容易造成現場執法中的糾紛、阻撓、抵制等現象，這就要求非現場執法更加強調事實和證據，進一步體現執法的公正性。第三，當前智能交通范圍治理的重點是向人和車兩個方向發展，形成的海量交通大數據包括人、車、路；視頻、圖片、交通流量等數據，后端需要有效的技術手段形成精準打擊。正是因為有了痛點，才能凸顯非現場執法的價值和意義。那么，什么是非現場執法呢？我們可以理解為具有違法行為自動判斷、機器持續工作、人類部分認知能力的優勢，準確快速地對機動車違法行為進行審查、分析和執法，并與交通大腦人群信息庫、交通管理人像庫、迷路駕駛人群信息庫進行實時比對，實現全天候、全方位、高效的精準查處。成熟的機器視覺被用來代替人工視覺進行車輛目標提取、目標跟蹤和車牌自動識別。非現場執法也在拓展“智能+”在新時代的應用。有以下幾個方面:多維數據的準確識別。對于車牌號的抓取和識別技術目前已經非常成熟，業內的識別準確率非常好，大概是99%。不是很難，但是對于其他車輛特征，比如車型，logo，車模等。，雖然也能識別，但其指標和車牌識別指標還是有一定差距的。還有司機不系安全帶、開車打電話等行為特征，準確率更低，有時在50%-60%左右。基本上可以理解為相機有這個功能，但是因為指數低，可用性其實不高。2018年以來，基于深度學習算法的搶購單元陸續出現，其顯著特點是識別指標的快速提升。目前市場上主流品牌相機都支持對車牌、車型、車身顏色、車型、車標等幾十種車輛特征信息的快速準確識別，同時也支持對非機動車和行人的識別。車輛大數據的應用在交通管制和車輛相關治安防控的應用中非常重要，而決定大數據能否用好的重要因素之一就是數據的準確性。在多維度數據識別精度方面，主流攝像頭對車型、車模、車標等重要車輛特征的識別率在白天和黑夜都在98%以上，幾乎接近車牌號識別的精度。有了這些更精準的多維數據作為支撐，車輛相關大數據的應用就會發揮作用。非法抓拍的重點是人和車的發展。人們首先想到的就是電子警察攝像頭，它可以自動抓拍機動車的很多違法行為，比如闖紅燈、違法變道、倒車、壓線、不在導向車道行駛等。，給交警的非現場執法帶來了很大的幫助，但基本都是圍繞機動車這個目標。近兩年來，隨著AI技術的快速發展，抓拍相機的識別能力大大提高，違法抓拍的重點也不僅僅在機動車上，比如斑馬線不客氣讓行人抓拍、行人闖紅燈抓拍、失控駕駛的司機控制等。非法抓拍的焦點正在向兩個方向發展:人和車。優秀的攝像頭可以提供近20種人車周邊違法抓拍功能，同時創新性地實現了闖綠燈、低速抓拍、車距抓拍等應用。此外，它們在快照效率方面也有不錯的表現。實測數據顯示，闖紅燈、紅燈停、壓線、占用公交專用道等部分功能的快照效率高達100%。依托深度學習算法，單攝像頭真正實現了多功能高效抓拍，以及在不同場景下的靈活應用。新的執法方式在北京、上海、海口等城市不斷出現，一種新的非法抓拍業務:鳴笛抓拍。在禁鳴區增加聲音定位設備檢測鳴笛聲，聯動攝像頭抓拍鳴笛車輛，進行違法處罰和違法告知……但需要控制城市車輛亂鳴喇叭的現象。以前，我們可能會認為這樣的應用無法實現，但現在已經成為現實，并且風靡全國，很多城市已經開始進行試點建設。再比如，晚上車輛不按規定使用遠光燈。通過非現場執法抓拍和識別這種違法駕駛行為的難度非常大。現在已經有廠商突破了這個技術難關，可以識別和捕捉遠光燈了。可見，非現場執法凸顯了交警執法的精準性。車路協同:讓車輛和道路共享“智能+”。從交通領域來看，車路協同是“智能+”在智能交通領域最實際的場景應用。車路協同是一種安全、高效、環保的道路交通系統，采用先進的無線通信和下一代互聯網技術，實現車輛與道路全方位的動態實時信息交互，在全時動態交通信息采集融合的基礎上，進行主動的車輛安全控制和道路協同管理，充分實現人車有效協同，保障交通安全，提高通行效率。車路協同其實是下一代車聯網技術。車路協調為什么備受關注，主要與智能駕駛和無人駕駛有關，讓智能汽車行駛到智能道路上，人、車、路、環境四大交通要素都能協調統一。車路協調是智能交通領域的一個全新戰場。2018年9月，阿里巴巴、百度等一些互聯網大公司相繼發布了車路協同的戰略發展目標和規劃，這也預示著會有“不速之客”跨界而來。車路協同實際上是將單車智能化的部分成本轉移給政府部門，使道路智能化，從而降低智能網聯汽車傳感器的配置要求，降低其成本，加速其普及。從具體場景來看，有長期場景和短期場景。遠期是對自動駕駛的場景探索。最近的場景主要是圍繞車聯網智能的應用。其主要場景包括:盲點預警、正面碰撞預警、電子緊急制動燈、路口輔助駕駛、禁止駕駛預警、違反信號或停止標志的預警、彎道速度預警、道路交通狀況提示、車輛作為交通數據采集終端、匝道控制、信號配時、專用通道管理、交通系統狀況預測等。當然，車路協調只是一個探索階段。目前國內車路協同的智慧道路很少，但畢竟從道路、通信網絡等方面拓寬了“智能+”的應用邊界，進行了前所未有的嘗試。結論和交通是智能交通的兩個主管單位。作為建設者，他們正在借助人工智能、物聯網、云計算等技術，應用“智能加”。從以上分析可以看出，智能交通已經從單純的信息化發展到大數據執法的綜合應用，也從單一關注人和車轉向人、車、路、環境的高效協調，這是從輔助駕駛到無人駕駛的必由之路。此外，在AI賦能下，城市交通大腦的“智能+”應用最終將形成一個生態協同系統，比如大腦控制中心，利用車路協同組成的經絡網絡，對前端感知層組成的肢體進行精準控制。只有這樣，“智能+”在智能交通中的意義才是重大的。

標簽：北京大眾斑馬發現

汽車資訊熱門資訊