客戶諮詢熱線：13947352980 15647565016
歡迎光臨通遼市金興交通科技有限公司官方網站
版權所有：通遼市金興交通科技有限公司 網站建設：中企動力 沈陽 蒙ICP備18002523號-1
AI“上路” 路且長——聚焦人工智能在高速公路領域的應用
【摘要】：
2018-05-25 《中國交通信息化》雜志
文/《中國交通信息化》記者 崔雪薇
AI（Artificial Intelligence）即人工智能，對於我們並不陌生。在剛剛結束的2018世界人工智能圍棋大賽上，圍棋人工智能“星陣”戰勝了中國圍棋職業九段棋手柯潔，這是繼“AlphaGo”分別於2016年、2017年戰勝李世石、柯潔之後，人工智能再次擊敗人類。這讓我們看到了人工智能驚人的“進化”速度和發展潛力。更值得一提的是，“星陣”的前身是清華大學研發的圍棋AI“神算子”，是百分百的國產人工智能系統，意味着中國人工智能水平邁上了一個新高度。
人工智能的發展起起伏伏，經歷了一波又一波浪潮,新一代人工智能的繁榮，猶如一棵枝繁葉茂的大樹，滲透至各行業的藍圖之中，服務於衆多領域。當人工智能“上路”，也將與高速公路產生奇妙的化學效應，2018全國高速公路與人工智能技術應用研討會將目光聚焦在AI與高速公路上，將AI“上路”的畫卷清晰地展現在了我們眼前。
公路有“大腦”
對於人工智能，每個人都有自己的理解。東南大學交通學院譚春華教授在會上給出了人工智能的一般性解釋：指由人制造出來的機器所表現出來的智能，通常指通過普通計算機程序的手段實現的人類智能技術。其核心問題是建構能夠跟人類似甚至超越人類的推理、知識、規劃、學習、交流、感知、移動和操作物體的能力。
人工智能可分三類，即弱人工智能、強人工智能、超人工智能。其中，弱人工智能具有感知、記憶和存儲功能，是特定領域智能，應用場景是圖像識別、語音識別、語義分析、智能搜索、大數據應用；強人工智能具有認知與學習、決策與執行功能，是多領域綜合智能，應用場景是無人駕駛、機器人；超人工智能具有獨立意識與創新創造功能，將超越人類的智能，應用場景是創新創造和解決人類無法解決的問題。
公安部交通管理科學研究所國家工程實驗室副主任姜良維介紹，人工智能由智能感知、精確性計算、智能反饋控制三個環節組成，目的是體現感知、思考、行動三個層層遞進的特徵。智能感知收集足夠的結構化數據去表述具體應用場景，使計算機 “能聽、會看”；精確性計算使計算機具備足夠的計算能力來模擬人的某些思維過程和行爲，實現自我學習、邏輯判斷、高效決策；智能反饋控制將結果轉譯爲肢體運動和媒介信息傳輸給人機交互界面或外部設備，實現人機、機物的信息交流和物理互動。
如果把智能的高速公路比作一個人，那麼傳感器和執行器就是人的神經細胞和肌肉，互聯網絡就是人的神經系統，而通過人工智能技術構建的模型則是人的大腦。近年來，我國高速公路路網建設發展迅速，以高速公路爲骨架、普通公路爲主體的公路網已基本形成。同時，車路持續快速增長，人民日益增長的美好生活需要對高速公路的監測、應急、管理、服務和決策也提出了更高的要求。通過“大腦”的感知、學習、判斷、決策、交流與互動，高速公路將變得更加高效、智能。需求與應用安全和高效是高速公路的兩大特點，也是高速公路發展的目標，即從應急、監測兩個方面確保人、車、路的安全行駛，並實現高效的管理、服務、決策。因此，高速公路的發展需滿足應急、監測、管理、服務、決策這五個方面的需求。具體來說，就是以信息化、智能化引領高速公路管理和運營服務水平提升，積極推進雲計算、大數據等現代信息技術與高速公路管理、運營服務的深度融合，全面深化高速公路信息數據的共享和開發利用，建立健全完善的監測感知體系、可靠的通信保障體系、實時的預報預警體系，實現路網“可知、可測、可控、可服務”。 人工智能技術的引入將有效提升高速公路在應急、監測、管理、服務、決策這五個方面的能力，滿足路網“可知、可測、可控、可服務”的需求。中設設計集團股份有限公司施展在報告中指出，在人工智能的衆多技術中，高速公路管理服務可重點關注機器視覺、智能無人機、三維視覺等技術，並對其在高速公路中的應用進行了介紹。
機器視覺－－ 機器視覺技術是人工智能研究的分支之一，是一門研究如何使機器“看”的科學，能夠在圖像及圖像描述之間建立映射關系，從而使計算機能夠通過數字圖像處理和分析來理解視頻畫面中的內容，自動地分析和抽取視頻源中的關鍵信息。近幾年最火的技術之一深度學習，是一種可用於機器視覺的機器學習技術。
機器視覺在高速公路營運管理中的應用場景除了傳統的交通事故發現與預警、違停事件報警，還有道路路面檢測、道路拋灑物自動識別、違法行爲報警、交通流量/交通事件監測、員工服務監測，共七大場景。
智能無人機－－智能無人機是近幾年比較熱的技術。中設設計集團股份有限公司在內蒙古的無人區進行了大規模的科研，通過無人機裝備的掛載攝像機、掛載喇叭，將其應用於應急現場實時管控、違法侵害路產路權監管、超載超限監管等場景。
此外，智能無人機還可以進行道路養護巡查，解決外場探查有繞行、效率低、不安全的問題，提供直觀完整的數據，解決物理盲區。智能無人機還可應用於應急指揮調度場景，解決傳統應急保障響應慢、無法第一時間到達現場，現場視角受限、反應不全面，缺乏有效的、及時的現場取證手段等問題；具有快速響應，直線飛達現場，不受地形限制，視野開闊，機動靈活，實時拍攝留證的優勢。智能無人機近幾年在橋梁養護方面的應用也越來越多，如對江蘇的寧高新通道•石臼湖大橋、繞城公路•秦淮河大橋等橋梁進行檢測，無人機上掛高清變焦鏡頭，對橋側、橋墩、橋臺、橋柱等橋梁外觀進行檢測，可看清毫米級裂縫。
三維視覺－－
三維視覺技術除了應用於虛擬現實（如VR巡檢）方面，還可以在調度指令下發與執行、預案演練、設備巡檢、路線導航、信息提示、模擬駕駛等方面得到應用。尤其通過三維GIS、電子沙盤、虛擬現實技術，可實現高速公路基礎管理、資產管理、資源管理、工程管理、養護管理、應急預案等方面的應用。
基於虛擬現實的應急演練——傳統應急培訓演練主要通過講座、視頻、現場演習等方式實現，具有一定的局限性，如危險場景的模擬，無法對每個個體操作的規範性實現監督，而通過虛擬現實技術可模擬真實現場環境，提高應急演練的效果。
面向高速公路時間的快速三維重建還原——由於突發事件現場一旦被破壞或撤銷便無法還原，通過無人機、機器視覺等技術的應用可實現現場環境的完整保持，並通過基於三維地圖的事件模擬實現對現場情況的回溯、測量和分析。
除了以上提到的應用，通過智能機器人將可以爲服務區休息人員提供包括點餐、送餐、諮詢、導航等智能化、個性化服務；人工智能也將會在“一站式”出行服務、車聯網與無人駕駛，應急預案智能匹配、無感支付、逃費稽查、智能交互式客服、行爲監督、智能路徑規劃以及交通誘導等多方面逐步得到應用。
預警更精準
與國外相比，我國高速公路通行環境更加復雜、交通安全隱患更加多樣。面對日益延伸的高速公路和不斷增加的機動車，只有強化通行車輛的全天候管控、實施交通事故黑點的全方位預警，才能從源頭上確保“保安全、保暢通、降事故”的目標得到實現。姜良維爲大家介紹了基於人工智能視覺芯的高速公路交通事故預警預測方案。
預期目標－－
該方案針對高速公路復雜通行條件和惡劣行車環境下的安全行車問題，研究基於人工智能視覺芯的高速公路行車環境全息感知、基於深度學習的機動車通行行爲精準識別、基於聲光電的交通隱患即時預警等技術，研制具有高速公路交通事故預警預測的新型交通監控設備，在交通違法易發路段、交通隱患頻現部位示範應用，解決復雜交通場景下路況全息感知、行爲智能識別、隱患精準預警等難題，構建重大交通事故的“綜合評估、提前預警、即時幹預與快速處置”技術體系，保障機動車安全有序通行。
實現方法－－
1、高速公路行車環境全息感知
利用具有人工智能處理特性的智能芯片與交通視頻監控設備集成，基於嵌入式環境下高度優化的深度學習算法，解決高速公路大場景和低照度環境下全天候感知高速運動目標和高清晰場景成像問題，爲交通行爲分類理解獲取穩定可靠的車輛行爲特徵。
2、機動車通行行爲精準識別 基於深度學習算法提煉車輛的辨識特徵和運動特徵，並利用這些特徵對車輛的通行行爲進行分類識別。利用海量交通視頻數據，針對跟車過近、違法變道、長期騎行等具有交通隱患的通行行爲進行學習和訓練，實現對此類型交通行爲的精準識別。
3、交通隱患定位與預警在車流感知的基礎上，基於車流狀態、車流中車輛的通行行爲識別結果以及特定天氣條件檢測結果等，對車流的交通安全風險進行分級分類，根據交通隱患輕重等級對其進行預測定位，在特殊交通路段、交通事故現場或災害性天氣路段的前後方，以聲光電等形式進行定向預警和告知。
4、交通事故預警預測技術集成
集成基於人工智能視覺芯的高速公路行車環境全息感知設備、基於深度學習的通行機動車交通行爲精準識別軟件、基於聲光電的交通隱患即時預警設備，形成完整的具有高速公路交通事故預警預測的新型交通監控設備，構建基於視覺人工智能的高速公路交通事故預警預測技術體系。
幾點思考－－
對於高速公路交通事故預警預測，姜良維給出了幾點建議和思考。
對高速公路通行車輛進行全方位、多角度監測，是國內外交通管理領域的常規做法，準確有效記彔通行車輛運動行爲也是實現路面車輛科學化管理的必然要求。
隨着大數據和人工智能等新技術的發展，在交通監控設備中直接嵌入人工智能視覺芯是國內外技術發展的必然選擇。目前高速公路難以實現大場景夜間補光，也經常遇到濃霧、團霧等惡劣天氣，目前基於高清視頻成像的交通監控設備不僅功能單一，而且圖像清晰度不穩定，國內外相關公司都在致力於改善交通監控圖像品質。
嵌入人工智能視覺芯的交通監控設備，將集高清晰成像、全天候感知、多維度識別、精細化預警等功能於一體，將從本質上改變交通監控設備的內涵，爲解決復雜交通場景下高速公路路況全息感知、行爲智能識別、隱患精準預警提供條件。
打逃也智能
近年來高速公路頻繁出現車輛逃費現象，且日益嚴重，不僅給公路營運單位造成了巨大經濟損失，更嚴重破壞了高速公路運營管理秩序。逃費類型多種多樣，防不勝防。目前在打逃方面主要的瓶頸爲：針對高速公路車輛的通行信息數據的收集比較單薄，無法形成有效的證據鏈，如收費站出入口彔像設備不清晰且沒有增加對車輛車身及車尾的抓拍功能，導致核實逃費車輛信息取證難；現有的稽查打逃系統智能分析能力較低，無法對逃費車輛進行有效打擊。
針對這兩個問題，黑龍江省交通信息通信中心總工程師寧書勳講解了車輛多維特徵及大數據在打逃中的應用，可有效突破打逃瓶頸。
車輛多維特徵信息採集
車輛多維特徵信息採集的策略爲：在收費站出入口部署車型識別設備，主要由三組圖像採集系統、多元特徵信息提取分析系統、車輛分離系統、補光系統等組成，是實現高速公路可視化管理的基礎手段；在道路上部署高清卡口設備，實現對所有經過卡口點的車輛車牌抓拍自動識別及駕駛員的人臉抓拍，清晰辨別車輛顏色和車輛全貌，爲逃費稽查管理形成完整的證據鏈；增加二義性路徑識別設備，利用車牌自動識別技術，檢測車輛的行駛路徑，作爲通行費收取及分賬的依據；升級收費站車牌識別系統，要求升級後的車牌識別系統抓拍圖片具有良好的清晰度，同時還需提供抓拍圖片並上傳到路段管理平臺。
其中，車型識別系統採用機器視覺信息技術和多維車輛特徵信息提取分析技術，獲取車輛多維度的信息，集圖像採集、圖像處理、圖像抓拍、車輛特徵檢測、車牌識別、車型分類於一體，實現車輛車型自動識別及分類，適用於高速收費站自動發卡系統、套牌車查處、ETC逃費治理、治超車道等。
車輛多維特徵信息採集可以自動獲取車輛逃費的證據鏈，包括有逃費車輛出入口信息、車輛信息、逃費特徵說明、逃費地點、嫌疑車同作案車輛數據顯示、途中經過點車輛信息、車臉、人臉信息。
信息處理及其關鍵技術
信息處理環節利用前端設備採集的各種信息，結合相鄰系統數據，建立起大數據分析平臺，實現各類營運分析應用與逃費稽查功能，可實現數據查詢、逃費分析、路徑識別、布控報警、流量統計、黑名單管理、統計報表等功能。
動態分析與信息確認是技術難點
大數據分析平臺的數據收集是自動進行的，因此要求分析任務也必須是動態的，系統必須對新增的數據進行實時處理。現有數據還存在信息缺失、信息錯誤等情況，如斷面卡口數據中無車輛類型信息、入站車牌識別錯位、通行卡提前發卡等。網絡傳輸系統的穩定性與可靠性也存在問題。如何重建缺失信息、如何剔除錯誤信息對分析結果的正確性具有重大影響。
稽查分析是大數據分析平臺的重點功能 數據量、數據本身的質量問題是稽查分析的難點。稽查分析的基本思路是：首先從大量的數據中篩選出異常數據，然後從異常數據中盡可能地剔除由數據缺失或者系統本身造成的規律性錯誤數據，最後通過一類算法標識出有重大嫌疑的偷逃費用車輛。
且行且探索
橫看成嶺側成峯，遠近高低各不同
人工智能是個非常大的領域，涉及到諸如計算機視覺、自然語言理解與交流、認知與推理、機器人學、博弈與倫理等學科。國家智能交通系統工程技術研究中心副主任孟春雷指出，現在業內對於人工智能的理解就是從各自學習的角度去判斷，就如同蘇軾的《題西林壁》所言——橫看成嶺側成峯，遠近高低各不同，不識廬山真面目，只緣身在此山中。總體來說，我國人工智能的發展還處於一個比較初期的階段，概念性和戰略性還比較薄弱，理論還比較基礎和簡單，還不是一個扎實的工程學科，還無法對場景進行常識性的理解。
只是在“深度學習”算法上產生了突破
人工智能的發展經歷了一波又一波浪潮。南京大學軟件學院劉嘉教授強調，與我們最近的這一波人工智能浪潮與以往的浪潮相比，其最大的不同是：這一波人工智能浪潮只是在“深度學習”算法上產生了突破。在人工智能這個大領域中，機器視覺只是其中佔比不到十分之一的一個細分領域，而深度學習又是機器視覺領域中佔比不到十分之一的一個細分領域。這一波人工智能的發展主要得益於大數據的發展，大家認識到數據的價值，去收集、加工、標注大量的數據。在這個基礎上又因爲深度學習的發展，特別是工程化的發展，使得利用大量的數據建立精細化模型成爲可能。 1997年，“深藍”擊敗了卡斯帕羅夫，2016年“AlphaGo”戰勝了李世石。從算法的先進性以及計算的深度來看，這無疑是人工智能的進步，人類在最不可能被戰勝的項目上被AI戰勝了，可以說這是人工智能發展的裏程碑。但我們也只能說，人工智能只是在某一個點上完成的工作第一次超越了人，除了下圍棋，“AlphaGo”甚至還不能打死一只蒼蠅，更不用提處理國際關系了。
人工智能需要不斷學習和探索 雖然“深度學習”在語音和圖像識別上產生了突破，但目前人工智能的能力還是非常有限的，專家指出，我們將在弱人工智能階段停留很長時間。
人工智能需要不斷學習和探索，人工智能在高速公路領域的應用也是如此。自動/無人駕駛車輛一直在上路測試，是因爲即使行駛一百萬公裏，都不能遍歷所有的情況。在高速公路智能視頻識別與分析應用中，人工智能技術正在並將持續發揮重要作用，但目前基於智能視頻識別技術的事件檢測、應急預警、打擊逃費等應用大多只是融合了“深度學習”算法與大數據技術，且視頻庫中的絕大部分數據是無效的，基於人工智能的應用還有更深、更廣的領域需要探索。
AI才剛剛“上路”，前路漫漫，路阻且長。但我們相信，人工智能在高速公路領域的應用將大放異彩，在路的彼端，AI“上路”後的風景值得期待！（原文刊載於2018年第5期《中國交通信息化》雜志上）