“智能+”拓宽交通智能化应用边界

图片来自“东方IC”。如果以城市为建设单位，那么智能交通的出现就是为了治愈“城市病”。所以我们常说，智慧城市，交通先行。对于智能，2019年全面放大，今年的政府工作报告中首次提出了“智能+”的概念。因此，在AI大行其道的当下，“智能+”在交通领域能做些什么，是本文的重点。“智能+”和“互联网+”也是一样的，都是政府提出的概念术语。我们可以理解为“智能+”是一种无处不在的智能，放在各行各业会有不同的解读。交通是一个公众参与的系统。未来，交通工具突出智能化一定是无处不在的。但无论如何无处不在，建设的立足点一定是更安全、更便捷、更绿色、更高效的智能交通系统。我们从几个方面来看AI如何控制智能交通，拓宽“智能+”在该领域的应用边界。让城市交通大脑成为“智能+”的控制中枢。从治安的角度来看，一个城市的文明程度，站在路口一眼就能看出来。城市文明交通将是所有城市日夜闪耀的名片。还有新时代交通管理的新常态。这是城市产业结构、需求结构和要素结构发生重大变化的开始。市民职住分离，出行波动可能更剧烈。互联网旅游、在线租车、电商外卖一波接一波地井喷。围绕“有序、畅通、安全、文明”的目标。从执法管理来看，新常态包括六个方面:●车辆数量井喷，车辆发展快于道路承载能力；●交通文明有待提高。有些人的不良出行习惯，会扰乱整个城市的交通安全和秩序；●交通规则丰富，交通管理越来越个性化、人性化，满足大部分最大的日常出行需求。同时交通规则因地制宜，因时制宜，管理规则越来越丰富灵活；●停车位少，新旧路网并存。城市居民住在老城区，在老城区生活教育，在新城区工作。长期以来，停车位少，新旧路网并存。●功能区密集，快速城市化，城区快速扩张，但教育、医疗、商业、工业园区等核心功能相对集中在部分城区；●交通监控、信号、交通诱导、互联网应用和移动应用仍然难以协调。这是现阶段无处不在的交通管理新常态。了解交通管理新常态，有助于贴近道路、贴近业务，发现新常态带来的新挑战。如前所述，“智能+”接棒“互联网+”是大势所趋。从宏观层面来看，“智能+”已经正式接替“互联网+”成为赋能传统行业的新动力。人工智能技术与传统行业深度融合，大规模落地的时机已经到来。从微观来看，随着物联网、大数据和云计算技术的丰富应用，“智能+”将使我们进入更智能的万物互联生活。正因为如此，2016年，阿里巴巴提出城市交通大脑要体现新时代“智能+”的能力，其平台需要运用大数据、云计算、人工智能等前沿核心技术，打造三个层面的“智能+”。前端包括:道路监控、交通卡口、电子警察、信号灯、执法仪等；平台包括:云计算、云存储、云网络、交通大数据湖、开放算法仓库、交通视频分析算法、违法情报分析算法、时空分析算法、信号优化算法；应用层包括:查控、违法取证、违法处理、信号优化、交通引导、出行提示、执法监管。因此，城市交通大脑需要构建AI技术在这三个层面部署统一算法、调度资源和训练所有应用算法，统一管理下层各类异构资源，完成各类算法任务的调度，并为业务数据的持续训练提供深度学习能力，支持基于深度学习的训练和推理服务，还提供大数据基础组件，可用于视频切片处理、图片存储、数据检索等。此外，还可以提供针对图像多维向量特征检索优化的结构化存储容量，可以支持百亿级别的高性能特征检索。这样，这样的城市交通大脑和新平台在支撑交通管理方面将达到五个效果:交通状态的感知，即数字化；对整个城市的感知，包括深度学习和数字化改造，比如将交通流参数数字化，包括速度、数量、车辆数据、道路饱和度、占用率等。互联网上的视频、图片分享:很多流量资源都是收集存储在各个区，没有分享分析。整个城市如何连接起来？整个城市需要成为一个资源池，视频利用率可以提高50%以上。不增加摄像头，但是前端视频和图片资源的利用率大大提高。全城智能分析算法融合:现在的交通系统包括很多块智能，包括视频监控设备中的智能，摄像头中的智能，卡口系统中的智能。现在的交通系统只能解决这个业务的问题，解决不了下一个业务的问题。通过开放平台和算法仓库，将这些碎片智能整合成一个完整的智能系统，实现智能业务的不断演进。交通违章大数据快速攻击建模:30分钟输出信息，支持专项打击。今天抓酒驾，明天处理翻斗车等等。交警表示，每一次专项行动都要有显著的执法成果和威慑力，这就需要大数据攻击建模引擎的支持。时空分析引擎，交通流智能分析，服务交通出行。总之，“智能+”下的城市交通大脑是一个整体系统的智能进化，架构和大脑神经元一样。智能交通可以在治安管理和执法中顺畅运行、高效协作，产生新的智慧。天网非现场执法建设也是近期部门高度关注和倡导的智能交通科技手段。原因如下:第一，随着城市的扩大，道路长度不断增加，车辆数量井喷，流动性大。传统的只依靠警察在路面巡逻抓拍交通违法行为并当场教育或处罚的执法模式已经不能适应当前道路交通安全管理的发展趋势，急需升级为AI+人工的新型管理模式。其次，在现场执法中，如路边违法停车、占用非机动车道、按喇叭、滥用灯光等。，容易造成现场执法中的纠纷、阻挠、抵制等现象，这就要求非现场执法更加强调事实和证据，进一步体现执法的公正性。第三，当前智能交通范围治理的重点是向人和车两个方向发展，形成的海量交通大数据包括人、车、路；视频、图片、交通流量等数据，后端需要有效的技术手段形成精准打击。正是因为有了痛点，才能凸显非现场执法的价值和意义。那么，什么是非现场执法呢？我们可以理解为具有违法行为自动判断、机器持续工作、人类部分认知能力的优势，准确快速地对机动车违法行为进行审查、分析和执法，并与交通大脑人群信息库、交通管理人像库、迷路驾驶人群信息库进行实时比对，实现全天候、全方位、高效的精准查处。成熟的机器视觉被用来代替人工视觉进行车辆目标提取、目标跟踪和车牌自动识别。非现场执法也在拓展“智能+”在新时代的应用。有以下几个方面:多维数据的准确识别。对于车牌号的抓取和识别技术目前已经非常成熟，业内的识别准确率非常好，大概是99%。不是很难，但是对于其他车辆特征，比如车型，logo，车模等。，虽然也能识别，但其指标和车牌识别指标还是有一定差距的。还有司机不系安全带、开车打电话等行为特征，准确率更低，有时在50%-60%左右。基本上可以理解为相机有这个功能，但是因为指数低，可用性其实不高。2018年以来，基于深度学习算法的抢购单元陆续出现，其显著特点是识别指标的快速提升。目前市场上主流品牌相机都支持对车牌、车型、车身颜色、车型、车标等几十种车辆特征信息的快速准确识别，同时也支持对非机动车和行人的识别。车辆大数据的应用在交通管制和车辆相关治安防控的应用中非常重要，而决定大数据能否用好的重要因素之一就是数据的准确性。在多维度数据识别精度方面，主流摄像头对车型、车模、车标等重要车辆特征的识别率在白天和黑夜都在98%以上，几乎接近车牌号识别的精度。有了这些更精准的多维数据作为支撑，车辆相关大数据的应用就会发挥作用。非法抓拍的重点是人和车的发展。人们首先想到的就是电子警察摄像头，它可以自动抓拍机动车的很多违法行为，比如闯红灯、违法变道、倒车、压线、不在导向车道行驶等。，给交警的非现场执法带来了很大的帮助，但基本都是围绕机动车这个目标。近两年来，随着AI技术的快速发展，抓拍相机的识别能力大大提高，违法抓拍的重点也不仅仅在机动车上，比如斑马线不客气让行人抓拍、行人闯红灯抓拍、失控驾驶的司机控制等。非法抓拍的焦点正在向两个方向发展:人和车。优秀的摄像头可以提供近20种人车周边违法抓拍功能，同时创新性地实现了闯绿灯、低速抓拍、车距抓拍等应用。此外，它们在快照效率方面也有不错的表现。实测数据显示，闯红灯、红灯停、压线、占用公交专用道等部分功能的快照效率高达100%。依托深度学习算法，单摄像头真正实现了多功能高效抓拍，以及在不同场景下的灵活应用。新的执法方式在北京、上海、海口等城市不断出现，一种新的非法抓拍业务:鸣笛抓拍。在禁鸣区增加声音定位设备检测鸣笛声，联动摄像头抓拍鸣笛车辆，进行违法处罚和违法告知……但需要控制城市车辆乱鸣喇叭的现象。以前，我们可能会认为这样的应用无法实现，但现在已经成为现实，并且风靡全国，很多城市已经开始进行试点建设。再比如，晚上车辆不按规定使用远光灯。通过非现场执法抓拍和识别这种违法驾驶行为的难度非常大。现在已经有厂商突破了这个技术难关，可以识别和捕捉远光灯了。可见，非现场执法凸显了交警执法的精准性。车路协同:让车辆和道路共享“智能+”。从交通领域来看，车路协同是“智能+”在智能交通领域最实际的场景应用。车路协同是一种安全、高效、环保的道路交通系统，采用先进的无线通信和下一代互联网技术，实现车辆与道路全方位的动态实时信息交互，在全时动态交通信息采集融合的基础上，进行主动的车辆安全控制和道路协同管理，充分实现人车有效协同，保障交通安全，提高通行效率。车路协同其实是下一代车联网技术。车路协调为什么备受关注，主要与智能驾驶和无人驾驶有关，让智能汽车行驶到智能道路上，人、车、路、环境四大交通要素都能协调统一。车路协调是智能交通领域的一个全新战场。2018年9月，阿里巴巴、百度等一些互联网大公司相继发布了车路协同的战略发展目标和规划，这也预示着会有“不速之客”跨界而来。车路协同实际上是将单车智能化的部分成本转移给政府部门，使道路智能化，从而降低智能网联汽车传感器的配置要求，降低其成本，加速其普及。从具体场景来看，有长期场景和短期场景。远期是对自动驾驶的场景探索。最近的场景主要是围绕车联网智能的应用。其主要场景包括:盲点预警、正面碰撞预警、电子紧急制动灯、路口辅助驾驶、禁止驾驶预警、违反信号或停止标志的预警、弯道速度预警、道路交通状况提示、车辆作为交通数据采集终端、匝道控制、信号配时、专用通道管理、交通系统状况预测等。当然，车路协调只是一个探索阶段。目前国内车路协同的智慧道路很少，但毕竟从道路、通信网络等方面拓宽了“智能+”的应用边界，进行了前所未有的尝试。结论和交通是智能交通的两个主管单位。作为建设者，他们正在借助人工智能、物联网、云计算等技术，应用“智能加”。从以上分析可以看出，智能交通已经从单纯的信息化发展到大数据执法的综合应用，也从单一关注人和车转向人、车、路、环境的高效协调，这是从辅助驾驶到无人驾驶的必由之路。此外，在AI赋能下，城市交通大脑的“智能+”应用最终将形成一个生态协同系统，比如大脑控制中心，利用车路协同组成的经络网络，对前端感知层组成的肢体进行精准控制。只有这样，“智能+”在智能交通中的意义才是重大的。图片来自“东方IC”。如果以城市为建设单位，那么智能交通的出现就是为了治愈“城市病”。所以我们常说，智慧城市，交通先行。对于智能，2019年全面放大，今年的政府工作报告中首次提出了“智能+”的概念。因此，此刻……在人工智能普及的今天，“智能+”在交通领域能做些什么是本文的重点。“智能+”和“互联网+”也是一样的，都是政府提出的概念术语。我们可以理解为“智能+”是一种无处不在的智能，放在各行各业会有不同的解读。交通是一个公众参与的系统。未来，交通工具突出智能化一定是无处不在的。但无论如何无处不在，建设的立足点一定是更安全、更便捷、更绿色、更高效的智能交通系统。我们从几个方面来看AI如何控制智能交通，拓宽“智能+”在该领域的应用边界。让城市交通大脑成为“智能+”的控制中枢。从治安的角度来看，一个城市的文明程度，站在路口一眼就能看出来。城市文明交通将是所有城市日夜闪耀的名片。还有新时代交通管理的新常态。这是城市产业结构、需求结构和要素结构发生重大变化的开始。市民职住分离，出行波动可能更剧烈。互联网旅游、在线租车、电商外卖一波接一波地井喷。围绕“有序、畅通、安全、文明”的目标。从执法管理来看，新常态包括六个方面:●车辆数量井喷，车辆发展快于道路承载能力；●交通文明有待提高。有些人的不良出行习惯，会扰乱整个城市的交通安全和秩序；●交通规则丰富，交通管理越来越个性化、人性化，满足大部分最大的日常出行需求。同时交通规则因地制宜，因时制宜，管理规则越来越丰富灵活；●停车位少，新旧路网并存。城市居民住在老城区，在老城区生活教育，在新城区工作。长期以来，停车位少，新旧路网并存。●功能区密集，快速城市化，城区快速扩张，但教育、医疗、商业、工业园区等核心功能相对集中在部分城区；●交通监控、信号、交通诱导、互联网应用和移动应用仍然难以协调。这是现阶段无处不在的交通管理新常态。了解交通管理新常态，有助于贴近道路、贴近业务，发现新常态带来的新挑战。如前所述，“智能+”接棒“互联网+”是大势所趋。从宏观层面来看，“智能+”已经正式接替“互联网+”成为赋能传统行业的新动力。人工智能技术与传统行业深度融合，大规模落地的时机已经到来。从微观来看，随着物联网、大数据和云计算技术的丰富应用，“智能+”将使我们进入更智能的万物互联生活。正因为如此，2016年，阿里巴巴提出城市交通大脑要体现新时代“智能+”的能力，其平台需要运用大数据、云计算、人工智能等前沿核心技术，打造三个层面的“智能+”。前端包括:道路监控、交通卡口、电子警察、信号灯、执法仪等；平台包括:云计算、云存储、云网络、交通大数据湖、开放算法仓库、交通视频分析算法、违法情报分析算法、时空分析算法、信号优化算法；应用层包括:查控、违法取证、违法处理、信号优化、交通引导、出行提示、执法监管。因此，城市交通大脑需要构建AI技术在这三个层面部署统一算法、调度资源和训练所有应用算法，统一管理下层各类异构资源，完成各类算法任务的调度，并为业务数据的持续训练提供深度学习能力，支持基于深度学习的训练和推理服务，还提供大数据基础组件，可用于视频切片处理、图片存储、数据检索等。此外，还可以提供针对图像多维向量特征检索优化的结构化存储容量，可以支持百亿级别的高性能特征检索。这样，这样的城市交通大脑和新平台在支撑交通管理方面将达到五个效果:交通状态的感知，即数字化；对整个城市的感知，包括深度学习和数字化改造，比如将交通流参数数字化，包括速度、数量、车辆数据、道路饱和度、占用率等。互联网上的视频、图片分享:很多流量资源都是收集存储在各个区，没有分享分析。整个城市如何连接起来？整个城市需要成为一个资源池，视频利用率可以提高50%以上。不增加摄像头，但是前端视频和图片资源的利用率大大提高。全城智能分析算法融合:现在的交通系统包括很多块智能，包括视频监控设备中的智能，摄像头中的智能，卡口系统中的智能。现在的交通系统只能解决这个业务的问题，解决不了下一个业务的问题。通过开放平台和算法仓库，将这些碎片智能整合成一个完整的智能系统，实现智能业务的不断演进。交通违章大数据快速攻击建模:30分钟输出信息，支持专项打击。今天抓酒驾，明天处理翻斗车等等。交警表示，每一次专项行动都要有显著的执法成果和威慑力，这就需要大数据攻击建模引擎的支持。时空分析引擎，交通流智能分析，服务交通出行。总之，“智能+”下的城市交通大脑是一个整体系统的智能进化，架构和大脑神经元一样。智能交通可以在治安管理和执法中顺畅运行、高效协作，产生新的智慧。天网非现场执法建设也是近期部门高度关注和倡导的智能交通科技手段。原因如下:第一，随着城市的扩大，道路长度不断增加，车辆数量井喷，流动性大。传统的只依靠警察在路面巡逻抓拍交通违法行为并当场教育或处罚的执法模式已经不能适应当前道路交通安全管理的发展趋势，急需升级为AI+人工的新型管理模式。其次，在现场执法中，如路边违法停车、占用非机动车道、按喇叭、滥用灯光等。，容易造成现场执法中的纠纷、阻挠、抵制等现象，这就要求非现场执法更加强调事实和证据，进一步体现执法的公正性。第三，当前智能交通范围治理的重点是向人和车两个方向发展，形成的海量交通大数据包括人、车、路；视频、图片、交通流量等数据，后端需要有效的技术手段形成精准打击。正是因为有了痛点，才能凸显非现场执法的价值和意义。那么，什么是非现场执法呢？我们可以理解为具有违法行为自动判断、机器持续工作、人类部分认知能力的优势，准确快速地对机动车违法行为进行审查、分析和执法，并与交通大脑人群信息库、交通管理人像库、迷路驾驶人群信息库进行实时比对，实现全天候、全方位、高效的精准查处。成熟的机器视觉被用来代替人工视觉进行车辆目标提取、目标跟踪和车牌自动识别。非现场执法也在拓展“智能+”在新时代的应用。有以下几个方面:多维数据的准确识别。对于车牌号的抓取和识别技术目前已经非常成熟，业内的识别准确率非常好，大概是99%。不是很难，但是对于其他车辆特征，比如车型，logo，车模等。，虽然也能识别，但其指标和车牌识别指标还是有一定差距的。还有司机不系安全带、开车打电话等行为特征，准确率更低，有时在50%-60%左右。基本上可以理解为相机有这个功能，但是因为指数低，可用性其实不高。2018年以来，基于深度学习算法的抢购单元陆续出现，其显著特点是识别指标的快速提升。目前市场上主流品牌相机都支持对车牌、车型、车身颜色、车型、车标等几十种车辆特征信息的快速准确识别，同时也支持对非机动车和行人的识别。车辆大数据的应用在交通管制和车辆相关治安防控的应用中非常重要，而决定大数据能否用好的重要因素之一就是数据的准确性。在多维度数据识别精度方面，主流摄像头对车型、车模、车标等重要车辆特征的识别率在白天和黑夜都在98%以上，几乎接近车牌号识别的精度。有了这些更精准的多维数据作为支撑，车辆相关大数据的应用就会发挥作用。非法抓拍的重点是人和车的发展。人们首先想到的就是电子警察摄像头，它可以自动抓拍机动车的很多违法行为，比如闯红灯、违法变道、倒车、压线、不在导向车道行驶等。，给交警的非现场执法带来了很大的帮助，但基本都是围绕机动车这个目标。近两年来，随着AI技术的快速发展，抓拍相机的识别能力大大提高，违法抓拍的重点也不仅仅在机动车上，比如斑马线不客气让行人抓拍、行人闯红灯抓拍、失控驾驶的司机控制等。非法抓拍的焦点正在向两个方向发展:人和车。优秀的摄像头可以提供近20种人车周边违法抓拍功能，同时创新性地实现了闯绿灯、低速抓拍、车距抓拍等应用。此外，它们在快照效率方面也有不错的表现。实测数据显示，闯红灯、红灯停、压线、占用公交专用道等部分功能的快照效率高达100%。依托深度学习算法，单摄像头真正实现了多功能高效抓拍，以及在不同场景下的灵活应用。新的执法方式在北京、上海、海口等城市不断出现，一种新的非法抓拍业务:鸣笛抓拍。在禁鸣区增加声音定位设备检测鸣笛声，联动摄像头抓拍鸣笛车辆，进行违法处罚和违法告知……但需要控制城市车辆乱鸣喇叭的现象。以前，我们可能会认为这样的应用无法实现，但现在已经成为现实，并且风靡全国，很多城市已经开始进行试点建设。再比如，晚上车辆不按规定使用远光灯。通过非现场执法抓拍和识别这种违法驾驶行为的难度非常大。现在已经有厂商突破了这个技术难关，可以识别和捕捉远光灯了。可见，非现场执法凸显了交警执法的精准性。车路协同:让车辆和道路共享“智能+”。从交通领域来看，车路协同是“智能+”在智能交通领域最实际的场景应用。车路协同是一种安全、高效、环保的道路交通系统，采用先进的无线通信和下一代互联网技术，实现车辆与道路全方位的动态实时信息交互，在全时动态交通信息采集融合的基础上，进行主动的车辆安全控制和道路协同管理，充分实现人车有效协同，保障交通安全，提高通行效率。车路协同其实是下一代车联网技术。车路协调为什么备受关注，主要与智能驾驶和无人驾驶有关，让智能汽车行驶到智能道路上，人、车、路、环境四大交通要素都能协调统一。车路协调是智能交通领域的一个全新战场。2018年9月，阿里巴巴、百度等一些互联网大公司相继发布了车路协同的战略发展目标和规划，这也预示着会有“不速之客”跨界而来。车路协同实际上是将单车智能化的部分成本转移给政府部门，使道路智能化，从而降低智能网联汽车传感器的配置要求，降低其成本，加速其普及。从具体场景来看，有长期场景和短期场景。远期是对自动驾驶的场景探索。最近的场景主要是围绕车联网智能的应用。其主要场景包括:盲点预警、正面碰撞预警、电子紧急制动灯、路口辅助驾驶、禁止驾驶预警、违反信号或停止标志的预警、弯道速度预警、道路交通状况提示、车辆作为交通数据采集终端、匝道控制、信号配时、专用通道管理、交通系统状况预测等。当然，车路协调只是一个探索阶段。目前国内车路协同的智慧道路很少，但毕竟从道路、通信网络等方面拓宽了“智能+”的应用边界，进行了前所未有的尝试。结论和交通是智能交通的两个主管单位。作为建设者，他们正在借助人工智能、物联网、云计算等技术，应用“智能加”。从以上分析可以看出，智能交通已经从单纯的信息化发展到大数据执法的综合应用，也从单一关注人和车转向人、车、路、环境的高效协调，这是从辅助驾驶到无人驾驶的必由之路。此外，在AI赋能下，城市交通大脑的“智能+”应用最终将形成一个生态协同系统，比如大脑控制中心，利用车路协同组成的经络网络，对前端感知层组成的肢体进行精准控制。只有这样，“智能+”在智能交通中的意义才是重大的。

标签：北京大众斑马发现

汽车资讯热门资讯