AI赋能交通管理 - ITS文库 - 智慧交通网 ITS114.COM|中国智能交通领先的门户网站
  • 首页 > ITS百科 > ITS文库 > 正文

    AI赋能交通管理

    2020-08-26 10:38:58 来源:ITS智能交通 作者:范昌华 评论:
    分享到:

    各位领导、各位专家、各位同仁,大家下午好!我是来自苏州科达的范昌华,很荣幸有这样的机会跟大家分享科达在交通管理这块的产品和解决方案。今天给大家汇报的主题是“AI赋能交通管理”。AI这个话题最近几年炒得比较热,特别是在安防领域,由于和安防有着天然的契合点,人工智能在最近三四年里正以超乎想象的速度与安防行业相互融合。智慧交通是AI+安防主要应用场景之一。在AI赋能智慧交通交通管理方面,科达一直致力于AI场景化落地的研究与探索。
      首先我们先来了解一下什么是人工智能?人工智能并不是电影上看到的终结者或者黑客帝国,它的本质还是人工的智能,它只是把人从事的一些重复性的劳动进行机器化,同时通过赋予它智能的知识发现的过程,使它变得更智能。现代的人工智能是计算机视觉、模拟识别、机器视觉等学科的交集。

    image.png

      人工智能为什么会兴起呢?人工智能这个概念在1956年就已经提出了,经过了几十年的发展,一直没有得到很好的突破,直到一项新的技术——深度学习技术的出现。深度学习算法在2012年的时候赢得了国际学界的图象分析类的比赛,在2015年的时候,微软已经宣称在物体识别方面,基于深度学习的机器视觉超过了人类。2017年AlphaGo战胜了世界第一的围棋冠军。人工智能深度学习的算法在人脸识别这一块一直都在不断地探索,最好的非深度学习的算法的人脸识别的精度只能达到96.33%,人眼只能达到99.15%,但是基于深度学习算法的人脸识别算法可以达到99.47%。这也是决定了基于深度学习的人工智能能够在安防领域以及交通领域的广泛应用。

    image.png

      深度学习是什么呢?深度学习算法的本质还是它具备较多层数的人工神经网络,人工神经网络是对大脑响应外部刺激功能的模拟学习、网络的层次可达数百层之多,参数量可达千万级别,它是模拟人脑神经识别的算法,我们给它足够多的样本,它可以推断出一个基于准确值接近的值。深度学习算法的优点总结下来有三个,一是更鲁棒,它无需再手动设计挑选特征,机器自动学习对于当前任务的最佳特征。第二是可泛化,相同的神经网络方法可以适用于多种不同的应用和数据类别,比如说我们的图象识别算法、语音识别算法,都可以基于这种深度学习的特点。第三是可扩展,算法的效果可以随着训练数据量的增大而提升。在车辆特征识别这一块,你只要提供足够多的样本量,它的识别的特征和准确度均会越来越高。

    image.png

      科达在AI方面的技术战略,主要围绕三个方面,第一是算法,第二是数据,第三是算力,这也是AI战略的核心。首先在算法方面,我们成立了专业的算法团队,开发应用于各类场景下的算法的研究。在数据方面,我们充分利用现有的视频监控与视频会议的大数据,提升场景的适应能力,有效地选择实地数据,降低深度学习算法的训练时间,我们在各地展开了基于场景化训练数据的采集,我们前期会上很多的设备去采集这样的样本,同时返回实验局做研究。在算力方面,我们为算法提供了充裕的高能的算力,包括边缘计算以及云端的计算齐头并进,这一块我们都有相应的产品作为支撑。
      接下来看一下我们的具体产品。因为科达是一家产品和解决方案提供商,所以我们在AI落地场景化方面也研究了很多具体的产品。首先我们来看这张图,这不是一个电视墙,这是一个违法的集锦。现在多样化的违法的行为,都可以通过我们的前端摄像机进行识别。之前上海提过有36类的违法行为,针对众多的违法行为,我们提出了一个全能电警的概念,我们通过现有的抓拍设备,可以识别多种类型的违法行为,像闯红灯、压线、逆行、大弯小转、路口滞留、交替通行等等,只要能提供足够多的违法特征图片样本量,理论上都可以进行识别。

    image.png

      这是行人及非机动车的管理系统,这一块我们通过相机去识别它的违法行为,通过联动前面的球机去抓拍人脸,同时进行人脸的比对,可以形成一张完整的证据链合成图片。
      下面是我们的行人过街提示抓拍系统,这套系统是去年上海进博会期间我们在上海外滩部署的。它将传统的行人信号灯与行人闯红灯抓拍进行有效的结合,同时在道路上面部署机动车提示灯和行人过街提示灯,跟信号系统进行联动。目前该系统在上海外滩的十几个路口都有部署,也是抖音上的网红打卡胜地。

    image.png

      接下来是渣土车闯红灯管理系统,我们知道渣土车后面的车牌很容易污损,它在闯红灯的时候,我们可以抓拍违法行为图片,但是识别不了车牌,所以就没办法对它进行处罚,我们在武汉跟当地的交管部门合作,在正前方的信号灯上加装抓拍相机,通过电警抓拍机精准地识别出渣土车辆及违法行为,再联动前方抓拍相机进行抓拍,识别车牌。形成六合一的违法合成图片。

    image.png

      接下来是汽车鸣笛车辆定位,除了传统的禁鸣抓拍,我们进行了更多的探索,包括对特种车辆(警车、救护车)声音的识别以及改装车、鬼火车识别等,这是基于AI语音算法技术的探索。
      接下来是黑烟车识别抓拍系统,传统的黑烟车抓拍系统都是通过遥感+抓拍相机实现,这个成本比较高,我们目前通过深度学习的算法,通过现有的卡口设备识别黑烟车,同时进行自动的抓拍,目前在苏州、济南都有项目实测案例,目前准确率可以达到50%以上且算法持续优化中。

    image.png

      接下来是我们最近会推出的一个AI超微光卡口,友商叫做黑光卡口或者环保卡口。我司产品最大的特点是,仍然采用原有的抓拍摄像机,在白天只用闪光灯补光,当然我们的闪光灯具有专利设计,拥有很好的环保抓拍效果,在深圳我们已经上了很多套这种补光设备。夜间我们采用的是低亮的频闪灯,我们的相机利用深度学习技术,能够在不同光照亮度条件下进行车辆的识别,通过算法进行过车图片原始颜色还原。
      下面是AI智慧检查站解决方案,这套系统也是去年上海进博会的期间,我司针对苏州花桥检查站做的一个典型案例,我们做到提前布控的感知,包括全程大屏可视化的展示,大场景的AR车辆跟踪,精准布控拦截等。
      下面是AI的违法研判。现在违法的图片越来越多,单从人工去审核,工作量非常巨大,所以我们也在违法智能分析这一块分析了相关的算法,通过对违法图片进行预审,包括对废片的回滚,可以减轻人工审核的工作强度。
      AI的违法研判方面,我们在去年推出了精准打击研判的平台,包括在网车辆分析、重点车辆管理、重点人员分析、动态违法监测、事故信息研判、交通态势研判等等都可以实现。
      AI的精准打击方面,我们的产品在移动端的领域也是全部实现AI赋能,它具备车牌的自动识别和人脸的无感知的抓拍,通过这些移动执法设备与平台的配合,再到后端的民警的执勤处理。可以实现人员、车辆和人车合一的布控、管理,实现准确的拦截定位。

    image.png

      最后,我们正在经历一场伟大的技术变革,人工智能早已经上升为国家战略,科达在2017年深圳安博会首次提出了AI In All的战略布局,我们的所有产品都在往AI赋能方向探索。在交通管理方面,我们在8月份合肥智能交通展上将会推出更多新品和解决方案。

      本报告来源于第十六届中国(国际)城市智能交通论坛,未经本人确认。

  • 关键字: 交通管理 AI
  •    责任编辑:刘艳
  • 每周新闻精选

  • 关于我们
  • 联系我们
  • 广告赞助