从“人工+智能”到“人工智能”,交管“云脑”的蜕变之路

在刚刚结束的2019中国智能交通年会上，公安部交通管理科学研究所王长君所长透露了一组数据：全国428个交警支队、3935个交警大队建设应用了公安交通集成指挥平台，而这一平台是智能交通管理领域对“人工智能+大数据”的典型应用，从而实现人、车违法行为精准识别以及路况的精准管理。更为重要的是，现在被广泛接受和试点的城市“交通大脑”，实际上就是以公安交通集成指挥平台为核心，以各种创新技术为支撑的智能化信息系统。

但400多个交警支队，近4000个交警大队所建设的平台，所发挥的作用在同一水平线上吗？作为“交通大脑”的主要承载体，又应该如何提供更贴近交管工作需求，更贴近实战的数据决策支持、解决方案支持、警力调度支持？

在“大脑”满天飞的现在，交管单位应该如何选择？不同的城市有不同的交通管理需求，但相同的是，技术和服务应该满足需求，甚至于超越需求。青岛海信网络科技股份有限公司（以下简称“海信”）是这么想的，也是这么做的，海信2018年底上线的“交管云脑”就是这样一个典型的产品，基于大数据、云计算、智能视频等技术打造的集图像分析、知识图谱、数据融合于一体的AI开放平台。

什么是“脑”？

部标《公安交通集成指挥平台结构和功能》规定，公安交通指挥系统中，具有特定功能的子系统包括：交通信号控制、交通视频监视、交通流信息采集、交通违法监测记录、交通信息发布、警用车辆与单警定位、交通设施管理、交通事件采集、机动车缉查布控等系统。

而汇集这些子系统搭建而成的公安交通集成指挥平台的主要功能包括:交通状况监测、交通组织与管控、交通安全态势评估、交通基础数据、机动车缉查布控、非现场违法取证、交警执法站管理、警力资源管理以及系统管理、数据传输交换、电子地图管理等。

很显然，不论是什么“脑”，其前提都是基于各子系统汇集的数据，来服务于交管工作需求，如信号控制优化、交通状态监测、智能非现场执法、交通特勤等等，这是基础。所以我们看到，包括“云脑”在内，都会强调要消除原有业务系统的烟囱式存在，形成统一的数据池，对数据进行智能化分析之后，再来反馈给各业务系统以及常规、非常规的业务需求。

当我们了解交通管理工作的基础需求之后，我们再来看海信的“交管云脑”。

海信“交管云脑”有什么特点？在ITS114来看，海信“交管云脑”主要有两个特点，一是以视频图像数据为核心，基于大数据分析、人工智能算法等，来支持信号控制系统运维及优化、交通流溯源、交通事件及警情自动巡检等功能拓展与升级；二是基于人机耦合的专家经验、解决方案的固化，以及细化各场景的影响参数，能够自适应生成针对性方案，从而支持应急指挥调度、重大交通安保等工作的科学、高效率运行。

视频设备是目前交管工作中最重要，也是覆盖面最广的非现场执法处罚和交通信息获取渠道，在大数据平台和超强算力的之下，也能够对亿级数据进行秒级响应，因此，将视频作为主要的感知和分析手段，可以广泛支持交通状态监测、设施管理、交通安全态势评估等等功能的升级。

我们首先来看海信借助“云脑”在其原有的优势领域——信号控制系统运维及优化方面，有哪些提升。运维方面，针对信号灯故障检测难这一行业痛点，海信自主研发了AI信号灯故障检测平台，可接入全域现有的电警、卡口等智能化交通设备，通过抓拍视频或照片获取数据源，并进行智能化分析，精准抓取识别故障信号灯并进行定位。

据了解，该平台对于信号灯故障的检测准确率高达90%以上！单个路口检测时间<3秒，且无需施工改造，充分利旧，因而也就能快速实施，已开发针对熄灭、遮挡、镜头偏移、灯色冲突等“四种故障”，以及放行冲突、黄闪、灯时过长、灯时过短“四种预警”的智能检测。

优化方面，识别出常发堵点、潮汐现象等宏观交通问题，同时对于时段划分不合理、绿信比分配不均衡、路口渠化不匹配等微观交通问题也能精准发掘，支撑交警进行道路交通优化管理。以西安市明光路为例，经过交管云脑的无人化信号智能调优，正常通行时间由原来的17分06秒缩短到7分钟，而在明光路通行的所有车辆，算下来一天下来能节约燃油约13吨。

接下来，我们看一下以电警卡口、检测器数据为主的“交通流溯源”平台。实际上，这一平台对应的功能就是交通状况监测，海信携手中规院、四维图新等合作伙伴，为青岛交警开发了该平台。交通管控领域有一个长久的难题——路上跑的机动车数量有多少？其次就是，造成通道、区域拥堵的车辆来自于哪里？在青岛核心区，“云脑”平台使用了2000余路电警卡口、1500余个检测器、日均6000万条的过车数据和日均2亿条的路径还原数据，支撑交通流量全样溯源！

基于这些海量的数据，以及大数据、云计算平台，再加上地图引擎等工具，从而可以分析往来于两区域间的车辆在多条路径上的流量分布、路径选择偏好，这对疏解拥堵、路径诱导、交通规划和建设都具有很强的参考意义。此外，只要检测点位足够，在网车辆覆盖率可达90%以上，可得出更为精确的在网车辆数量。除了宏观的交通流溯源和在网车辆数量估算，该平台还可以输入任意车牌牌号，即可追查该车辆的行驶轨迹、出行次数、平均速度、总里程等信息，联动车管数据更可以查询该车、车主的详细信息，对重点车辆布控以及刑侦和车管也极具价值。

还有吗？当然还有！海信云脑的“视频巡检机器人”也是基于电警、卡口、交通监控等视频数据以及智能分析，从而具备道路边缘自动感知和巡检轨迹自动纠偏的思考能力，可结合路网交通状态对城市道路交通事故、人员异常聚集等6类警情的实时自动沿路扫查，实现360°交通状态精准感知，全面取代人工，达到城市路网全覆盖的警情自动巡检。当视频巡检机器人与交通信号故障检测以及优化检测结合之后，“云脑”就好像一个专业医生，可以为全域城市道路进行把脉、诊断，不管是路口，还是路段。

可以看到，只要视频数据足够、算力足够，辅助的技术足够，支持的功能也就越多，可以断言，未来基于视频大数据和超强算力的交通管理应用，会越来越多的出现，相比“大脑”概念的横空出世，到时候我们也许也就司空见惯，不以为奇了。

这里，ITS114要强调的是，以视频数据为核心的智能分析系统，一定是以较为完善的视频设备覆盖、较高的设备正常工作率以及较稳定的视频数据质量作为支撑的。曾有某省交警总队科技处的领导表示，该省80%的非现场交通违法数据由不到17%的设备提供，很多点位的设备运行状态不明。

其次，视频数据虽然重要，但现在不是，未来也不会是唯一的数据，GPS、北斗、线圈、地磁、雷达、手机信令、RFID以及ETC、车路协同、互联网数据等，都会是视频数据的重要补充，也是有效的辅助和检验数据。

什么是“人工+智能”？简单来说，就是人机耦合，将专家经验、解决方案固化，并将场景所涉及的参数尽可能的完善，在人工智能的加持下，形成自适应的方案。

什么样的场景和服务需要用到人机耦合所产生的解决方案？海信城市交通事业部总经理王雯雯表示，事故、拥堵等发生在不同地点、不同环境下的警情处理需要这种自适应解决方案，演唱会、重大活动的交通安保也需要这种自适应解决方案，而不是固定的解决方案。

这句话不长，但是怎么才能理解？

王雯雯用了三个案例说明。

某天她在公安交通指挥中心交流时，系统跳出一个路口比较严重的拥堵预警，指挥长的第一反应不是调取该路口以及相邻路口的视频来验证，而是调取了该路口上游较远一个路口的视频，实际上，这个路口是该路口的瓶颈路口，该路口的拥堵会导致其他路口的拥堵。这就是指挥长这位有多年工作经验，对主要路口交通状态了然于胸的老交警的第一反应，很显然，这就是不谋全局者，不足谋一域。

王雯雯表示，在后面的交流中，指挥长还相授了不少“秘笈”。他说解决拥堵不单单是一个信号优化的问题，比如在青岛有一个有意思的现象，当天气突然降温的这天，青岛的拥堵指数就会突变上升，为什么？因为天气突变，人的身体还没适应过来，本能的会选择更为舒适的出行方式，比如出租车、网约车以及私家车，交通流量会陡然增加；其次，行人在过马路的时候，不会像在天气平稳时，那么有耐心，就会有人尝试闯红灯，即便路口没有车，但上游来车看到斑马线上有行人通过，即便是绿灯也会减速通行。这说明，与交通相关的不仅仅只有人、车、路，还与天气、经济发展水平等等许多因素相关。

那么，“云脑”如何把这些只在非常规条件下才会相关的因素，与态势评估、指挥调度、信号控制等系统关联起来？王雯雯表示，“云脑”最初的出发点就是要让交通集成指挥系统具备思考能力。什么是思考能力？就是能发现问题，分析问题和影响，以及找出问题背后的原因是什么？最后就是提出解决方案！

比如说接到警情发现拥堵，系统就要分析是事故还是施工导致的拥堵？或者是别的原因导致的拥堵？不同的拥堵原因就有不同的解决方案，比如信号控制、警力调派的安排。比如路网交通流突变，就要分析是环境因素主导，还是天气因素主导，还是驾驶员或者车辆的因素主导，全部要过一遍，而不是说交通流变化了，就要去调整下路口的交通信号配时，信号是交通组织和控制的重要手段，但也只是手段之一，而且牵一发而动全身，所以一定要慎重。当同一路段经常出现拥堵或者事故，最后就要对警情发生原因和规律进行分析，以避免类似的警情重复出现。

王雯雯坦言，要做到将专家方案转化为自适应方案其实很难。虽然过车数据、路网流量、拥堵指数等数据有很多，但天气、环境等非常态的相关数据积累并不是很多，往往是20%的异常，会引起80%的异常。只有在积累了一定相关边缘数据后，再出现类似路网流量突变的情况，就可以根据历史数据得出相关方案，为决策提供支撑。专家经验只是个人的经验，没有具体的数据支撑，而“云脑”就可以为其提供数据支撑，现阶段至少可以做到人工+智能。

以演唱会、运动会的交通安保和疏导工作为例，常规的预案就是对信号配时进行调整，安排警力进行疏导和维持秩序，诱导系统发布诱导信息等，通用的方案大体如此，但往往在执行的时候，实用性太差。为什么呢？

因为不同的歌手来开演唱会，效果不一样，参与的人也不一样。比如老牌明星和流量明星的演唱会，各自的粉丝群体就不会一样，老牌明星开演唱会，粉丝就会有一定数量的人选择自驾前往，私家车交通流一定会超过流量明星的演唱会，停车导致的拥堵也可能较多，而流量明星的粉丝群体乘坐公共交通工具或者打车前往的较多，交通指引和秩序维护则可能更为重要。

再比如，演唱会、运动会举行的时间不一样，需要解决的问题也不一样，在周末举办和在工作日举办，出行方式和交通流大小也就不一样，工作日以写字楼密集区域、商务区晚高峰冲突干预为主，周末则以商圈、景点周边车流冲突干预为主，像此类因素云脑还预置了很多，所有解决问题的手段都是对症下药。

现在不少“大脑”仍停留在能“看”到什么，“识别”什么，但解决实际问题的，还是大少。为什么？因为交通过于复杂，往往一个不太相关的因素，就能让预案、生成的方案缺乏实用性。如果机器生成的方案，经常性的不如专家经验，那这样的智能，还能称之为人工智能吗？

海信在10月份同时为武汉军运会、跨国公司领导人青岛峰会的交通安保工作，在跨国公司领导人青岛峰会举行之前，为使新来干警更熟练的操作交通安保系统，在演练交通安保工作时，从系统自动操作，切换为人工操作，虽然仍然是上合组织青岛峰会时采用的交通安保系统，但运行效果却不如系统自动操作，要不跟不上车队，要不信号灯控制时机不合适，与系统自动化执行差别非常明显。

可见，当我们适应机器操作之后，再切换为人工操作，就会出现不适应。为什么？因为人与人之间的能力和经验存在差别，即便同一个人在不同的时期也会出现差别。这给了海信团队很大的启发，致力于让“云脑”所输出的方案，参与的工作，不会受操作人员的水平影响，越做越好，积累更多的场景数据之后，要比专家更“专家”。

以上就是王雯雯介绍的三个案例，当然“云脑”所具备的功能或者所具备的差异化点，并不只有案例中所介绍的几点，还有很多，比如基于多源情报的分析去重、语义分析和POI的警情位置快速确定、信控路口的动静态档案所支撑的常规、非常规拥堵警情判断等等，就留待诸位自己去发现了。

总结来看，“大脑”不仅有强大的感知能力，更要有贴近实战，提高管理水平的能力，而这就需要一个场景一个场景的完善，对细分场景所有相关的数据进行采集，逐步积累，然后去支持决策，从人工+智能，真正转化为人工智能，机器生成的方案，成为被选择执行的方案。 

那么海信交管“云脑”就已经成熟了，没什么可补足的地方了吗？

显然不是，海信“云脑”的目的就是从现阶段的“人工+智能”发展到高度“人工智能”的阶段，要比专家更“专家”，所以还有一些需要补足的地方。有哪些需要补足呢？

王雯雯表示“云脑”还有很多需要补足的地方，这需要海信团队与交警单位携手共进，协力共建，主要需要补足的地方包括：

一是上文所说的细分场景完善，比如边缘数据的采集和积累，一个场景一个场景的完善；二是交通组织优化。要实现“无人”信号优化，还有很多路要走，现在“云脑”可以支撑渠道区划不合理、配时不合理等等，但还有许多问题可以去做，需要针对性的解决；三是进一步提升安全隐患风险的识别能力，比如抛撒物识别，路面积水、破损等识别，以及在重大交通安保任务期间的车辆抛锚、异常停车等行为识别等等；四是对于专家经验固化，比如特定场景下的交通指挥调度处置建议和指令等等；最后就是进一步提升系统和设备的运维能力。

接触了很多“大脑”，“云脑”给ITS114的印象最为深刻。我们现在处于一个人工智能大发展的时代，也是一个概念横飞的喧嚣年代，而智能交通人的使命始终不变，不论是哪一种技术，都应该为交通安全水平的提升、交通通行效率的提升而服务，应用于实战才是检验技术和服务的唯一途径。

海信“云脑”，正在接受检验，也欢迎更多的交管单位参与到“云脑”的检验之中！