AI场景化，海信以“云脑”为核心构建交通智能体

2023-04-25 14:27:33 来源：ITS114 评论：人

分享到：

智慧交管在我国发展二十余年，对于安全、效率的追求，始终未变，甲方对于智慧交管建设的需求也从“要有”到“不仅要有，还要好用”的方向转变，也就是ITS114这几年常说的，从增量市场转向“存量优化”。这意味着，大规模的系统、设备建设已经进入尾声，更多的是完善、升级，用好已有系统、设备，交通“大脑、云脑”的集中出现，实际上也就是这种转变的体现，更强调数据融合、数据挖掘、协同处置等，甚至要求平台能够赋能给甲方自身的技术团队，使其能够基于各类算法工具、全面的感知数据以及大数据分析能力，自行搭建场景化的解决方案。

而为甲方提供服务的集成商、解决方案企业等，也迎来了真正的考验。是否真的了解多种交管业务，能否为这些业务场景提供专业化的解决方案能力，是否能将AI人工智能、大数据、云计算等先进技术融入到“大脑、云脑”之中，提升“大脑、云脑”的思考能力、解决问题的能力。

“人工+智能”到人工智能

谁也没法说清楚交管业务场景有多少，信号配时与优化、重点区域的交通综合治理、节假日交通管控诱导、大型活动的交通组织与调度、交通特勤警保卫、高架/高速匝道合流区管控与诱导等等，凡此种种，常见的就有几十种，全部累积起来，可能有上百种甚至几百种，要知道单就信控场景，就足够许多人穷经皓首一辈子了。

而这些场景的标准化解决方案，也往往是当地交管单位和智能化服务单位经年累月不断打磨才能形成，即便如此，往往也会因为某些参数变化，导致解决方案不能很好的适配场景。

在此轮人工智能刚刚兴起之时（2019年），ITS114就曾与海信网络科技公司智慧交通事业本部总经理王雯雯交流过，人工智能在智慧交管中的应用。什么是“人工智能+交管”？当时我们的回答是这样：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，自动形成自适应的解决方案。

王雯雯认为，在2019年，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，还是太少。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。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。

这个看起来是不是有些熟悉？

我们知道，今年很热门的生成式人工智能ChatGPT们，之所以具备较高的智能化水平，其背后不仅仅是超强的算力支撑，更需要持续不断的标定数据、“喂养”数据，从而帮助其不断迭代。

而将ChatGPT的发展路径与“交通大脑/云脑”对比，实际上殊途同归，不同的是，ChatGPT获取的数据在现在很多可以来自搜索引擎，来自用户“交互”，也就是用户来给ChatGPT大模型来“喂养”数据，而“交通大脑/云脑”的数据大多来自感知设备；此外，ChatGPT的知识模型来自浩瀚的人类已有知识、模型，而交管的解决方案模型，只能靠甲方、集成商们来提供，数据、解决方案的量级、更新速度很难与前者相比。

但只要方向是正确的，这条路就值得走下去。

现在，作为智慧交管行业屈指可数、能提供上百种业务场景解决方案，尤其是在繁复、琐碎的情指勤场景中有深刻理解、深厚积累的海信网络科技正在朝这个方向迈进，在今天推出了基于“云脑”的交通智能体，人工智能在交管核心业务场景中的融合应用，或许就从海信的探索中开始了。

交通智能体的三大核心能力

如何理解“云脑”与交通智能体之间的关系？ITS114认为，“云脑”的功能是感知、思考（算法算力），而交通智能体就是能够依据前者的能力，根据不同的场景输出解决方案，去解决问题。换一个形象的说法，交通智能体就类似诸多科幻小说/电影里面的人工智能体，包括《星际穿越》中的塔斯(TARS)，有自我意识和认知，能交互，能提出解决方案，甚至能辅助和独立解决问题，而云脑就是构建这个人工智能体的芯片、算法、规则，也是构成前者的核心，只是人为的“痕迹”会更加明显。

而海信即是以交通云脑为基础，建设行业大数据、AI、场景化三大核心能力，构建场景化、自动化的交通治理系统，来提升交管系统的情报感知、信息传输、分析判断、决策处置和组织协调能力，从而赋能交通全场景业务。

AI智能视频分析能力

实际上，ITS114认为AI智能视频分析能力，是“云脑”感知和思考判断能力的体现，只有基于全面、精准的感知和判断，才能支撑大数据实战、场景化解决方案的精准实战。海信在这方面也证明了自己：日前，由公安部道路交通安全研究中心、公安部交通管理科学研究所、中国道路交通安全协会指导，道路交通安全管控技术国家工程研究中心主办的“AI+交通安全：交通事件视频识别全国挑战赛”揭晓竞赛结果，共有50多家企业竞逐桂冠，而海信却能在强者环伺中突围，在城市道路场景（云计算）比赛科目中斩获一等奖，在高速公路场景（云计算）比赛科目中斩获二等奖，着实让人意外和惊喜。

尤其是城市道路事故检测，这是交管领域最重要、也是最难的视频识别场景之一。该场景属于复合行为识别，难点在于停车、临时下客、等红灯等干扰场景难区分，需要基于对业务深入的理解准确选择特征要素，以及和海量的训练样本，海信在这方面有着得天独厚的优势，在全国各地搜集了各类场景样本，识别了6个关键要素，对比122警情单核查，事故漏检率＜5%，准确率大于90%。

除此之外，高点视频的大视野可以反应拥堵态势更全面、发现拥堵节点更准确，观察拥堵过程演变更清晰，可视化感受最好，是很多领导和一线指挥员的最爱。海信在行业首次突破基于高点视频的拥堵检测技术，充分发挥高点视野大，拥堵态势感知全的优势，准确率达到98%，通过高低联动、全面感知大场景拥堵态势，有力支撑缓堵实战。

有了超强的感知、判断能力，再来做大数据技战、场景化解决方案，也就水到渠成。

行业大数据能力

行业大数据能力体现在模型的积累，海信有20余年的业务沉淀，融汇了100多个城市交警的经验，现已经形成了包含执勤执法、交通管控、风险预测与安全评价、监管服务等四大类数百种的大数据应用模型，服务于交通管理与市民出行。

除了系统内置的数百种模型之外，海信大数据能力还包括了为交管业务量身定制的可视化、托拉拽式的高效建模工具，能够帮助交警把业务思想快速转化成大数据模型，助力业务持续创新。这里海信把交管业务建模常用的分析步骤提炼封装了19个专用算子，大幅简化建模步骤、降低工具门槛。

以学校区域拥堵治理为例，交警想要快速识别出每天接送停留的家长车辆，用“自定义区域筛选”算子，可以通过地图选取快速筛选出学校附近的抓拍设备；然后用到了“经/停点分析”算子，简单的参数调整就能研判出车辆的停留特征，进而实现准确识别。以往这个分析需要写代码完成，现在拖拉拽几步就搞定了。

工具还提供了交管业务专用的一站式验证和展示手段，例如炸街车分析模型，研判出嫌疑车辆后，通过工具直接可以立即回放轨迹、查看过车信息，即时验证建模效果，无需再到其他平台确认。

可视化建模工具最大价值首先是快速建模，比如疫情期间车辆排查紧急分析需求，时间紧任务重，应用此工具可以把原来小时级的建模过程缩短为分钟级，快速响应要求，同时还支持快速迭代来打磨各类专业技战法，例如黑班车线技战法在一周内优化迭代17次，支撑模型快速成熟和创新。

这就是我们在上文所提到的，交通智能体能够赋能于甲方，让甲方也能够选择算法、模型、数据，来自创某些细分场景的解决方案，更方便快捷。这比业内一些友商的第三方“算法仓库”要更贴近甲方，毕竟第三方算法模型，不可能完美的适配于不同的环境和需求，即便这个需求大体是相近的，一定要做一些修改和完善。

为了让大数据研判结果更好的服务于实战，支撑数据决策，海信还打造了“1+N”分级分层驾驶舱体系，为高层领导和各业务板块定制了专属领导驾驶舱，提炼共性业务，兼顾个性化需求，形成37项细分业务场景专题，每个场景围绕实际管理业务，能够监控态势、发现问题，并且支撑深挖原因、闭环处置。

场景化能力

海信认真分析了指挥调度、安全防控、缓堵保畅、勤务管理等各个业务，逐个精细刻画特勤安保、恶劣天气等具体业务场景，针对每个场景的具体特点和问题，总结沉淀各地交警优秀实战经验，形成一系列场景化策略，如面向缓堵的40种信号控制策略、面向指挥的9大类场景等。

例如，场景化指挥。海信梳理了交警9大类88小类指挥场景，包括早晚高峰、节假日、恶劣天气、大型活动等，分析每个场景的关注重点、常见问题，以及对应研判决策方法、处置措施等。部分复杂场景处置效率提升 1倍、出警速度提升20%的效果。

疫情结束之后，各类大型活动陆续恢复，各类景区也开始人满为患，节假日拥堵复现，相应场景的交通管理指挥调度需求，也开始变得旺盛。

海信以马拉松场景为例，此类赛事影响范围大、管控要素多、管制方案复杂，交警核心关注点，一是保障赛道活动及应急，确保赛事安全有序，二是减少对社会交通出行影响，在确保封路管制的同时，还能让城市交通畅通。

海信场景化指挥系统首先为指挥长提供了全面精准掌控态势的指挥沙盘，马拉松赛事时最关注的15种要素全面上图，同时结合AI视频感知，实现勤务岗位、管制道路、诱导屏的自动扫路，AI点名等。在赛事过程中，系统根据前导车、收尾车等实时位置，自动切换视频及预置位，实现连续、平滑、无缝跟随。

此外，为降低社会面影响、保障市民出行，系统可以通过建立三级防控圈以分层管控疏导，同步监测城区主要通道，及时发现、处置拥堵排队等警情，并提供“分段封、动态解”的精细化管控方案，通过自动生成和快速发布诱导信息，让市民第一时间获知最新管制消息，及时调整出行路线，减少赛事对市民生活的影响。

王雯雯表示，海信最终的目标是能够让交通智能体能够自动生成场景化解决方案，依据的不仅有以上所说的三大核心能力，也包括海信二十多年对交管业务的理解和积累，同时也包括海信所服务100多个城市业主单位中的资深专家他们对交管业务的理解和积累，将海信和他们的经验、知识“喂养”给交通智能体，加上人工智能大模型，从而生成当前最优的解决方案，这是海信交通智能体的发展目标所在。