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，對于我們并不陌生。在剛剛結(jié)束的2018世界人工智能圍棋大賽上，圍棋人工智能“星陣”戰(zhàn)勝了中國圍棋職業(yè)九段棋手柯潔，這是繼“AlphaGo”分別于2016年、2017年戰(zhàn)勝李世石、柯潔之后，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(fā)展?jié)摿Α８档靡惶岬氖?，“星陣”的前身是清華大學(xué)研發(fā)的圍棋AI“神算子”，是百分百的國產(chǎn)人工智能系統(tǒng)，意味著中國人工智能水平邁上了一個新高度。

　　人工智能的發(fā)展起起伏伏，經(jīng)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(yè)的藍圖之中，服務(wù)于眾多領(lǐng)域。當(dāng)人工智能“上路”，也將與高速公路產(chǎn)生奇妙的化學(xué)效應(yīng)，2018全國高速公路與人工智能技術(shù)應(yīng)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(xiàn)在了我們眼前。

公路有“大腦”

　　對于人工智能，每個人都有自己的理解。東南大學(xué)交通學(xué)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(xiàn)出來的智能，通常指通過普通計算機程序的手段實現(xiàn)的人類智能技術(shù)。其核心問題是建構(gòu)能夠跟人類似甚至超越人類的推理、知識、規(guī)劃、學(xué)習(xí)、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(lǐng)域智能，應(yīng)用場景是圖像識別、語音識別、語義分析、智能搜索、大數(shù)據(jù)應(yīng)用；強人工智能具有認知與學(xué)習(xí)、決策與執(zhí)行功能，是多領(lǐng)域綜合智能，應(yīng)用場景是無人駕駛、機器人；超人工智能具有獨立意識與創(chuàng)新創(chuàng)造功能，將超越人類的智能，應(yīng)用場景是創(chuàng)新創(chuàng)造和解決人類無法解決的問題。

　　公安部交通管理科學(xué)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(huán)節(jié)組成，目的是體現(xiàn)感知、思考、行動三個層層遞進的特征。智能感知收集足夠的結(jié)構(gòu)化數(shù)據(jù)去表述具體應(yīng)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為，實現(xiàn)自我學(xué)習(xí)、邏輯判斷、高效決策；智能反饋控制將結(jié)果轉(zhuǎn)譯為肢體運動和媒介信息傳輸給人機交互界面或外部設(shè)備，實現(xiàn)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，那么傳感器和執(zhí)行器就是人的神經(jīng)細胞和肌肉，互聯(lián)網(wǎng)絡(luò)就是人的神經(jīng)系統(tǒng)，而通過人工智能技術(shù)構(gòu)建的模型則是人的大腦。近年來，我國高速公路路網(wǎng)建設(shè)發(fā)展迅速，以高速公路為骨架、普通公路為主體的公路網(wǎng)已基本形成。同時，車路持續(xù)快速增長，人民日益增長的美好生活需要對高速公路的監(jiān)測、應(yīng)急、管理、服務(wù)和決策也提出了更高的要求。通過“大腦”的感知、學(xué)習(xí)、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(yīng)用安全和高效是高速公路的兩大特點，也是高速公路發(fā)展的目標(biāo)，即從應(yīng)急、監(jiān)測兩個方面確保人、車、路的安全行駛，并實現(xiàn)高效的管理、服務(wù)、決策。因此，高速公路的發(fā)展需滿足應(yīng)急、監(jiān)測、管理、服務(wù)、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(lǐng)高速公路管理和運營服務(wù)水平提升，積極推進云計算、大數(shù)據(jù)等現(xiàn)代信息技術(shù)與高速公路管理、運營服務(wù)的深度融合，全面深化高速公路信息數(shù)據(jù)的共享和開發(fā)利用，建立健全完善的監(jiān)測感知體系、可靠的通信保障體系、實時的預(yù)報預(yù)警體系，實現(xiàn)路網(wǎng)“可知、可測、可控、可服務(wù)”。 　　人工智能技術(shù)的引入將有效提升高速公路在應(yīng)急、監(jiān)測、管理、服務(wù)、決策這五個方面的能力，滿足路網(wǎng)“可知、可測、可控、可服務(wù)”的需求。中設(shè)設(shè)計集團股份有限公司施展在報告中指出，在人工智能的眾多技術(shù)中，高速公路管理服務(wù)可重點關(guān)注機器視覺、智能無人機、三維視覺等技術(shù)，并對其在高速公路中的應(yīng)用進行了介紹。

　　機器視覺－－ 機器視覺技術(shù)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(xué)，能夠在圖像及圖像描述之間建立映射關(guān)系，從而使計算機能夠通過數(shù)字圖像處理和分析來理解視頻畫面中的內(nèi)容，自動地分析和抽取視頻源中的關(guān)鍵信息。近幾年最火的技術(shù)之一深度學(xué)習(xí)，是一種可用于機器視覺的機器學(xué)習(xí)技術(shù)。

　　機器視覺在高速公路營運管理中的應(yīng)用場景除了傳統(tǒng)的交通事故發(fā)現(xiàn)與預(yù)警、違停事件報警，還有道路路面檢測、道路拋灑物自動識別、違法行為報警、交通流量/交通事件監(jiān)測、員工服務(wù)監(jiān)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(shù)。中設(shè)設(shè)計集團股份有限公司在內(nèi)蒙古的無人區(qū)進行了大規(guī)模的科研，通過無人機裝備的掛載攝像機、掛載喇叭，將其應(yīng)用于應(yīng)急現(xiàn)場實時管控、違法侵害路產(chǎn)路權(quán)監(jiān)管、超載超限監(jiān)管等場景。

　　此外，智能無人機還可以進行道路養(yǎng)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(shù)據(jù)，解決物理盲區(qū)。智能無人機還可應(yīng)用于應(yīng)急指揮調(diào)度場景，解決傳統(tǒng)應(yīng)急保障響應(yīng)慢、無法第一時間到達現(xiàn)場，現(xiàn)場視角受限、反應(yīng)不全面，缺乏有效的、及時的現(xiàn)場取證手段等問題；具有快速響應(yīng)，直線飛達現(xiàn)場，不受地形限制，視野開闊，機動靈活，實時拍攝留證的優(yōu)勢。智能無人機近幾年在橋梁養(yǎng)護方面的應(yīng)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(cè)、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(shù)除了應(yīng)用于虛擬現(xiàn)實（如VR巡檢）方面，還可以在調(diào)度指令下發(fā)與執(zhí)行、預(yù)案演練、設(shè)備巡檢、路線導(dǎo)航、信息提示、模擬駕駛等方面得到應(yīng)用。尤其通過三維GIS、電子沙盤、虛擬現(xiàn)實技術(shù)，可實現(xiàn)高速公路基礎(chǔ)管理、資產(chǎn)管理、資源管理、工程管理、養(yǎng)護管理、應(yīng)急預(yù)案等方面的應(yīng)用。

　　基于虛擬現(xiàn)實的應(yīng)急演練——傳統(tǒng)應(yīng)急培訓(xùn)演練主要通過講座、視頻、現(xiàn)場演習(xí)等方式實現(xiàn)，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(guī)范性實現(xiàn)監(jiān)督，而通過虛擬現(xiàn)實技術(shù)可模擬真實現(xiàn)場環(huán)境，提高應(yīng)急演練的效果。

　　面向高速公路時間的快速三維重建還原——由于突發(fā)事件現(xiàn)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(shù)的應(yīng)用可實現(xiàn)現(xiàn)場環(huán)境的完整保持，并通過基于三維地圖的事件模擬實現(xiàn)對現(xiàn)場情況的回溯、測量和分析。

　　除了以上提到的應(yīng)用，通過智能機器人將可以為服務(wù)區(qū)休息人員提供包括點餐、送餐、咨詢、導(dǎo)航等智能化、個性化服務(wù)；人工智能也將會在“一站式”出行服務(wù)、車聯(lián)網(wǎng)與無人駕駛，應(yīng)急預(yù)案智能匹配、無感支付、逃費稽查、智能交互式客服、行為監(jiān)督、智能路徑規(guī)劃以及交通誘導(dǎo)等多方面逐步得到應(yīng)用。

 

預(yù)警更精準(zhǔn)

 

  　　與國外相比，我國高速公路通行環(huán)境更加復(fù)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(yù)警，才能從源頭上確?！氨０踩?、保暢通、降事故”的目標(biāo)得到實現(xiàn)。姜良維為大家介紹了基于人工智能視覺芯的高速公路交通事故預(yù)警預(yù)測方案。

　　預(yù)期目標(biāo)－－

　　該方案針對高速公路復(fù)雜通行條件和惡劣行車環(huán)境下的安全行車問題，研究基于人工智能視覺芯的高速公路行車環(huán)境全息感知、基于深度學(xué)習(xí)的機動車通行行為精準(zhǔn)識別、基于聲光電的交通隱患即時預(yù)警等技術(shù)，研制具有高速公路交通事故預(yù)警預(yù)測的新型交通監(jiān)控設(shè)備，在交通違法易發(fā)路段、交通隱患頻現(xiàn)部位示范應(yīng)用，解決復(fù)雜交通場景下路況全息感知、行為智能識別、隱患精準(zhǔn)預(yù)警等難題，構(gòu)建重大交通事故的“綜合評估、提前預(yù)警、即時干預(yù)與快速處置”技術(shù)體系，保障機動車安全有序通行。

　　實現(xiàn)方法－－

　　1、高速公路行車環(huán)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(jiān)控設(shè)備集成，基于嵌入式環(huán)境下高度優(yōu)化的深度學(xué)習(xí)算法，解決高速公路大場景和低照度環(huán)境下全天候感知高速運動目標(biāo)和高清晰場景成像問題，為交通行為分類理解獲取穩(wěn)定可靠的車輛行為特征。

　　2、機動車通行行為精準(zhǔn)識別 　　基于深度學(xué)習(xí)算法提煉車輛的辨識特征和運動特征，并利用這些特征對車輛的通行行為進行分類識別。利用海量交通視頻數(shù)據(jù)，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為進行學(xué)習(xí)和訓(xùn)練，實現(xiàn)對此類型交通行為的精準(zhǔn)識別。

　　3、交通隱患定位與預(yù)警在車流感知的基礎(chǔ)上，基于車流狀態(tài)、車流中車輛的通行行為識別結(jié)果以及特定天氣條件檢測結(jié)果等，對車流的交通安全風(fēng)險進行分級分類，根據(jù)交通隱患輕重等級對其進行預(yù)測定位，在特殊交通路段、交通事故現(xiàn)場或災(zāi)害性天氣路段的前后方，以聲光電等形式進行定向預(yù)警和告知。

　　4、交通事故預(yù)警預(yù)測技術(shù)集成

　　集成基于人工智能視覺芯的高速公路行車環(huán)境全息感知設(shè)備、基于深度學(xué)習(xí)的通行機動車交通行為精準(zhǔn)識別軟件、基于聲光電的交通隱患即時預(yù)警設(shè)備，形成完整的具有高速公路交通事故預(yù)警預(yù)測的新型交通監(jiān)控設(shè)備，構(gòu)建基于視覺人工智能的高速公路交通事故預(yù)警預(yù)測技術(shù)體系。  　

 

　　幾點思考－－

　　對于高速公路交通事故預(yù)警預(yù)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(jiān)測，是國內(nèi)外交通管理領(lǐng)域的常規(guī)做法，準(zhǔn)確有效記錄通行車輛運動行為也是實現(xiàn)路面車輛科學(xué)化管理的必然要求。

　　隨著大數(shù)據(jù)和人工智能等新技術(shù)的發(fā)展，在交通監(jiān)控設(shè)備中直接嵌入人工智能視覺芯是國內(nèi)外技術(shù)發(fā)展的必然選擇。目前高速公路難以實現(xiàn)大場景夜間補光，也經(jīng)常遇到濃霧、團霧等惡劣天氣，目前基于高清視頻成像的交通監(jiān)控設(shè)備不僅功能單一，而且圖像清晰度不穩(wěn)定，國內(nèi)外相關(guān)公司都在致力于改善交通監(jiān)控圖像品質(zhì)。

　　嵌入人工智能視覺芯的交通監(jiān)控設(shè)備，將集高清晰成像、全天候感知、多維度識別、精細化預(yù)警等功能于一體，將從本質(zhì)上改變交通監(jiān)控設(shè)備的內(nèi)涵，為解決復(fù)雜交通場景下高速公路路況全息感知、行為智能識別、隱患精準(zhǔn)預(yù)警提供條件。  

 

打逃也智能

 　　近年來高速公路頻繁出現(xiàn)車輛逃費現(xiàn)象，且日益嚴(yán)重，不僅給公路營運單位造成了巨大經(jīng)濟損失，更嚴(yán)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為：針對高速公路車輛的通行信息數(shù)據(jù)的收集比較單薄，無法形成有效的證據(jù)鏈，如收費站出入口錄像設(shè)備不清晰且沒有增加對車輛車身及車尾的抓拍功能，導(dǎo)致核實逃費車輛信息取證難；現(xiàn)有的稽查打逃系統(tǒng)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勛講解了車輛多維特征及大數(shù)據(jù)在打逃中的應(yīng)用，可有效突破打逃瓶頸。

　　車輛多維特征信息采集

　　車輛多維特征信息采集的策略為：在收費站出入口部署車型識別設(shè)備，主要由三組圖像采集系統(tǒng)、多元特征信息提取分析系統(tǒng)、車輛分離系統(tǒng)、補光系統(tǒng)等組成，是實現(xiàn)高速公路可視化管理的基礎(chǔ)手段；在道路上部署高清卡口設(shè)備，實現(xiàn)對所有經(jīng)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，為逃費稽查管理形成完整的證據(jù)鏈；增加二義性路徑識別設(shè)備，利用車牌自動識別技術(shù)，檢測車輛的行駛路徑，作為通行費收取及分賬的依據(jù)；升級收費站車牌識別系統(tǒng)，要求升級后的車牌識別系統(tǒng)抓拍圖片具有良好的清晰度，同時還需提供抓拍圖片并上傳到路段管理平臺。

　　其中，車型識別系統(tǒng)采用機器視覺信息技術(shù)和多維車輛特征信息提取分析技術(shù)，獲取車輛多維度的信息，集圖像采集、圖像處理、圖像抓拍、車輛特征檢測、車牌識別、車型分類于一體，實現(xiàn)車輛車型自動識別及分類，適用于高速收費站自動發(fā)卡系統(tǒng)、套牌車查處、ETC逃費治理、治超車道等。

　　車輛多維特征信息采集可以自動獲取車輛逃費的證據(jù)鏈，包括有逃費車輛出入口信息、車輛信息、逃費特征說明、逃費地點、嫌疑車同作案車輛數(shù)據(jù)顯示、途中經(jīng)過點車輛信息、車臉、人臉信息。

　　信息處理及其關(guān)鍵技術(shù)

　　信息處理環(huán)節(jié)利用前端設(shè)備采集的各種信息，結(jié)合相鄰系統(tǒng)數(shù)據(jù)，建立起大數(shù)據(jù)分析平臺，實現(xiàn)各類營運分析應(yīng)用與逃費稽查功能，可實現(xiàn)數(shù)據(jù)查詢、逃費分析、路徑識別、布控報警、流量統(tǒng)計、黑名單管理、統(tǒng)計報表等功能。

　　動態(tài)分析與信息確認是技術(shù)難點

　　大數(shù)據(jù)分析平臺的數(shù)據(jù)收集是自動進行的，因此要求分析任務(wù)也必須是動態(tài)的，系統(tǒng)必須對新增的數(shù)據(jù)進行實時處理?，F(xiàn)有數(shù)據(jù)還存在信息缺失、信息錯誤等情況，如斷面卡口數(shù)據(jù)中無車輛類型信息、入站車牌識別錯位、通行卡提前發(fā)卡等。網(wǎng)絡(luò)傳輸系統(tǒng)的穩(wěn)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(jié)果的正確性具有重大影響。

　　稽查分析是大數(shù)據(jù)分析平臺的重點功能 　　數(shù)據(jù)量、數(shù)據(jù)本身的質(zhì)量問題是稽查分析的難點?；榉治龅幕舅悸肥牵菏紫葟拇罅康臄?shù)據(jù)中篩選出異常數(shù)據(jù)，然后從異常數(shù)據(jù)中盡可能地剔除由數(shù)據(jù)缺失或者系統(tǒng)本身造成的規(guī)律性錯誤數(shù)據(jù)，最后通過一類算法標(biāo)識出有重大嫌疑的偷逃費用車輛。

　　且行且探索

　　橫看成嶺側(cè)成峰，遠近高低各不同

　　人工智能是個非常大的領(lǐng)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(xué)、博弈與倫理等學(xué)科。國家智能交通系統(tǒng)工程技術(shù)研究中心副主任孟春雷指出，現(xiàn)在業(yè)內(nèi)對于人工智能的理解就是從各自學(xué)習(xí)的角度去判斷，就如同蘇軾的《題西林壁》所言——橫看成嶺側(cè)成峰，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(fā)展還處于一個比較初期的階段，概念性和戰(zhàn)略性還比較薄弱，理論還比較基礎(chǔ)和簡單，還不是一個扎實的工程學(xué)科，還無法對場景進行常識性的理解。

　　只是在“深度學(xué)習(xí)”算法上產(chǎn)生了突破

　　人工智能的發(fā)展經(jīng)歷了一波又一波浪潮。南京大學(xué)軟件學(xué)院劉嘉教授強調(diào)，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(xué)習(xí)”算法上產(chǎn)生了突破。在人工智能這個大領(lǐng)域中，機器視覺只是其中占比不到十分之一的一個細分領(lǐng)域，而深度學(xué)習(xí)又是機器視覺領(lǐng)域中占比不到十分之一的一個細分領(lǐng)域。這一波人工智能的發(fā)展主要得益于大數(shù)據(jù)的發(fā)展，大家認識到數(shù)據(jù)的價值，去收集、加工、標(biāo)注大量的數(shù)據(jù)。在這個基礎(chǔ)上又因為深度學(xué)習(xí)的發(fā)展，特別是工程化的發(fā)展，使得利用大量的數(shù)據(jù)建立精細化模型成為可能。 　　1997年，“深藍”擊敗了卡斯帕羅夫，2016年“AlphaGo”戰(zhàn)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(zhàn)勝的項目上被AI戰(zhàn)勝了，可以說這是人工智能發(fā)展的里程碑。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(guān)系了。

　　人工智能需要不斷學(xué)習(xí)和探索 　　雖然“深度學(xué)習(xí)”在語音和圖像識別上產(chǎn)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(xué)習(xí)和探索，人工智能在高速公路領(lǐng)域的應(yīng)用也是如此。自動/無人駕駛車輛一直在上路測試，是因為即使行駛一百萬公里，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(yīng)用中，人工智能技術(shù)正在并將持續(xù)發(fā)揮重要作用，但目前基于智能視頻識別技術(shù)的事件檢測、應(yīng)急預(yù)警、打擊逃費等應(yīng)用大多只是融合了“深度學(xué)習(xí)”算法與大數(shù)據(jù)技術(shù)，且視頻庫中的絕大部分?jǐn)?shù)據(jù)是無效的，基于人工智能的應(yīng)用還有更深、更廣的領(lǐng)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(lǐng)域的應(yīng)用將大放異彩，在路的彼端，AI“上路”后的風(fēng)景值得期待！（原文刊載于2018年第5期《中國交通信息化》雜志上）