今天跨行讲讲我们客户的行业—智慧交通行业。
闪马智能的核心产品是VisionMind视频异常分析平台,它的作用就是通过视频智能分析对智慧交通行业进行赋能。因此,我今天就作为一个视频AI系统的开发者,作为一个系统支撑角色,谈谈自己对这个行业的一点拙见。
中学时代,由于D版的泛滥,我有幸接触了很多好看的电影。这在视频物资匮乏的当年,真的是条很不错的拓展视野的途径(现在弄个抖音都能看各种内容,足见视频行业发展之迅速)。
而讲到交通,我不得不提起当年看D版VCD时候,我特别喜欢一个导演,公路片之王大卫·林奇。今天推荐的歌曲就是来自他著名影片《Lost Highway》,我们特别喜爱的碎瓜的歌曲。
好了,言归正传,我们从一个IT外行角度聊聊智慧交通。
Why 智慧交通
自从前几年国家开始重点投入人工智能以来,“智慧XX”的模式就开始铺向各个行业,似乎每个行业都开始了“智慧+”的商业逻辑。交通作为体量最大的行业之一,“智慧交通”的建设也已经走过好多年头,到今年,重点方向变成了“智慧公路”的建设。想要找到未来智慧交通领域的哪些建设机遇,我们必须从智慧交通的核心目标来看。
智慧交通的发展目标,解决核心问题:“人 车 路”协同
交通效率的高低是决定整座城市效率的核心因素之一,地区内部与地区之间的交通流动速度决定了城市化的进度。最直观的例子就是如果没有交通拥堵,城市的整体效率会提升巨大。
交通智慧化建设这么多年,通过各地政府的交通大整治,交通事故和死伤人数已经连年下降,在局部区域已经达到了“拥而不堵,堵而不死”的阶段。但是,由于城市人口,车辆数量持续上涨,交通出行规模每年都在急剧增长,相较之下,城市区域扩展建设的速度往往会滞后。一定时间后,道路流量与承载能力便会渐渐逼近临界值。那么如何在这种增长压力下,解决城市交通的天花板问题是值得我们关注的。
我认为,交通未来一定是会打造一个“人、 车、路”三者安全、高效、和谐运行发展的系统。这个系统的运行和发展涉及三个核心问题:安全—交通事故问题、效率—拥堵产生的时间和油耗等经济问题、环境—污染排放问题,可以说解决好这三大问题就能对整个社会的交通建设产生巨大的价值。
物联网AIoT在交通领域发展
交通是一直以来都十分重视数据的行业。不论是城市规划、道路建设、交通执法,所有的方案法规制定和道路规划都高度依赖数据支撑。
十多年来,通过各种传感器和平台的实施部署,我们已经逐步搭建成了一套自闭环的物联网系统,包括智能的信号机系统、智能行车/停车系统、电子警察系统、指挥调度系统等等。这套系统应用地感线圈、摄像头、雷达等等各种传感设施,可以感知部分区域的车辆行驶的状况,并通过信号灯的调控,不断优化着城市道路中车辆的行驶行为。
从早前的海量数据分析,信号灯的优化系统已经进化成一些自动控制系统,可以通过人、车、路的整体状况进行计算和疏导。
首先,高德百度等地图应用能通过实时的通讯传递给车主信息,使得车主选择最合理时间内的最优线路进行行驶,以保持整个路面系统的最佳状态。其次,交通交警等相关部门通过执法和管理降低交通事故频率,借助电子警察设备,实现非现场执法。接着是指挥调度中心承担着道路的统一策略、应急响应、及时管控等作用。根据实际的人的电话反馈、信号机、传感器的信息作出判断。而今政府开始牵头让城市和公路的视频上云,这样可以让指挥中心实时知道各个区域实际发生的状况,做出及时的应对措施。
随着大数据、人工智能技术的发展和云计算能力的提升,数据逐渐实现汇总,我相信城市级别的,或者整条公路段级别的智慧交通和智慧公路人工智能大数据系统是今后几年建设的重点。它会是一个“城市大脑”,为城市与公路上的人和车提供安全、高效、和谐的运行环境。
VisionMind·交通视界心在智慧交通系统中的应用
我在《“闪马未来城”—我们的技术与未来》大体介绍了闪马的核心产品VisionMind异常行为分析平台。而VisionMind·交通视界心是这个平台针对智慧交通打造的异常行为分析平台。
我们知道一个系统会有各种各样的子系统,智慧交通系统作为独立的一体化系统包括了复杂的各个环节:
1.路网和车路协同的系统:类似人的循环系统,是运行供给的核心通路,而上面的车、人就是城市的核心养料,他们及时的运转和循环,城市就不断的发展,壮大;
2.智慧交通的集成指挥管理系统:像大脑一样提供统一的调度,管理,应急响应;
3.各种摄像头,线圈,雷达等等传感设施网络:它就像神经系统感应着各个部位实时在发生的事情,并作出及时的反馈;
4.而VisionMind则是淋巴系统,通过感知神经系统,及时进行异常的发现、处理之后提供给循环系统和大脑及时而精确的信息。
于是VisionMind便成了车路协同系统和交通指挥管理系统的核心智慧反馈子系统。它能及时发现城市交通道路上的各种情况:拥堵、事故、道路破损、施工、灾难、违法、等异常事件的发生,结合流量等数据进行智慧化分析,提升交通的协同与管理。
VisionMind对车路协同的赋能
“眼见为实”,对道路的状况来讲,每天发生着千奇百怪的“事件”。每一辆车辆行驶过一个区域,左转,右转,停车,事故,车祸,拥堵等等都构成事件。这些事件的大部分已经被我们的摄像头“观察”到了。
然而我们对视频内容的处理大多也仅停留在观察这一步。由于计算能力和AI算法基础研究的不成熟,过去通过人工智能算法分析内容,存在准确率低、类别有限的问题。因而在车路协同和信号灯控制领域,更多使用地感线圈、雷达作为辅助传感设备,观测车的流量变化。但是雷达和线圈模式并不能真实完全复原车辆行驶时发生的事件,所以「事件还原」一直是车路系统领域的难点。
时至今日,VisionMind系统已经可以很好地解决这个问题,成熟的AI算法能够通过视频捕捉“事件”提供给协同“大脑”完成控制,协同,预警等操作。它能更精确、及时地发现和反馈到底多少辆车左转、直行、停靠。整个车路协同系统由此真正形成了闭环,这个系统不仅反馈到智慧信号灯,可变车道等等交通基础设施的控制,也能反馈到车辆、行驶地图、辅助驾驶、无人驾驶、行人过街提示等等。
VisionMind可以及时发现、治理拥堵、疏通交通、感知车辆,让人,车,路更好的协同运行。
VisionMind与交通管理的赋能
道路上的标示、路牌、信号灯构成了管理交通的基本设施;交通的法制确定了交通运行的基本规则。这两样构成了交通管理的最基本的要素。
在管理实践中,由于道路路况、车辆行为、行人行为的复杂,利用完全的自律来解决交通管理是不切实际的想法,于是交通主管部门不得不使用处罚来调节,让交通系统有一个反馈的路径。然而,因为交通范围巨大,人力执法的难度就相当高,电子警察逐渐站上了舞台中央,渐渐也变成了一个行业。
但是我个人认为,随着历史的发展,电子警察这种单一处罚目的的产品会慢慢淡化,更合适的工具应该以整体异常行为治理为目标的管理系统。
VisionMind就是这样的一个系统,利用城市中的摄像头,进行分析,抓去交通违法的机动车、非机动车、行人的行为,对实际的违规行为的区域进行深入分析。因此,它关注的不光是个体,也包括周围环境的识别分析,从而得出更合理的结论。同时,我们的视频异常行为分析能对道路的施工的合理性、道路的资产的破损进行异常分析,及时发现调整,变“事后处罚”为事中调整“和”事先预警”交通管理的难度大大降低,效率大大提升。
简单、易用和快速部署是VisionMind的追求之一,我们的目标是半天就能让全城的相机拥有异常行为分析的能力。并且,利用ATOM深度学习平台,自主学习,深入发现更新的值得关注的异常行为,就和我们的淋巴系统一样,自我学习,产生新的抵抗能力。在未来的城市交通环境中,即使有新的交通工具、无人驾驶、甚至私人飞行设备出现,VisionMind也会成为更好的交通实时发现手段。它就像一双智慧化的眼睛,能随时随处看到“异常”点,快速响应交通管理同时,提升交通管理的规划和政策数据化发展,让管理更智慧化。
VisionMind在道路的城市治理意义
对交通来讲,车路协同,交通效率是核心。但是,由于道路上行驶的来往车辆和各种设备,会给城市环境的可持续发展带来问题,比如渣土车未覆盖、滴漏导致的城市扬尘,比如垃圾分类车不及时正确的倾倒垃圾等等。
VisionMind的最大优势就是能从细微的“异常”中发现治理之道,见微知著。
道路上的每一种设施和车辆的行为,都可能会导致城市环境、建设、管理中的一些问题,从而影响城市的安全、干净、有序的发展。我们通过视频感知去发现每一种异常行为,聚沙成塔后就具有巨大的想象空间。在城市治理中会有越来越多的异常行为被VisionMind所发现,他们可能会赋能到更多的城市运营和大数据环节中,把智慧城市和智慧交通结合起来,形成一个很好的联动治理。
VisionMind交通生态合作的意义
VisionMind对于智慧交通系统来说,类似淋巴系统对于整个人体一样,仅仅是一个很小的子系统而已。整体的智慧交通系统十分庞大,囊括的板块、解决的问题也极其复杂。而VisionMind小巧、聪明,应该是一个异常行为的发现者,协助智慧交通的大系统做“聪明”的发现。
为此,闪马和很多交通行业的系统开发伙伴进行合作,有集成指挥系统、有做车路协同、智慧信号灯系统的等等,他们往往是各地行业大系统平台的集成方。只有和更多系统达成互联互通,整体的智慧交通系统才能构建的更加完整,VisionMind交通视界心系统也才能发挥更大的价值。
闪马作为专业从事视频异常行为分析领域的公司,愿意向智慧交通领域的专家,先行者企业学习,共同合作。针对不同交通的场景进行深入的研发,不断提升VisionMind交通视界心的异常行为分析能力和业务结合能力,为智慧交通作出自己的贡献。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
