关于本刊   编辑机构   订阅指南   广告信息   联系本刊

AI“上路” 路且长——聚焦人工智能在高速公路领域的应用
2018-05-25 《中国交通信息化》杂志 

 AI(Artificial Intelligence)即人工智能,对于我们并不陌生。在刚刚结束的2018世界人工智能围棋大赛上,围棋人工智能“星阵”战胜了中国围棋职业九段棋手柯洁,这是继“AlphaGo”分别于2016年、2017年战胜李世石、柯洁之后,人工智能再次击败人类。这让我们看到了人工智能惊人的“进化”速度和发展潜力。更值得一提的是,“星阵”的前身是清华大学研发的围棋AI“神算子”,是百分百的国产人工智能系统,意味着中国人工智能水平迈上了一个新高度。   人工智能的发展起起伏伏,经历了一波又一波浪潮。新一代人工智能的繁荣,犹如一棵枝繁叶茂的大树,渗透至各行业的蓝图之中,服务于众多领域。当人工智能“上路”,也将与高速公路产生奇妙的化学效应,2018全国高速公路与人工智能技术应用研讨会将目光聚焦在AI与高速公路上,将AI“上路”的画卷清晰地展现在了我们眼前。

公路有“大脑”
  对于人工智能,每个人都有自己的理解。东南大学交通学院谭春华教授在会上给出了人工智能的一般性解释:指由人制造出来的机器所表现出来的智能,通常指通过普通计算机程序的手段实现的人类智能技术。其核心问题是建构能够跟人类似甚至超越人类的推理、知识、规划、学习、交流、感知、移动和操作物体的能力。   人工智能可分三类,即弱人工智能、强人工智能、超人工智能。其中,弱人工智能具有感知、记忆和存储功能,是特定领域智能,应用场景是图像识别、语音识别、语义分析、智能搜索、大数据应用;强人工智能具有认知与学习、决策与执行功能,是多领域综合智能,应用场景是无人驾驶、机器人;超人工智能具有独立意识与创新创造功能,将超越人类的智能,应用场景是创新创造和解决人类无法解决的问题。   公安部交通管理科学研究所国家工程实验室副主任姜良维介绍,人工智能由智能感知、精确性计算、智能反馈控制三个环节组成,目的是体现感知、思考、行动三个层层递进的特征。智能感知收集足够的结构化数据去表述具体应用场景,使计算机 “能听、会看”;精确性计算使计算机具备足够的计算能力来模拟人的某些思维过程和行为,实现自我学习、逻辑判断、高效决策;智能反馈控制将结果转译为肢体运动和媒介信息传输给人机交互界面或外部设备,实现人机、机物的信息交流和物理互动。   如果把智能的高速公路比作一个人,那么传感器和执行器就是人的神经细胞和肌肉,互联网络就是人的神经系统,而通过人工智能技术构建的模型则是人的大脑。近年来,我国高速公路路网建设发展迅速,以高速公路为骨架、普通公路为主体的公路网已基本形成。同时,车路持续快速增长,人民日益增长的美好生活需要对高速公路的监测、应急、管理、服务和决策也提出了更高的要求。通过“大脑”的感知、学习、判断、决策、交流与互动,高速公路将变得更加高效、智能。
需求与应用
  安全和高效是高速公路的两大特点,也是高速公路发展的目标,即从应急、监测两个方面确保人、车、路的安全行驶,并实现高效的管理、服务、决策。因此,高速公路的发展需满足应急、监测、管理、服务、决策这五个方面的需求。具体来说,就是以信息化、智能化引领高速公路管理和运营服务水平提升,积极推进云计算、大数据等现代信息技术与高速公路管理、运营服务的深度融合,全面深化高速公路信息数据的共享和开发利用,建立健全完善的监测感知体系、可靠的通信保障体系、实时的预报预警体系,实现路网“可知、可测、可控、可服务”。   人工智能技术的引入将有效提升高速公路在应急、监测、管理、服务、决策这五个方面的能力,满足路网“可知、可测、可控、可服务”的需求。中设设计集团股份有限公司施展在报告中指出,在人工智能的众多技术中,高速公路管理服务可重点关注机器视觉、智能无人机、三维视觉等技术,并对其在高速公路中的应用进行了介绍。
   机器视觉--   机器视觉技术是人工智能研究的分支之一,是一门研究如何使机器“看”的科学,能够在图像及图像描述之间建立映射关系,从而使计算机能够通过数字图像处理和分析来理解视频画面中的内容,自动地分析和抽取视频源中的关键信息。近几年最火的技术之一深度学习,是一种可用于机器视觉的机器学习技术。   机器视觉在高速公路营运管理中的应用场景除了传统的交通事故发现与预警、违停事件报警,还有道路路面检测、道路抛洒物自动识别、违法行为报警、交通流量/交通事件监测、员工服务监测,共七大场景。
   智能无人机--   智能无人机是近几年比较热的技术。中设设计集团股份有限公司在内蒙古的无人区进行了大规模的科研,通过无人机装备的挂载摄像机、挂载喇叭,将其应用于应急现场实时管控、违法侵害路产路权监管、超载超限监管等场景。   此外,智能无人机还可以进行道路养护巡查,解决外场探查有绕行、效率低、不安全的问题,提供直观完整的数据,解决物理盲区。智能无人机还可应用于应急指挥调度场景,解决传统应急保障响应慢、无法第一时间到达现场,现场视角受限、反应不全面,缺乏有效的、及时的现场取证手段等问题;具有快速响应,直线飞达现场,不受地形限制,视野开阔,机动灵活,实时拍摄留证的优势。智能无人机近几年在桥梁养护方面的应用也越来越多,如对江苏的宁高新通道•石臼湖大桥、绕城公路•秦淮河大桥等桥梁进行检测,无人机上挂高清变焦镜头,对桥侧、桥墩、桥台、桥柱等桥梁外观进行检测,可看清毫米级裂缝。 
  三维视觉--  三维视觉技术除了应用于虚拟现实(如VR巡检)方面,还可以在调度指令下发与执行、预案演练、设备巡检、路线导航、信息提示、模拟驾驶等方面得到应用。尤其通过三维GIS、电子沙盘、虚拟现实技术,可实现高速公路基础管理、资产管理、资源管理、工程管理、养护管理、应急预案等方面的应用。   基于虚拟现实的应急演练——传统应急培训演练主要通过讲座、视频、现场演习等方式实现,具有一定的局限性,如危险场景的模拟,无法对每个个体操作的规范性实现监督,而通过虚拟现实技术可模拟真实现场环境,提高应急演练的效果。   面向高速公路时间的快速三维重建还原——由于突发事件现场一旦被破坏或撤销便无法还原,通过无人机、机器视觉等技术的应用可实现现场环境的完整保持,并通过基于三维地图的事件模拟实现对现场情况的回溯、测量和分析。   除了以上提到的应用,通过智能机器人将可以为服务区休息人员提供包括点餐、送餐、咨询、导航等智能化、个性化服务;人工智能也将会在“一站式”出行服务、车联网与无人驾驶,应急预案智能匹配、无感支付、逃费稽查、智能交互式客服、行为监督、智能路径规划以及交通诱导等多方面逐步得到应用。

预警更精准

    与国外相比,我国高速公路通行环境更加复杂、交通安全隐患更加多样。面对日益延伸的高速公路和不断增加的机动车,只有强化通行车辆的全天候管控、实施交通事故黑点的全方位预警,才能从源头上确保“保安全、保畅通、降事故”的目标得到实现。姜良维为大家介绍了基于人工智能视觉芯的高速公路交通事故预警预测方案。
   预期目标--  该方案针对高速公路复杂通行条件和恶劣行车环境下的安全行车问题,研究基于人工智能视觉芯的高速公路行车环境全息感知、基于深度学习的机动车通行行为精准识别、基于声光电的交通隐患即时预警等技术,研制具有高速公路交通事故预警预测的新型交通监控设备,在交通违法易发路段、交通隐患频现部位示范应用,解决复杂交通场景下路况全息感知、行为智能识别、隐患精准预警等难题,构建重大交通事故的“综合评估、提前预警、即时干预与快速处置”技术体系,保障机动车安全有序通行。
   实现方法--   1、高速公路行车环境全息感知   利用具有人工智能处理特性的智能芯片与交通视频监控设备集成,基于嵌入式环境下高度优化的深度学习算法,解决高速公路大场景和低照度环境下全天候感知高速运动目标和高清晰场景成像问题,为交通行为分类理解获取稳定可靠的车辆行为特征。   2、机动车通行行为精准识别   基于深度学习算法提炼车辆的辨识特征和运动特征,并利用这些特征对车辆的通行行为进行分类识别。利用海量交通视频数据,针对跟车过近、违法变道、长期骑行等具有交通隐患的通行行为进行学习和训练,实现对此类型交通行为的精准识别。   3、交通隐患定位与预警   在车流感知的基础上,基于车流状态、车流中车辆的通行行为识别结果以及特定天气条件检测结果等,对车流的交通安全风险进行分级分类,根据交通隐患轻重等级对其进行预测定位,在特殊交通路段、交通事故现场或灾害性天气路段的前后方,以声光电等形式进行定向预警和告知。   4、交通事故预警预测技术集成   集成基于人工智能视觉芯的高速公路行车环境全息感知设备、基于深度学习的通行机动车交通行为精准识别软件、基于声光电的交通隐患即时预警设备,形成完整的具有高速公路交通事故预警预测的新型交通监控设备,构建基于视觉人工智能的高速公路交通事故预警预测技术体系。   
  几点思考--   对于高速公路交通事故预警预测,姜良维给出了几点建议和思考。   对高速公路通行车辆进行全方位、多角度监测,是国内外交通管理领域的常规做法,准确有效记录通行车辆运动行为也是实现路面车辆科学化管理的必然要求。
   随着大数据和人工智能等新技术的发展,在交通监控设备中直接嵌入人工智能视觉芯是国内外技术发展的必然选择。目前高速公路难以实现大场景夜间补光,也经常遇到浓雾、团雾等恶劣天气,目前基于高清视频成像的交通监控设备不仅功能单一,而且图像清晰度不稳定,国内外相关公司都在致力于改善交通监控图像品质。   嵌入人工智能视觉芯的交通监控设备,将集高清晰成像、全天候感知、多维度识别、精细化预警等功能于一体,将从本质上改变交通监控设备的内涵,为解决复杂交通场景下高速公路路况全息感知、行为智能识别、隐患精准预警提供条件。  

打逃也智能

   近年来高速公路频繁出现车辆逃费现象,且日益严重,不仅给公路营运单位造成了巨大经济损失,更严重破坏了高速公路运营管理秩序。逃费类型多种多样,防不胜防。目前在打逃方面主要的瓶颈为:针对高速公路车辆的通行信息数据的收集比较单薄,无法形成有效的证据链,如收费站出入口录像设备不清晰且没有增加对车辆车身及车尾的抓拍功能,导致核实逃费车辆信息取证难;现有的稽查打逃系统智能分析能力较低,无法对逃费车辆进行有效打击。   针对这两个问题,黑龙江省交通信息通信中心总工程师宁书勋讲解了车辆多维特征及大数据在打逃中的应用,可有效突破打逃瓶颈。
   车辆多维特征信息采集   车辆多维特征信息采集的策略为:在收费站出入口部署车型识别设备,主要由三组图像采集系统、多元特征信息提取分析系统、车辆分离系统、补光系统等组成,是实现高速公路可视化管理的基础手段;在道路上部署高清卡口设备,实现对所有经过卡口点的车辆车牌抓拍自动识别及驾驶员的人脸抓拍,清晰辨别车辆颜色和车辆全貌,为逃费稽查管理形成完整的证据链;增加二义性路径识别设备,利用车牌自动识别技术,检测车辆的行驶路径,作为通行费收取及分账的依据;升级收费站车牌识别系统,要求升级后的车牌识别系统抓拍图片具有良好的清晰度,同时还需提供抓拍图片并上传到路段管理平台。   其中,车型识别系统采用机器视觉信息技术和多维车辆特征信息提取分析技术,获取车辆多维度的信息,集图像采集、图像处理、图像抓拍、车辆特征检测、车牌识别、车型分类于一体,实现车辆车型自动识别及分类,适用于高速收费站自动发卡系统、套牌车查处、ETC逃费治理、治超车道等。   车辆多维特征信息采集可以自动获取车辆逃费的证据链,包括有逃费车辆出入口信息、车辆信息、逃费特征说明、逃费地点、嫌疑车同作案车辆数据显示、途中经过点车辆信息、车脸、人脸信息。
   信息处理及其关键技术   信息处理环节利用前端设备采集的各种信息,结合相邻系统数据,建立起大数据分析平台,实现各类营运分析应用与逃费稽查功能,可实现数据查询、逃费分析、路径识别、布控报警、流量统计、黑名单管理、统计报表等功能。
   动态分析与信息确认是技术难点   大数据分析平台的数据收集是自动进行的,因此要求分析任务也必须是动态的,系统必须对新增的数据进行实时处理。现有数据还存在信息缺失、信息错误等情况,如断面卡口数据中无车辆类型信息、入站车牌识别错位、通行卡提前发卡等。网络传输系统的稳定性与可靠性也存在问题。如何重建缺失信息、如何剔除错误信息对分析结果的正确性具有重大影响。   稽查分析是大数据分析平台的重点功能   数据量、数据本身的质量问题是稽查分析的难点。稽查分析的基本思路是:首先从大量的数据中筛选出异常数据,然后从异常数据中尽可能地剔除由数据缺失或者系统本身造成的规律性错误数据,最后通过一类算法标识出有重大嫌疑的偷逃费用车辆。且行且探索。 
   横看成岭侧成峰,远近高低各不同   人工智能是个非常大的领域,涉及到诸如计算机视觉、自然语言理解与交流、认知与推理、机器人学、博弈与伦理等学科。国家智能交通系统工程技术研究中心副主任孟春雷指出,现在业内对于人工智能的理解就是从各自学习的角度去判断,就如同苏轼的《题西林壁》所言——横看成岭侧成峰,远近高低各不同,不识庐山真面目,只缘身在此山中。总体来说,我国人工智能的发展还处于一个比较初期的阶段,概念性和战略性还比较薄弱,理论还比较基础和简单,还不是一个扎实的工程学科,还无法对场景进行常识性的理解。
   只是在“深度学习”算法上产生了突破   人工智能的发展经历了一波又一波浪潮。南京大学软件学院刘嘉教授强调,与我们最近的这一波人工智能浪潮与以往的浪潮相比,其最大的不同是:这一波人工智能浪潮只是在“深度学习”算法上产生了突破。在人工智能这个大领域中,机器视觉只是其中占比不到十分之一的一个细分领域,而深度学习又是机器视觉领域中占比不到十分之一的一个细分领域。这一波人工智能的发展主要得益于大数据的发展,大家认识到数据的价值,去收集、加工、标注大量的数据。在这个基础上又因为深度学习的发展,特别是工程化的发展,使得利用大量的数据建立精细化模型成为可能。   1997年,“深蓝”击败了卡斯帕罗夫,2016年“AlphaGo”战胜了李世石。从算法的先进性以及计算的深度来看,这无疑是人工智能的进步,人类在最不可能被战胜的项目上被AI战胜了,可以说这是人工智能发展的里程碑。但我们也只能说,人工智能只是在某一个点上完成的工作第一次超越了人,除了下围棋,“AlphaGo”甚至还不能打死一只苍蝇,更不用提处理国际关系了。 
  人工智能需要不断学习和探索   虽然“深度学习”在语音和图像识别上产生了突破,但目前人工智能的能力还是非常有限的,专家指出,我们将在弱人工智能阶段停留很长时间。   人工智能需要不断学习和探索,人工智能在高速公路领域的应用也是如此。自动/无人驾驶车辆一直在上路测试,是因为即使行驶一百万公里,都不能遍历所有的情况。在高速公路智能视频识别与分析应用中,人工智能技术正在并将持续发挥重要作用,但目前基于智能视频识别技术的事件检测、应急预警、打击逃费等应用大多只是融合了“深度学习”算法与大数据技术,且视频库中的绝大部分数据是无效的,基于人工智能的应用还有更深、更广的领域需要探索。   AI才刚刚“上路”,前路漫漫,路阻且长。但我们相信,人工智能在高速公路领域的应用将大放异彩,在路的彼端,AI“上路”后的风景值得期待!(原文刊载于2018年第5期《中国交通信息化》杂志上)

版权所有:中国交通信息化杂志社  技术支持:中国公路网