• 從“人工+智能”到“人工智能”,交管“云腦”的蛻變之路

    2019-11-18 09:22:27 來源:its114.com 評論:
    分享到:

    “大腦”并不只是概念


    在剛剛結束的2019中國智能交通年會上,公安部交通管理科學研究所王長君所長透露了一組數據:全國428個交警支隊、3935個交警大隊建設應用了公安交通集成指揮平臺,而這一平臺是智能交通管理領域對“人工智能+大數據”的典型應用,從而實現人、車違法行為精準識別以及路況的精準管理。更為重要的是,現在被廣泛接受和試點的城市“交通大腦”,實際上就是以公安交通集成指揮平臺為核心,以各種創新技術為支撐的智能化信息系統。

    但400多個交警支隊,近4000個交警大隊所建設的平臺,所發揮的作用在同一水平線上嗎?作為“交通大腦”的主要承載體,又應該如何提供更貼近交管工作需求,更貼近實戰的數據決策支持、解決方案支持、警力調度支持?

    在“大腦”滿天飛的現在,交管單位應該如何選擇?不同的城市有不同的交通管理需求,但相同的是,技術和服務應該滿足需求,甚至于超越需求。青島海信網絡科技股份有限公司(以下簡稱“海信”)是這么想的,也是這么做的,海信2018年底上線的“交管云腦”就是這樣一個典型的產品,基于大數據、云計算、智能視頻等技術打造的集圖像分析、知識圖譜、數據融合于一體的AI開放平臺。

    image.png


    什么是“腦”?

    部標《公安交通集成指揮平臺結構和功能》規定,公安交通指揮系統中,具有特定功能的子系統包括:交通信號控制、交通視頻監視、交通流信息采集、交通違法監測記錄、交通信息發布、警用車輛與單警定位、交通設施管理、交通事件采集、機動車緝查布控等系統。

    而匯集這些子系統搭建而成的公安交通集成指揮平臺的主要功能包括:交通狀況監測、交通組織與管控、交通安全態勢評估、交通基礎數據、機動車緝查布控、非現場違法取證、交警執法站管理、警力資源管理以及系統管理、數據傳輸交換、電子地圖管理等。

    很顯然,不論是什么“腦”,其前提都是基于各子系統匯集的數據,來服務于交管工作需求,如信號控制優化、交通狀態監測、智能非現場執法、交通特勤等等,這是基礎。所以我們看到,包括“云腦”在內,都會強調要消除原有業務系統的煙囪式存在,形成統一的數據池,對數據進行智能化分析之后,再來反饋給各業務系統以及常規、非常規的業務需求。

    當我們了解交通管理工作的基礎需求之后,我們再來看海信的“交管云腦”。

    海信“交管云腦”有什么特點?在ITS114來看,海信“交管云腦”主要有兩個特點,一是以視頻圖像數據為核心,基于大數據分析、人工智能算法等,來支持信號控制系統運維及優化、交通流溯源、交通事件及警情自動巡檢等功能拓展與升級;二是基于人機耦合的專家經驗、解決方案的固化,以及細化各場景的影響參數,能夠自適應生成針對性方案,從而支持應急指揮調度、重大交通安保等工作的科學、高效率運行。

    強大而智能的感知

    視頻設備是目前交管工作中最重要,也是覆蓋面最廣的非現場執法處罰和交通信息獲取渠道,在大數據平臺和超強算力的之下,也能夠對億級數據進行秒級響應,因此,將視頻作為主要的感知和分析手段,可以廣泛支持交通狀態監測、設施管理、交通安全態勢評估等等功能的升級。

    我們首先來看海信借助“云腦”在其原有的優勢領域——信號控制系統運維及優化方面,有哪些提升。運維方面,針對信號燈故障檢測難這一行業痛點,海信自主研發了AI信號燈故障檢測平臺,可接入全域現有的電警、卡口等智能化交通設備,通過抓拍視頻或照片獲取數據源,并進行智能化分析,精準抓取識別故障信號燈并進行定位。

    image.png

    據了解,該平臺對于信號燈故障的檢測準確率高達90%以上!單個路口檢測時間<3秒,且無需施工改造,充分利舊,因而也就能快速實施,已開發針對熄滅、遮擋、鏡頭偏移、燈色沖突等“四種故障”,以及放行沖突、黃閃、燈時過長、燈時過短“四種預警”的智能檢測。


    優化方面,識別出常發堵點、潮汐現象等宏觀交通問題,同時對于時段劃分不合理、綠信比分配不均衡、路口渠化不匹配等微觀交通問題也能精準發掘,支撐交警進行道路交通優化管理。以西安市明光路為例,經過交管云腦的無人化信號智能調優,正常通行時間由原來的17分06秒縮短到7分鐘,而在明光路通行的所有車輛,算下來一天下來能節約燃油約13噸。

    image.png

    接下來,我們看一下以電警卡口、檢測器數據為主的“交通流溯源”平臺。實際上,這一平臺對應的功能就是交通狀況監測,海信攜手中規院、四維圖新等合作伙伴,為青島交警開發了該平臺。交通管控領域有一個長久的難題——路上跑的機動車數量有多少?其次就是,造成通道、區域擁堵的車輛來自于哪里?在青島核心區,“云腦”平臺使用了2000余路電警卡口、1500余個檢測器、日均6000萬條的過車數據和日均2億條的路徑還原數據,支撐交通流量全樣溯源!


    基于這些海量的數據,以及大數據、云計算平臺,再加上地圖引擎等工具,從而可以分析往來于兩區域間的車輛在多條路徑上的流量分布、路徑選擇偏好,這對疏解擁堵、路徑誘導、交通規劃和建設都具有很強的參考意義。此外,只要檢測點位足夠,在網車輛覆蓋率可達90%以上,可得出更為精確的在網車輛數量。除了宏觀的交通流溯源和在網車輛數量估算,該平臺還可以輸入任意車牌牌號,即可追查該車輛的行駛軌跡、出行次數、平均速度、總里程等信息,聯動車管數據更可以查詢該車、車主的詳細信息,對重點車輛布控以及刑偵和車管也極具價值。

    還有嗎?當然還有!海信云腦的“視頻巡檢機器人”也是基于電警、卡口、交通監控等視頻數據以及智能分析,從而具備道路邊緣自動感知和巡檢軌跡自動糾偏的思考能力,可結合路網交通狀態對城市道路交通事故、人員異常聚集等6類警情的實時自動沿路掃查,實現360°交通狀態精準感知,全面取代人工,達到城市路網全覆蓋的警情自動巡檢。當視頻巡檢機器人與交通信號故障檢測以及優化檢測結合之后,“云腦”就好像一個專業醫生,可以為全域城市道路進行把脈、診斷,不管是路口,還是路段。

    可以看到,只要視頻數據足夠、算力足夠,輔助的技術足夠,支持的功能也就越多,可以斷言,未來基于視頻大數據和超強算力的交通管理應用,會越來越多的出現,相比“大腦”概念的橫空出世,到時候我們也許也就司空見慣,不以為奇了。

    這里,ITS114要強調的是,以視頻數據為核心的智能分析系統,一定是以較為完善的視頻設備覆蓋、較高的設備正常工作率以及較穩定的視頻數據質量作為支撐的。曾有某省交警總隊科技處的領導表示,該省80%的非現場交通違法數據由不到17%的設備提供,很多點位的設備運行狀態不明。

    其次,視頻數據雖然重要,但現在不是,未來也不會是唯一的數據,GPS、北斗、線圈、地磁、雷達、手機信令、RFID以及ETC、車路協同、互聯網數據等,都會是視頻數據的重要補充,也是有效的輔助和檢驗數據。

    三個案例

    什么是“人工+智能”?簡單來說,就是人機耦合,將專家經驗、解決方案固化,并將場景所涉及的參數盡可能的完善,在人工智能的加持下,形成自適應的方案。

    什么樣的場景和服務需要用到人機耦合所產生的解決方案?海信城市交通事業部總經理王雯雯表示,事故、擁堵等發生在不同地點、不同環境下的警情處理需要這種自適應解決方案,演唱會、重大活動的交通安保也需要這種自適應解決方案,而不是固定的解決方案。

    這句話不長,但是怎么才能理解?

    王雯雯用了三個案例說明。

    第一個案例。

    某天她在公安交通指揮中心交流時,系統跳出一個路口比較嚴重的擁堵預警,指揮長的第一反應不是調取該路口以及相鄰路口的視頻來驗證,而是調取了該路口上游較遠一個路口的視頻,實際上,這個路口是該路口的瓶頸路口,該路口的擁堵會導致其他路口的擁堵。這就是指揮長這位有多年工作經驗,對主要路口交通狀態了然于胸的老交警的第一反應,很顯然,這就是不謀全局者,不足謀一域。

    王雯雯表示,在后面的交流中,指揮長還相授了不少“秘笈”。他說解決擁堵不單單是一個信號優化的問題,比如在青島有一個有意思的現象,當天氣突然降溫的這天,青島的擁堵指數就會突變上升,為什么?因為天氣突變,人的身體還沒適應過來,本能的會選擇更為舒適的出行方式,比如出租車、網約車以及私家車,交通流量會陡然增加;其次,行人在過馬路的時候,不會像在天氣平穩時,那么有耐心,就會有人嘗試闖紅燈,即便路口沒有車,但上游來車看到斑馬線上有行人通過,即便是綠燈也會減速通行。這說明,與交通相關的不僅僅只有人、車、路,還與天氣、經濟發展水平等等許多因素相關。

    那么,“云腦”如何把這些只在非常規條件下才會相關的因素,與態勢評估、指揮調度、信號控制等系統關聯起來?王雯雯表示,“云腦”最初的出發點就是要讓交通集成指揮系統具備思考能力。什么是思考能力?就是能發現問題,分析問題和影響,以及找出問題背后的原因是什么?最后就是提出解決方案!

    比如說接到警情發現擁堵,系統就要分析是事故還是施工導致的擁堵?或者是別的原因導致的擁堵?不同的擁堵原因就有不同的解決方案,比如信號控制、警力調派的安排。比如路網交通流突變,就要分析是環境因素主導,還是天氣因素主導,還是駕駛員或者車輛的因素主導,全部要過一遍,而不是說交通流變化了,就要去調整下路口的交通信號配時,信號是交通組織和控制的重要手段,但也只是手段之一,而且牽一發而動全身,所以一定要慎重。當同一路段經常出現擁堵或者事故,最后就要對警情發生原因和規律進行分析,以避免類似的警情重復出現。

    王雯雯坦言,要做到將專家方案轉化為自適應方案其實很難。雖然過車數據、路網流量、擁堵指數等數據有很多,但天氣、環境等非常態的相關數據積累并不是很多,往往是20%的異常,會引起80%的異常。只有在積累了一定相關邊緣數據后,再出現類似路網流量突變的情況,就可以根據歷史數據得出相關方案,為決策提供支撐。專家經驗只是個人的經驗,沒有具體的數據支撐,而“云腦”就可以為其提供數據支撐,現階段至少可以做到人工+智能。

    第二個案例。

    以演唱會、運動會的交通安保和疏導工作為例,常規的預案就是對信號配時進行調整,安排警力進行疏導和維持秩序,誘導系統發布誘導信息等,通用的方案大體如此,但往往在執行的時候,實用性太差。為什么呢?

    因為不同的歌手來開演唱會,效果不一樣,參與的人也不一樣。比如老牌明星和流量明星的演唱會,各自的粉絲群體就不會一樣,老牌明星開演唱會,粉絲就會有一定數量的人選擇自駕前往,私家車交通流一定會超過流量明星的演唱會,停車導致的擁堵也可能較多,而流量明星的粉絲群體乘坐公共交通工具或者打車前往的較多,交通指引和秩序維護則可能更為重要。

    再比如,演唱會、運動會舉行的時間不一樣,需要解決的問題也不一樣,在周末舉辦和在工作日舉辦,出行方式和交通流大小也就不一樣,工作日以寫字樓密集區域、商務區晚高峰沖突干預為主,周末則以商圈、景點周邊車流沖突干預為主,像此類因素云腦還預置了很多,所有解決問題的手段都是對癥下藥。

    現在不少“大腦”仍停留在能“看”到什么,“識別”什么,但解決實際問題的,還是大少。為什么?因為交通過于復雜,往往一個不太相關的因素,就能讓預案、生成的方案缺乏實用性。如果機器生成的方案,經常性的不如專家經驗,那這樣的智能,還能稱之為人工智能嗎?

    第三個案例。

    海信在10月份同時為武漢軍運會、跨國公司領導人青島峰會的交通安保工作,在跨國公司領導人青島峰會舉行之前,為使新來干警更熟練的操作交通安保系統,在演練交通安保工作時,從系統自動操作,切換為人工操作,雖然仍然是上合組織青島峰會時采用的交通安保系統,但運行效果卻不如系統自動操作,要不跟不上車隊,要不信號燈控制時機不合適,與系統自動化執行差別非常明顯。

    可見,當我們適應機器操作之后,再切換為人工操作,就會出現不適應。為什么?因為人與人之間的能力和經驗存在差別,即便同一個人在不同的時期也會出現差別。這給了海信團隊很大的啟發,致力于讓“云腦”所輸出的方案,參與的工作,不會受操作人員的水平影響,越做越好,積累更多的場景數據之后,要比專家更“專家”。

    以上就是王雯雯介紹的三個案例,當然“云腦”所具備的功能或者所具備的差異化點,并不只有案例中所介紹的幾點,還有很多,比如基于多源情報的分析去重、語義分析和POI的警情位置快速確定、信控路口的動靜態檔案所支撐的常規、非常規擁堵警情判斷等等,就留待諸位自己去發現了。

    總結來看,“大腦”不僅有強大的感知能力,更要有貼近實戰,提高管理水平的能力,而這就需要一個場景一個場景的完善,對細分場景所有相關的數據進行采集,逐步積累,然后去支持決策,從人工+智能,真正轉化為人工智能,機器生成的方案,成為被選擇執行的方案。 

    應用于實戰是檢驗技術的唯一途徑

    那么海信交管“云腦”就已經成熟了,沒什么可補足的地方了嗎?

    顯然不是,海信“云腦”的目的就是從現階段的“人工+智能”發展到高度“人工智能”的階段,要比專家更“專家”,所以還有一些需要補足的地方。有哪些需要補足呢?

    王雯雯表示“云腦”還有很多需要補足的地方,這需要海信團隊與交警單位攜手共進,協力共建,主要需要補足的地方包括:

    一是上文所說的細分場景完善,比如邊緣數據的采集和積累,一個場景一個場景的完善;二是交通組織優化。要實現“無人”信號優化,還有很多路要走,現在“云腦”可以支撐渠道區劃不合理、配時不合理等等,但還有許多問題可以去做,需要針對性的解決;三是進一步提升安全隱患風險的識別能力,比如拋撒物識別,路面積水、破損等識別,以及在重大交通安保任務期間的車輛拋錨、異常停車等行為識別等等;四是對于專家經驗固化,比如特定場景下的交通指揮調度處置建議和指令等等;最后就是進一步提升系統和設備的運維能力。

    接觸了很多“大腦”,“云腦”給ITS114的印象最為深刻。我們現在處于一個人工智能大發展的時代,也是一個概念橫飛的喧囂年代,而智能交通人的使命始終不變,不論是哪一種技術,都應該為交通安全水平的提升、交通通行效率的提升而服務,應用于實戰才是檢驗技術和服務的唯一途徑。

    海信“云腦”,正在接受檢驗,也歡迎更多的交管單位參與到“云腦”的檢驗之中!

  • 關鍵字: 海信云腦
  •    責任編輯:劉艷
  • 延伸閱讀!

  • 關于我們
  • 聯系我們
  • 廣告贊助
  • 年香港六合彩期