智能交通市场年会｜闪马智能：AI赋能新基建，智慧高速如何更聪明_大数据ai稽核系统使用情况

​2021年3月24日，由赛文网主办的第十届中国智能交通市场年会于南京举办。作为国内智慧交通领域资深会议，论坛从市场投资、技术发展、项目建设、企业经营等多维度进行内容策划和嘉宾邀请，贴近一线实战场景。

闪马智能副总裁&智慧城市创新院副院长邵钦豪受邀发表演讲，以下为演讲内容。

首先介绍一下我们闪马智能，我们是一家围绕视觉智能和数据智能进行城市空间管理的AI中台公司，智能管理范围包括道路交通、工作学习、生活娱乐、互联网信息、城市环境等城市运行五大空间。
我们通常会接入城市现有的视频流配合AI算法来进行充分利旧，截至目前我们已储备300+算法，在200+城市落地应用。同时，我们也接入如雷达等多样数据源，通过结合场景进行数据智能分析来支持管理者的决策。
我们在智慧高速的创新应用，主要有三大领域：路网监测、收费稽核、预测仿真。

智能感知体系 监测路网异常

用户与我们接触后，最先开始应用的往往是智能感知体系，归属于路网监测模块。我们将感知对象分解为三个“异”，异常事、异常车、异常环境，结合场景配置算法。场景对视觉算法的影响是很大的，比如说同一套算法在大路、在隧道，由于光线条件不同，精度也不相同。
所以我们根据场景调整算法，过程中往往会做过拟合。面对新场景、使用新数据训练新版本，然后用新版本去满足特定场景的需要。
我们的感知体系包括交通事件、交通违法感知和交通参数采集。有些事件影响不大，有些会很严重，我们就根据影响程度和用户需求分优先级上报。

在感知交通违法时，我们会采集违法图像合成证据链，推送相关管理部门，尤其是还针对一些危险驾驶行为进行二次识别和预警动态。
交通参数，比如车流量、车速、时空占有率这些要做到分车道、车型级的精确。我们在采集后还会把所有这些数据放入时空数据库，为后续预测仿真提供数据来源.这就是第一个阶段，全域感知。
客户一般还有更高的需求，他们希望把AI整体嵌入流程中，整体性提高效率。按人工模式，交通事故处置流程包括：报警巡查-确定位置-事故分类-安排就近警力处理-记录等一长套，中间过程很繁琐。仅仅依赖感知单一环节提升的效率有限，我们参与了更多流程，把其中50%的环节自动化，解放人力，帮助客户把有限的资源投送到需要的领域。
接下来，由于高速运营公司管理体系越来越趋向于统合，所以我们也将数据打通，建立一体化的运营管理系统。它就像是晴雨表一样通过一张图来去纵览全局，主动预警、快速确认警情，同时也可以通过小程序和其他的一些手段来去进行查看处理，智能派单，发布公告，以提高指挥调度效率。

大数据稽核系统 保障颗粒归仓

第二部分是收费稽核，自从全面ETC收费后，收费稽核是所有运营公司都面临的一个难点。目前逃费现象是很严重的。我们和一家运营公司稽核组一起工作了半年，这半年里面，他们是通过人工来去做的。从发现到收集证据，耗时有90人日，效率十分低下。
所以我们根据调研总结了十余种偷逃费异常行为，据此建立一套AI稽核体系。通过视觉感知检测判断车型，同时用大数据技战法来去判断路径正常与否，集合指标异常车辆，发现逃费行为。
逃费是一块，另一块是漏费，有时etc会出现检测不到的情况，造成漏费。如果依赖于省结算中心对账，那需要7天左右的周期。对于运营公司来讲，很难了解当天流水的情况，信息的滞后不利于有效运营。我们用大数据结合视觉，检测相应的车型搭配数据分析来自动化生成每天流水报表，来帮助客户更好地了解业务情况。
在发现车辆偷逃费行为后，我们关联通行数据和抓拍照片，以还原车辆通行路径，为收费站追收补缴款提供证据。最终，各项数据集合建立成高速流水费用的一本账，极大程度提高运营效率，保障应收尽收。

预测仿真系统 防患于未然

第三部分是预测仿真。预测，主要针对路况和交通流量，比如说判断拥堵的成因以及拥堵的影响范围。我们会结合历史同期时空数据（车流量、路段等）、节假日、不同天气情况，来进行一个综合判断。判断一个是短时判断，预测未来半个小时内该地的交通状况。另一个是长期判断，预测周期是未来七天。
这种预测配合实时前端感知，现状和历史数据结合分析，提供未来预期车流量等数据，可以给管理者提供智能化的道路预案。有了这个预案，我们就可以去进行提前干预来解决道路交通问题。
总结一下，我们从以下几个角度助推管理升级：
1、看得清：事故发现时间缩短50%
2、提效快：大幅度提升收费复核、数据分析等环节效率
3、有远见：通过预测仿真，提供预案，提升33%通行能力
系统根基 高效的AI中台体系
这套高速运营体系基于我们的AI中台。其中包含几个方面，一个方面，就是我们充分利旧，所以基本会利用现有的监控设备，不加装摄像头，直接赋能。第二个方面，我们也可以帮助用户定制一套一体化运营管理系统。但是如果我们用户有自己的运营管理系统，不想改动，也没问题，我们可以以输出API的形式，直接对接现有的运营系统来提升运行效率。
另一个方面，我们是采用云边融合的架构，对于网络条件不太好的地方，我们建议布设星边缘智能盒子，以解决网络延时问题。视频流效果比较好的建议使用云端计算进行更深入的分析，根据不同环境提供不同配置，相互结合。

这里再谈一下我们的三大类核心算法，第一种是多目标检测-分类-跟踪，感知人、车等目标对象情况。第二种是背景建模，其中的典型是抛洒物检测算法，抛洒物不能用分类算法做，因为不知道抛下的会是什么物体。所以我们剥离移动物体，把一条道路实时建模，来发现预警抛洒物。第三种是相似度对比算法，就像“找不同”游戏，前后对比发现环境内的变动。这几种算法结合，就能把高速上的移动目标，比如说车，静态物体，比如说路设，都检测到，来做一个全面的感知。
我们的AI中台核心是ATOM深度学习平台和VisionMind视频分析平台。借由ATOM，我们的算法可以进行持续的训练升级迭代。现在我们也与复旦、华东师大等几所高校合作，他们的学生会使用ATOM来进行模型训练。训练好的模型进入VisionMind，这个平台包揽视频接流、截帧、算法调度、上线、任务分配、结果消息推送等职能，来支持我们在各行业领域的应用。
我们也希望通过今天的介绍，能和各位领导各位同仁一起，把AI更多应用到新基建建设中，让高速更聪明，谢谢大家。