智能制造網(wǎng)APP
智能制造網(wǎng)手機站
智能制造網(wǎng)小程序
智能制造網(wǎng)官微
智能制造網(wǎng)服務號
智能控制
機器人
儀器儀表
物聯(lián)網(wǎng)
3D打印
工業(yè)軟件
回放
回放
品牌
其他品牌
如何捕捉到交通各參與主體的精細要素一直是智慧交通發(fā)展面臨的一大問題，北京卓視智通科技有限責任公司CEO吳柯維表示，AI場景化應用將顯著助力智慧交通的未來發(fā)展。
吳柯維在第二屆(2019)中國人工智能+交通論壇上就人工智能與深度學習的歷史、未來AI發(fā)展的方向、以及AI如何賦能智慧交通應用落地做了詳細闡述。
目前，卓視智通在AI與智慧交通的結合上進行了諸多創(chuàng)新，無論是城市道路交通，還是高速公路，識別內容由車輛延伸到行人、路況環(huán)境，都做了極大的投入并取得了一定的成果。
以下為吳柯維演講的全部內容：
大家好，我們卓視智通一直專注于車臉識別和交通大數(shù)據(jù)應用，并致力于人工智能在交通相關垂直行業(yè)場景應用。今天我的演講主題是：AI場景化應用，助力智慧交通落地。 因為在坐的很多并不是人工智能領域的科研人員，首先讓我們簡單回顧一下人工智能的發(fā)展歷史。
人工智能的歷史
我認為人工智能有兩個大的時間節(jié)點，節(jié)點：起源—1956年達特茅斯會議。第二節(jié)點：騰飛—近期深度學習的廣泛應用。
2006年Geoffrey Hinton發(fā)表了一篇論文，提出了深度學習相關理論及訓練方法，當時并沒有受到特別大的關注。
直到2012年，通過深度學習實現(xiàn)的圖像分類方法在ILSVRC圖像識別比賽上大放異彩，取得了遠超前一年的好成績，才讓深度學習技術受到Google，F(xiàn)acebook等大公司的關注和大規(guī)模投入。
值得一提的是，ILSVRC圖像識別比賽所用到的ImageNet數(shù)據(jù)集是由華人女科學家李飛飛2007自主籌資發(fā)起的，可以說，正式由于這個數(shù)據(jù)集的建立，推動了深度學習技術從理論走向了應用。
直到2016年，AlphaGo 事件，讓深度學習走向大眾視野。
深度學習技術目前來說，貢獻大的在計算機視覺和語音識別兩個領域，其中計算機視覺領域取得的進展大，這也解釋了，為什么近年來AI技術廣泛應用于安防、交通等領域。
那么深度學習為什么能取得令人驚艷的效果？深度學習讓計算機自動學習內在邏輯，而計算機機器學習終其一生，就是在求一個目標函數(shù)的小值，小化損失，這有點類似人類的思維模式。其內在邏輯遵循奧卡姆剃刀原則——經(jīng)濟的往往是適用的。
深度學習大的貢獻之一，是認知能力的提升，但對于智慧交通系統(tǒng)而言，除了認知，還需要決策，因此AI真正能給智慧交通帶來全面改變，還有很長的路要走。深度學習目前對于計算機視覺改進顯著的有兩個方面：
?。很嚹樧R別。由車牌識別發(fā)展到車臉識別，并且是360度任意角度識別，識別內容包括車內外的可見的所有特征信息，這為智慧交通系統(tǒng)奠定了數(shù)據(jù)采集基礎。
第二：人臉識別。LFW庫上人臉識別準確率超過99.8%，動態(tài)人臉識別獲廣泛應用。
人工智能當前的發(fā)展階段
由2018年8月公布的新興技術成熟度曲線Gartner可知，深度學習目前已經(jīng)處于頂點位置。關于下一步如何發(fā)展？接下來是否會有更好的突破？等問題已經(jīng)被提出。
深度學習逐步進入到發(fā)展相對緩慢、技術迭代周期加長的階段，在這一階段中，許多的AI芯片和前端智能化產(chǎn)品逐步誕生，這也催生了邊緣計算概念的提出，在這個背景下，云+端將是新的趨勢，2019年也將是邊緣計算大爆發(fā)的一年。
近年來，科學界和工業(yè)界開始意識到，深度學習已經(jīng)不再是包治百病的靈丹妙藥，在這個大背景下，AI只有針對場景化的優(yōu)化，各個擊破，才能真正解決問題。下面我從幾個典型的場景來一一闡述。
AI+智能駕駛
自動駕駛目前在智能交通領域被認為是具潛力的應用方向之一，近年來受到資本的青睞。
自動駕駛的愿景雖然美好，但現(xiàn)階段依然存在著很多問題，例如自動駕駛車輛也頻繁發(fā)生交通事故，很多自動駕駛的演示方案往往是一些路況條件特別好的道路，對于大角度的彎道或一些具有非視距障礙物的道路，往往很難有效處理。
這一些的問題導致近一年來，產(chǎn)業(yè)界對自動駕駛普遍持悲觀態(tài)度，認為其可能是未來二十年甚至更久才能實現(xiàn)的故事，美國現(xiàn)任總統(tǒng)川普前一陣甚至說未來五十年都不可能實現(xiàn)。
但基于自動駕駛技術已經(jīng)可以落地的輔助駕駛今年備受資本關注，原因是其可以更好的商業(yè)化落地。我個人比較看好輔助駕駛。
目前我們也正在打造了一項短期內可服務于輔助駕駛，遠期可助力自動駕駛的技術——車路協(xié)同道路全息感知。
我們通過道路路側的攝像機感知道路的路況、車輛以及行人等參與主體的位置、速度和方向，識別道路上的一些異常交通事件，落地車路感知技術。交通事件檢測系統(tǒng)在高速公路上目前已經(jīng)大量投入使用，城市道路近年也在逐步開始應用，但于異常交通事件的檢測和報警。
通過路側攝像機將道路參與主體(人、車、非機動車)的狀態(tài)、速度、方向、位置等信息進行檢測，通過C-V2X或5G技術給周邊車輛進行超低延時的廣播，讓其知道自己所處的環(huán)境，這顯著提升了車載輔助駕駛系統(tǒng)和未來的自動駕駛車輛的環(huán)境感知能力，它相當于給每一輛車安裝了一個“天眼”，能夠站在高空俯視車輛周邊的道路和環(huán)境，類似于飛車里的“上帝視角”。
可以想象，這種環(huán)境感知極大的彌補了輔助駕駛系統(tǒng)和自動駕駛車輛上車載傳感器無法解決前方遮擋、大角度彎道或坡道、檢測距離有限的非視距問題，隨著5G及V2X技術的廣泛應用，能夠產(chǎn)生價值的車聯(lián)網(wǎng)應用，例如高速公路上的團霧是目前高速公路交通事故特別是連環(huán)碰撞事故的主要原因之一，由于其發(fā)生距離短，往往只有幾百米半徑，傳統(tǒng)的高速公路氣象檢測系統(tǒng)不容易發(fā)現(xiàn)，即使發(fā)現(xiàn)也無法通知車輛。
而對于基于視覺檢測和5G及V2X技術的車路協(xié)同感知系統(tǒng)來說，檢測相對容易。我們可以利用該技術將檢測到的團霧預警信息發(fā)送給500米以外的車輛，提醒車輛減速規(guī)避危險，可以有效規(guī)避團霧引發(fā)的連環(huán)追尾事件，減少人車傷亡損失。
可以想象，未來路側車路協(xié)同視覺檢測單元，對于道路而言，將會變成一項必備的基礎設施，它會像道路兩側的照明燈一樣，將整個的道路狀況清晰的檢測出來，并通過5G等通信技術無延遲的投射到道路上的參與主體——車輛的“大腦”里，為輔助駕駛系統(tǒng)和自動駕駛車輛增加了一雙天眼，為道路車輛行駛保駕護航，未來沒有配置車路協(xié)同道路感知的道路好比是漆黑無燈的鄉(xiāng)村公路，汽車都得小心翼翼緩慢行駛，而配置了車輛協(xié)同道路感知的道路就好比是燈火通明的公路，汽車視野開闊可以快速通過。
AI+智慧交管
近年來，構建城市級“交通大腦”被認為是一項行之有效可落地的智慧交通解決方案。
我們也正在通過車輛識別、行人識別和大數(shù)據(jù)來構建交通大腦，調動城市內的所有攝像頭對車輛和目標進行感知，終將結果映射到地圖上，由此構建現(xiàn)實世界的虛擬數(shù)字鏡像。
通過這個工作，可以實現(xiàn)車道級的車流統(tǒng)計與交通流仿真，道路參與主體人與車的跨鏡頭跟蹤，的道路事件應急處置方案，的道路路況感知與識別等。
除此之外，對于車輛識別，我們將過去的7個字符的車牌識別擴充到了4000維度車輛特征識別。
過去的道路監(jiān)測系統(tǒng)只能拍攝到車輛的車牌號等簡單信息，通過AI技術，我們可以進行多維度識別并獲得車輛的詳細多維特征信息，例如車的品牌、年檢標志、車內飾、車身粘貼標志、車輛天窗行李架特征等、駕駛人、副駕駛的人臉信息等，對車輛多維特征信息的掌握，可以衍生出非常廣泛的殺手級AI應用，如套牌車假牌車識別、無牌車追蹤及軌跡檢測、無牌車違法處罰、遮擋號牌車輛分析研判、?；奋囕v檢測預警等等，我們稱之為車臉識別技術。
通過車輛多維特征識別，還可以識別車輛的收費類型和軸型、軸數(shù)、輪數(shù)，進而推算出載重。今年兩會中提到，要在2年內取消省界收費站，通過攝像頭實現(xiàn)自動化的收費類型識別，將顯著加速省界收費站取消的進程，這也是AI助力智慧交通的典型應用。
AI+智慧停車
智慧停車是近年來特別火爆的一個智慧交通場景應用，通過車牌識別的應用已經(jīng)落地了無感支付，無人值守收費等典型的AI場景應用。
我們利用車輛特征進行識別，可以實現(xiàn)無牌車、污損號牌車輛的進出場匹配和計費，并通過AI識別規(guī)避通過打印號牌或手機圖片開閘的惡意逃費。
除此之外，我們還可以構建了一個AI無線視圖物聯(lián)識別感知平臺，通過PaaS將AI能力賦能給智慧停車行業(yè)，其中一個比較典型的案例就是，我們給南京某大型商業(yè)綜合體提供了入口車輛的識別畫像，通過識別入口車輛的品牌、價位、顏色，并將數(shù)據(jù)推送給商家，由商家實現(xiàn)化的營銷推送。
車位余量統(tǒng)計一直是智慧停車領域一大痛點，由于沒有的車輛余位信息，因此區(qū)域的停車位誘導系統(tǒng)往往效果不佳體驗不好。
目前我國尚沒有一個平臺能發(fā)布全國各地停車場剩余余量信息，主要是因為現(xiàn)有的車位檢測方式，地上主要依靠地磁，地下主要依靠車位識別攝像機和超聲波探測，其中地上檢測問題尤為突出，地磁用于停車場干擾較為嚴重，精度往往不能很好的滿足用戶要求。
我們通過AI實現(xiàn)了車位占用狀態(tài)識別，通過一個或多個攝像機組合即可實現(xiàn)一個室外停車場的車位余量實時檢測，成本低，施工簡單，精度高。
通過4G無線圖傳，通過PaaS云平臺云服務的識別方式，采用極低成本實現(xiàn)智慧停車的監(jiān)測，目前已經(jīng)在全國多省市停車場應用，這也是一個非常典型的AIot應用和AI智慧交通的場景化應用。
AI+智慧民航
AI技術除了在道路交通上廣泛應用，在民航領域也能場景化落地。我們在國內某大型機場，通過AI實現(xiàn)了飛機泊位占用與停機坪檢測，便于機場管理方進行飛機?？康臋z測與識別。
除此之外，我們今年還打造了一款基于無人機的違規(guī)停車及占用車道違法抓拍系統(tǒng)，通過接入無人機的視頻圖像，通過AI實現(xiàn)違法停車抓拍及應急車道、公交車道違法抓拍。
這些都是AI在智慧民航領域的典型場景化應用。
AI+公共交通
AI技術還可在公共交通領域進行場景化落地。我們通過對軌道交通和公交場站環(huán)境下行人的姿態(tài)關鍵點捕捉，可以在大客流及密集人群的情況下，監(jiān)測人群密度、斷面流量及乘客異常行為。
在旅游景區(qū)及普通山路，對行人進行分析并進行道路預警。此外還可以在公交場站進行人數(shù)統(tǒng)計及排隊長度的統(tǒng)計，將信息發(fā)送給公交公司支持其進行精細化的公交調度。
展望未來
盡管近年來因為深度學習技術的應用，人工智能與計算機視覺領域取得了巨大的進展，但目前AI技術還不夠成熟，很多場景下還無法實現(xiàn)100%或99.9%以上精度的識別，因而在很多地方，還不能完全滿足應用的需求，因而需要針對場景，各個擊破，把每個場景做到真正可用，這也是本次演講的主題，AI場景化應用助力智慧交通。
當一個技術還不能完全解決應用的需求時，就意味著存在巨大的商業(yè)機會。我們的生活中還有太多不夠智能的地方，AI的水平離大眾想象的還差的很遠，因而機會巨大，特別是在智慧交通領域。
我國經(jīng)過近四十年的高速發(fā)展，“衣食住行”中前三個基本解決，但行依然面臨著很多問題，這需要無數(shù)AI與智慧交通領域同仁的共同奮斗。
我們將繼續(xù)堅持，不忘初心，精耕行業(yè)，致力做到讓機器看懂世界，賦能生產(chǎn)與生活！通過AI技術，讓交通更便捷更安全，為城市智慧交通貢獻一份力量！
(原標題：吳柯維：AI+智慧交通的場景化應用)
浙公網(wǎng)安備 33010602000006號
智能制造網(wǎng)APP
智能制造網(wǎng)小程序
微信公眾號
