杭州?？低晹?shù)字技術(shù)股份有限公司交通行業(yè)解決方案總監(jiān) 曹雨崧

　　海康威視Ai Cloud云圖交通，開啟智慧交通2.0的大門，以認知計算，融合呈現(xiàn)為圖景提升用戶的業(yè)務(wù)效能。
　　如果說2017年是ITS2.0的元年，那么?？低曉诮衲?0月份發(fā)布的Ai Cloud，基于神經(jīng)網(wǎng)絡(luò)的認知計算系統(tǒng)則是在ITS2.0的基礎(chǔ)之上進行的人工智能和云計算技術(shù)的賦能，因此以Ai Cloud為代表的智慧交通新時代已經(jīng)來臨。
　　新時代的智慧交通對于系統(tǒng)的感知能力、運算能力、資源融合能力以及技術(shù)生態(tài)的融合能力都提出了比較高的要求，隨著智慧交通業(yè)務(wù)的不斷發(fā)展，對于安全保障、效率提升和服務(wù)優(yōu)化這些方面的要求也在不斷地提升。對于數(shù)據(jù)的運用、計算、呈現(xiàn)的要求是非常高的。比如信息挖掘的維度、時效性、并法處理的性能等，由于傳統(tǒng)架構(gòu)的限制，包括處理能力方面的限制，成為制約業(yè)務(wù)順暢體驗的絆腳石。

圖1Ai Cloud誕生記

　　因此Ai Cloud架構(gòu)應(yīng)運而生，我們按照邊緣節(jié)點、邊緣域、云中心進行分類，通過人工智能技術(shù)提升邊緣節(jié)點、邊緣域的感知能力，通過云中心提供的信息讀寫和研判能力來支撐更多的業(yè)務(wù)應(yīng)用。在Ai Cloud三期架構(gòu)當(dāng)中，邊緣節(jié)點以帶有AI算力的感知設(shè)備為代表，海康威視2016年發(fā)布的以深度學(xué)習(xí)為核心功能的產(chǎn)品系列，比如海康深謀系列，無人機、創(chuàng)新視角采集的前端，還有包含類似于工業(yè)相機，工業(yè)傳感器等類型是邊緣結(jié)算的節(jié)點，用于信息的感知。邊緣域起到了資源和數(shù)據(jù)匯聚的作用，此外通過深度學(xué)習(xí)的計算能力的注入，實現(xiàn)規(guī)模的圖像匯聚、圖像分析、結(jié)構(gòu)化能力，突出體現(xiàn)其處理的性能。比如各路的接入網(wǎng)關(guān)，接入各類資源和信息，包括從2016年發(fā)布的數(shù)據(jù)中心的產(chǎn)品，圖片二次識別服務(wù)器等。云中心首先能夠?qū)崿F(xiàn)大規(guī)模的數(shù)據(jù)資源的匯聚和融合，通過云技術(shù)實現(xiàn)系統(tǒng)的高并發(fā)接入，結(jié)合用戶的業(yè)務(wù)需求，實現(xiàn)業(yè)務(wù)導(dǎo)向的分析計算，提升可視化交互呈現(xiàn)效果。
　　云中心提升的典型能力，以大數(shù)據(jù)運算能力為例來說明，首先基于分布式的數(shù)據(jù)庫、全文檢索、分布式資源管理等，對于業(yè)務(wù)應(yīng)用而是不夠的，更多的是提供一些基于純數(shù)字運算，比如查詢、檢索、分類、排序等基礎(chǔ)的運算。需要以業(yè)務(wù)應(yīng)用為導(dǎo)向，定義新的數(shù)據(jù)結(jié)構(gòu)和制定新的計算規(guī)則和業(yè)務(wù)規(guī)則。比如說前端感知、邊緣域感知等能夠產(chǎn)生大量車輛結(jié)構(gòu)化的設(shè)計，這些結(jié)構(gòu)化的數(shù)據(jù)對于業(yè)務(wù)應(yīng)用而言是扁平化的，需要通過分析車輛的外觀特征，時空觸摸規(guī)律，還有本身車輛的屬性等綜合因素考慮。把交通管理者平時在一些案件的辦理或者是重點車輛監(jiān)管的過程中的一些經(jīng)驗沉淀下來，稱為具體的車輛情報分析邏輯，業(yè)務(wù)運算區(qū)別于傳統(tǒng)的純數(shù)字運算。做車輛多維度的時空分析、交通態(tài)勢分析和數(shù)據(jù)可視化輔助決策應(yīng)用。
Ai Cloud這樣一個基礎(chǔ)架構(gòu)，從單純的感知變?yōu)檎J知，將傳統(tǒng)的純數(shù)據(jù)計算，比如查詢、檢索、分類、比對的業(yè)務(wù)變?yōu)楦鼜?fù)雜的運算，包括推理、分析和挖掘等。人工智能技術(shù)一方面獲取更多的交通維度的場景信息，比如車輛的屬性、行為、動作、外觀的特征還有包括道路交通的環(huán)境等從海量的數(shù)據(jù)當(dāng)中挖掘背后的規(guī)律，經(jīng)過一些業(yè)務(wù)規(guī)則上的排序，能夠突破原有的信息感知瓶頸，挖掘更多的信息出來，邊緣節(jié)點和邊緣域共同承擔(dān)認知計算的任務(wù)。
　　數(shù)據(jù)和信息的體量越來越多，信息和類型也變得更加的豐富復(fù)雜，如果沒有一個良好的融合手段以及呈現(xiàn)思路，就會造成巨大的信息浪費。以TOCC和交警的AR實景融合指揮為例，數(shù)據(jù)的融合不是簡單的堆砌就可以實現(xiàn)的，必須貼近業(yè)務(wù)和實戰(zhàn)，能夠讓用戶最高效、最短的時間內(nèi)獲取到最重要的信息。

圖2Ai-Cloud在交通行的應(yīng)用

　　包括交警行業(yè)，大交通行業(yè)，比如軌道、機場、高速公路等，這些成果能夠清晰的而且充分的說明Ai Cloud所代表的這種架構(gòu)上的創(chuàng)新，運算能力，業(yè)務(wù)承載能力的優(yōu)勢是非常明顯的。
　　在交通行業(yè)的各個領(lǐng)域，幾乎都可以看到Ai Cloud的場景，從信息的感知、融合、分析到最終的聯(lián)動執(zhí)行、呈現(xiàn)，Ai Cloud這樣一個架構(gòu)有助于在上述環(huán)節(jié)提升質(zhì)量，增加應(yīng)用保障?；谏疃葘W(xué)習(xí)的道路監(jiān)控、卡口、節(jié)點提供的實時數(shù)據(jù)，通過邊緣域的二次識別和云存儲能力建立合適的業(yè)務(wù)模型，借助云平臺的分析能力實現(xiàn)交通違法整治、失駕專項整治、安全態(tài)勢分析、假套牌車輛的整治，以實時的準(zhǔn)確的數(shù)據(jù)分析和研判保障交通運行的安全。
　　交通大數(shù)據(jù)本身是數(shù)據(jù)分析重要的手段，也是實現(xiàn)擁堵治理和預(yù)防的重要途徑，同時是云中心在融合和計算性能方面的最佳的體現(xiàn)。一方面入口級的數(shù)據(jù)能夠不斷地積累，另外一方面，在全城市的信息感知基礎(chǔ)上，比如卡口、電警、道路上的監(jiān)控，代表抓拍功能的攝像頭越來越密，利用時空出行規(guī)律的數(shù)據(jù)，通過這些數(shù)據(jù)去分析車輛的平均速度，OD旅行時間常用的指標(biāo)用于判斷預(yù)測實時狀況，預(yù)測的結(jié)果可以作為交通態(tài)勢分析，包括交通誘導(dǎo)信息發(fā)布的依據(jù)，這些應(yīng)用是依托于邊緣節(jié)點，本身準(zhǔn)確的感知能力也要依托于基于邊緣域和云中心對于數(shù)據(jù)整合建立的數(shù)據(jù)分析模型。
　　基于4KAR實景指揮調(diào)度的系統(tǒng)，也典型的Ai Cloud應(yīng)用代表，傳統(tǒng)的交通指揮調(diào)度特點是需要多個子系統(tǒng)來回切換，視頻也好，誘導(dǎo)發(fā)布也好，通過這樣畫面，把交通管理者關(guān)注的信息疊加在畫面底層上，就可以一個畫面把多角度的視頻，卡口分析的結(jié)果，包括時間檢測分析的結(jié)果因素融合在這個上面，這樣對于系統(tǒng)調(diào)度的需求很高，包括數(shù)據(jù)調(diào)度、圖像資源的調(diào)度、高清顯示等。這樣一套系統(tǒng)本身是Ai Cloud架構(gòu)創(chuàng)新的典型，最終提升了指揮調(diào)度的模式。
　　互聯(lián)網(wǎng)的信息發(fā)布平臺，通過云中心整合云資源，邊緣域和邊緣節(jié)點采集的公共交通信息加以整合，最終實現(xiàn)手機APP或者微信公眾號領(lǐng)域的信息發(fā)布。比如實時路況、道路交通事件、交通管制等信息，過去從交通管理者獲取信息，現(xiàn)在可以交通管理者和交通參與者進行互通。
　　另外一個維度是車載后視鏡，本身也是創(chuàng)新架構(gòu)里面新形態(tài)的邊緣計算節(jié)點，是重要的交互載體，通過車載后視鏡可以實現(xiàn)人人拍的違法舉報，通過車載云鏡固化的設(shè)備，包括業(yè)務(wù)流程來實現(xiàn)這樣的功能。同時云鏡也可以作為車載信息接收的載體，比如前方的道路狀況、事件等可以推送過來，高速公路上因為某種原因產(chǎn)生交通隱患的時候，就可以把信息推送到車主這里。
　　車載駕駛行為分析的職能運算節(jié)點，也能夠體現(xiàn)智能前移的優(yōu)勢，比如在公交車上安裝帶有運算的數(shù)據(jù)，比如開車疲勞、抽煙，不目視前方，打電話行為都可以進行告警，這些信息收集回來進行后端的培訓(xùn)，對于系統(tǒng)而言是有利的。
　　在公交車的車箱當(dāng)中部署客流密度的統(tǒng)計相機，這種設(shè)備可以進行更加高效的分析系統(tǒng)目的的需求，提供基礎(chǔ)的數(shù)據(jù)。這些數(shù)據(jù)上傳到中心以后就可以進行整合，整合結(jié)果可以作為調(diào)配公交發(fā)班密度和調(diào)整線路的依據(jù)。同樣包括出租車等候區(qū)也可以利用類似的思路計算在常規(guī)狀態(tài)、高峰狀態(tài)和應(yīng)急狀態(tài)下對于乘客的需求，對于公交和出租車、網(wǎng)約車調(diào)度的影響。
剛剛過去的雙十一，馬上要迎來雙十二，電商的蓬勃發(fā)展本身對于物流的高效性提出了更高的要求。比如讀碼相機讀包裹可以迅速的讀出包裹上的條碼了解到出發(fā)地和目的地，再結(jié)合分揀區(qū)就可以實現(xiàn)物流包裹的可視化，保證了生產(chǎn)力的同時物流分揀的準(zhǔn)確性和安全性也得到提升，中心可以對讀碼信息和視頻信息進行融合，進行快件的追蹤。
　　最后是人智能提升人證票核驗快速通行效率，現(xiàn)在部分高鐵站進行試點，能夠在云中心客戶端之間高效傳輸比對結(jié)果，把結(jié)果交給云中心進行分析和計算，這樣業(yè)務(wù)分層自治的思路避免了業(yè)務(wù)堆砌帶來的整體系統(tǒng)運行的下降。
　　?？低暤腁i Cloud通過智能前移、數(shù)據(jù)上云和業(yè)務(wù)分層自治的理念來推動各個行業(yè)各個領(lǐng)域的業(yè)務(wù)效率提升。不斷地圍繞視頻的業(yè)務(wù)，為智慧交通的各個領(lǐng)域提供高品質(zhì)的視頻和視頻內(nèi)容服務(wù)，有遠者洞見未來，見遠行更遠。