建設智能交通，目的是為了讓人人享有更安全、更和諧的城市智能交通環(huán)境。

面對未來的城市智能交通管理，應該如何做？杭州�？低�視數(shù)字技術股份有限公司城市智能交通解決方案總監(jiān)曹雨崧以“云圖交通·城市智理”為基本理念，分享了�？低�視以AI Cloud為技術架構助力城市智能交通管理的案例。

云圖交通·城市智理基本理念

面對未來城市智能交通管理，我們首先樹立一個愿景：為了人人享有更安全、更和諧的城市智能交通環(huán)境。包括創(chuàng)建這樣的交通環(huán)境，能夠高效執(zhí)行交通治理手段，以及對于交通事件和異常進行準確預測和預防，同時創(chuàng)建遵紀守法、和諧交通、平安出行的愿景。

順應這個愿景，�？低�視于2017年下半年提出了“云圖交通·城市智理”理念，采用新理念、新架構和新舉措，實現(xiàn)一城一業(yè)務，一城一生態(tài)。

海康威視提出這個理念之后，與全國各地的交警用戶一起以智能化技術推進城市交通治理。通過以城市交通業(yè)務為核心，以AI Cloud架構為基礎，充分挖掘智能交通的數(shù)據(jù)價值，同時以體系化的理念打造一些應用，構建開放的生態(tài)環(huán)境。

具體如何實現(xiàn)呢？分為三大舉措。

第一，通過AI Cloud架構打基礎，通過“感、傳、知、用”將打通數(shù)據(jù)在采集、傳輸、挖掘和應用過程中的壁壘。

第二，以感知、推演、治理和服務的四個目標，構建業(yè)務體系。在業(yè)務體系的基礎上，為不同的城市規(guī)劃了不同的業(yè)務目標，同時也創(chuàng)立了各種各樣的應用。

第三，與城市級的戰(zhàn)略用戶，包括交警及其他行業(yè)用戶展開聯(lián)合設計創(chuàng)新活動。如建立聯(lián)合實驗室，打造智慧示范道路。

AI Cloud助力情指勤一體化

情指勤一體化是城市交通管理中的基本業(yè)務邏輯，在海康2017年發(fā)布的AI Cloud技術架構的基礎之上，打通了底層數(shù)據(jù)邊界，通過數(shù)據(jù)資源池融合了大量的感知數(shù)據(jù)。

首先，�？荡蛟炝饲閳篌w系，目的是能夠實現(xiàn)精細感知以及實時預警。

第二，基于海量數(shù)據(jù)，提供了各種各樣的分析挖掘以及研判模型，這些模型能夠得出決策分析結論，同時能夠運用到指揮體系中。

第三，海康為交通管理用戶提供了單警智能化及勤務綜合化體系。�？低ㄟ^智能終端，依托于數(shù)據(jù)資源池，挖掘了各種各樣的數(shù)據(jù)模型，提供了單警智能化的應用通道，每個單警上路執(zhí)勤，都能夠作為警情的采集點。

整個體系，比如AI Cloud架構，從數(shù)據(jù)的挖掘分析層面以及計算存儲層面全部打通，在上層開放算法倉庫，并基于智能應用平臺承載各種各樣的業(yè)務應用。

具體的應用案例如下。

首先，基于感知體系，�？到衲臧l(fā)布了一系列新產(chǎn)品，包括“環(huán)�！笨�口。以前抓拍人臉需要用到爆閃燈，它會給出行安全造成一定影響，今年我們通過雙光融合技術，實現(xiàn)了無可見光爆閃看清人臉，并在一定程度上提升了人臉成像效果。

第二，在圖像的采集方面，通過我們推出了360度全景車載取證云臺，實現(xiàn)警務車輛在行駛過程中能夠拍攝路邊或者前后方的車輛號牌，并做實時比對，及時發(fā)現(xiàn)稽查布控的車輛并實時預警。

第三，我們?yōu)槲靼步痪�等用戶提供了“一車一檔”的業(yè)務模型決策分析系統(tǒng)，主要作用是通過感知網(wǎng)絡采集車輛時空屬性、號牌信息，同時關聯(lián)交通違法、交通事故等信息，能夠在決策分析模型中充分地挖掘軌跡路線、違法特征、事故隱患等數(shù)據(jù)。最終每一輛車都會建立一個檔案，它的出行規(guī)律、違法記錄、安全等級等數(shù)據(jù)都可通過GIS地圖呈現(xiàn)。

�？禐閷幉ê鸵舜航痪�提供了一套基于人臉大數(shù)據(jù)建模和比對分析的應用，能夠快速發(fā)現(xiàn)失駕嫌疑人員。通過人臉識別定位到人的具體屬性特征，通過人車關聯(lián)找到這輛車日常的行動軌跡，這些都能夠作為路面民警攔截的依據(jù)。

同時也為上海交警提供了非機動車和行人違法的采集預警系統(tǒng)，三個月內一共協(xié)助查處了1萬多起行人和非機動車違法行為。

此外，我們?yōu)槲靼步痪�提供了一套基于大�?shù)據(jù)可視化系統(tǒng)的輔助決策應用，包括對于全城區(qū)交通違法行為的時空分布統(tǒng)計分析，基于電警、卡口等感知設備所產(chǎn)生的大量數(shù)據(jù)做深度挖掘。

通過大量的數(shù)據(jù)獲取到輔助決策的結果，再利用結果去輔助交通指揮，具體如何指揮呢？

�？禐槲靼病⑸钲�、上海等交警打造了基于AI增強現(xiàn)實技術及全景視頻拼接技術為一體的實景視頻指揮系統(tǒng)，實現(xiàn)了從“摸著做指揮”到“看著做指揮”的過程。

所謂“摸著做指揮”，指的是不同的子系統(tǒng)、不同的界面之需要通過人工來實現(xiàn)警情以及決策信息之間的人工關聯(lián)，但是現(xiàn)在這些信息全部融合到一張畫面中，讓用戶通過一個畫面就能夠看到他所關注的內容，包括警情可視化信息以及屏幕的可視化信息。在這個圖像當中也能夠聯(lián)動，包括誘導屏卡口、信號控制系統(tǒng)等警務指揮以及決策等應用。

�？狄矠槌敝萁痪�提供了一套基于公安網(wǎng)的云網(wǎng)智慧執(zhí)法平臺，通過警務通的PDA以及警務通軟件實現(xiàn)了路面簡易程序處理，以及稽查布控報警信息的點對點推送，極大提升了路面警員的執(zhí)行效率。此外，在PDA上也開放了一些簡單的查詢功能，包括人臉識別、車牌識別以及人工車牌輸入，查詢這輛車以及駕駛人員信息。

此外，�？颠�為深圳交警打造了“深眼”系統(tǒng)，這套系統(tǒng)是通過一臺內置AI智能識別功能的云鏡，云鏡可以識別車輛號牌，在云境當中做識別和黑名單比對，可以實現(xiàn)報警即攔截的過程。相比于傳統(tǒng)的指揮中心接到稽查布控的報警通過人工語音下發(fā)指令的過程，它的提供效率要提高5到10倍。此外，每一個云鏡都內置定位裝置，所有警車的當前位置信息，包括點對點的語音對象都能通過一套機制來實現(xiàn)。

對于一些沒有裝備智能終端、警務通的協(xié)輔警，我們?yōu)橐舜航痪�打造了一套基于移動互�?lián)網(wǎng)技術提供信息傳遞的機制。通過微信客戶端，將模板化的稽查布控警情信息點對點精準推送給民警，民警在路面執(zhí)勤的時候可以關注到所執(zhí)行區(qū)域上游以及周邊路段的稽查布控報警情況，為路面安全保障提供了輔助。

此外，這套系統(tǒng)同時也發(fā)揮了重要的信息服務價值，比如基于我們在宜春建設的數(shù)據(jù)資源池，整合了大量的車駕管信息以及路面交通事故、車輛違法、重點車輛、黑名單等數(shù)據(jù)，在公安部的“放管服”整體政策環(huán)境之下，給民眾開放信息、數(shù)據(jù)服務。比如基于實景視頻的路況查詢、車輛駕駛員計分查詢、違法查詢，以及點對點推送違法提醒、不良駕駛習慣提醒等服務。

最后一部分，基于城市智能交通大數(shù)據(jù)提供了綜合勤務的輔助，比如為宜春、秦皇島、本溪和洛陽等城市提供了基于城市交通大數(shù)據(jù)的自適應信控優(yōu)化應用。

在宜春，通過路口精準轉向流量的模型，與路口的通行能力模型匹配，最終實現(xiàn)了單點的自適應調優(yōu)效果。

秦皇島的特勤保障任務比較多，我們?yōu)榍鼗蕧u交警開發(fā)了這樣一個應用，基于移動客戶端，通過車牌和車輛特征的視頻比對技術，將兩者進行融合，實現(xiàn)了當警保車輛行駛過程中只影響到前后若干個路口，而不會對整個城區(qū)的交通造成深度影響。

到底是什么樣的系統(tǒng)才能夠具備支撐這些應用的能力？主要是三個部分。

第一，建設兩個池：數(shù)據(jù)資源池和計算存儲資源池。從底層打通了數(shù)據(jù)之間如何關聯(lián)，同時建立了大量的數(shù)據(jù)屬性標簽，包括人、車、地、事、物等，將這些屬性進行充分融合連接，形成了大量的主題庫和專題庫數(shù)據(jù)，為業(yè)務應用提供了大量的半成品或者是成品數(shù)據(jù)，減少了上層再重復計算的壓力。此外，提升了整個系統(tǒng)的融合存儲能力。

第二，建設一個庫：算法倉庫。整合了國內廠家開放的算法，包括�？底匝械乃惴ǎ�都能夠在公共的倉中實現(xiàn)算法調度應用，同時也可以實現(xiàn)算法和生態(tài)運營。

第三，打造四個平臺：數(shù)據(jù)資源平臺、管理調度平臺、運維服務平臺和應用平臺。通過四個平臺實現(xiàn)業(yè)務應用及系統(tǒng)資源管理。

AI Cloud架構真正能夠滿足互聯(lián)網(wǎng)大數(shù)據(jù)的基本應用，通過“感、傳、知、用”四個維度實現(xiàn)人工智能大數(shù)據(jù)、云計算及終端設備的有機融合。

首先是數(shù)據(jù)匯聚平臺，主要實現(xiàn)了數(shù)據(jù)清洗、標簽管理、數(shù)據(jù)建模以及數(shù)據(jù)預統(tǒng)計、多引擎任務調度及多級資源池管理，將數(shù)據(jù)資源的價值發(fā)揮到了極致，充分連接現(xiàn)有的采集的物聯(lián)感知數(shù)據(jù)、業(yè)務數(shù)據(jù)以及互聯(lián)網(wǎng)數(shù)據(jù)。

第二，實現(xiàn)了分層調度，冷、溫、熱三種類型數(shù)據(jù)，通過不同機制實現(xiàn)不同的分類保存以及高并發(fā)的讀寫性能保障。在這個基礎之上，可以支撐對于數(shù)據(jù)讀取的效率標準，不同要求的業(yè)務應用。

最終，我們與深圳、上海、廣州、浙江等地的交警，在2017年到2018年期間簽訂了重要的戰(zhàn)略合作，合作內容包括智慧路段、智慧區(qū)域的樣板點打造。

我們相信，在與各地交警保持深入、積極的合作基礎上，基于AI Cloud架構，開展廣泛業(yè)務應用創(chuàng)新、開展城市交通治理頂層設計合作，逐步實現(xiàn)情指勤一體化、智能化，為更多的城市交警用戶，帶來業(yè)務能力的提升，讓我們城市的交通，更安全、更順暢。