伴隨著城市化進程不斷加快，城市交通發展面臨嚴峻形勢和新的挑戰。當前，有關部門正通過建立5G、大數據、人工智能、云計算、區塊鏈、超級計算等新技術與交通行業深度融合，推進數據資源賦能交通發展，加速交通基礎設施網、運輸服務網、能源網與信息網絡融合發展，構建泛在先進的交通信息基礎設施。而構建綜合交通大數據中心體系，深化交通公共服務和電子政務發展，促進城市交通體系相互融合，提升城市交通整體品質是交通行業發展的大趨勢。

發展智慧交通，不是單個行業就能解完成的任務。每一個行業都有一個相對比較深入的創新領域，但是最后要把它歸集成整體交通服務時，僅僅關注一個行業是遠遠不夠的。目前我國智慧交通面臨的挑戰主要有以下幾點：第一是數據感知，雖然現在已經有大量的數據，但是仍然還有很多的數據是未知或者比較難獲取；第二是決策支撐，需要思考采集的數據如何真正創造價值，能為突發情況進行決策提供技術支撐；第三是綜合管控，即針對城市治理者而言，目前尚未形成綜合管控網絡。

一、AI視頻大數據技術概述

AI視頻大數據可理解為視頻采集是基礎，人工智能（深度學習）為載體，大數據應用是靈魂。通過360°全景、180°全景、全景細節聯動、4K等多種高清視頻對高速公路、隧道、橋梁、飛機跑道、鐵路軌道、海關港口等場景的交通狀況、交通事故、氣象狀況和交通環境進行實時的監視，依靠先進的車輛檢測、人臉識別、圖像識別繼續、計算機信息處理等人工智能技術，獲得有關交通狀況的信息，并根據收集到的信息進行大數據的處理分析，對交通進行控制，協助交通管理人員進行交通指揮調度、遏制交通違法、維護交通秩序，同時還可協助公*人員進行治*防控、刑偵處突等。

在國內和國際重大場合，許多國家領*人對AI視頻大數據的重要意義給予闡述，當今世界誰掌握AI視頻大數據越多，誰就能在信息化快速反應能力方面強于他國。各國都想盡早獲得城市人員流動軌跡、交通運行規律、應急救援快速應對方案以及森林、草原、海洋自然資源保護和開采等信息的精準獲取和應用，更好地為經濟發展和社會管理提供視頻大數據，也可為國防安全、國際社會公共安全提供重要的數字信息。下面重點介紹AI視頻大數據在大交通行業的應用。

二、業務應用

1.全面感知

針對機場航站樓、飛行區、鐵路出發層、廣場、交通大路口、港航港口等大場景需使用多個攝像頭進行視頻全覆蓋，大華使用360°全景設備實現一臺設備完成大場景全景監控。在全景監控的基礎上，可以使用高倍球機對細節進行跟蹤常看，實現全景和細節的跟蹤聯動，全面對大場景和細節進行感知。同時也可以通過后端的拼接服務器對前端多個設備進行拼接，實現一個畫面進行全局的感知，可聯動球機進行細節跟蹤。

圖1

上圖1是在某機場飛行區跑滑區域及遠/近機坪的全景視頻監控，同時滿足在如雨、雪、霧、雷電及夜間等極端氣候環境下全景視頻監看的效果。可實現與航班橋低位攝像機的高低點視頻關聯顯示，以及在全景視頻模式下的電子放大顯示，球機聯動監視飛行器等移動物體的自動追視。

在高速公路和公路道路上傳統視頻檢測監控范圍在15-80米范圍，但是雷達有效檢測距離可達200米，在視頻內融合雷達數據，可有效提升感知范圍，為上層應用提供更加豐富的數據包。大華利用雷達結合視頻監控相當于雷達長了可視化的眼睛，雷達的探測功能有了畫面可以做到實時監控、事后取*與回溯。

在公路道路、地鐵站等場景存在傳統短焦槍機看得清近景但看不清遠景的問題，長焦槍機為了看清楚遠景，近處就會存在盲區的問題，俗話稱“近視眼和遠視眼”。大華視圖動態拼接融合技術在雙目相機上可以做到在同一畫面上，融合短焦與長焦的兩幅畫面，實現兼顧近景與遠景的違法行為抓拍和車牌識別，實現“千里眼”功能，做到“不遠視、不近視”。

針對各個場景視頻感知的難題，大華通過視頻拼接技術、重瞳技術、雙幀融合技術等多種技術確保各個場景感知到的數據看得見、看得遠、看得清，通過智能算法看得懂。

2.綜合管控

圍繞大交通各個應用場景，大華基于視頻感知能力的提升，以及對算法和算力的和諧分布，對交通數據進行清洗和規整，剔除無用、錯誤和冗余的數據，保證數據的質量，通過分層分級的整合，構建大數據分析模型。同時能夠通過不斷迭代更新數據輸入、模型測試及評價，形成一套科學合理、針對性強的綜合交通模型庫，從而提升整個綜合管控的交通安全監測系統平臺。以下圖2是在某地打造的一個“車易管”綜合管控的大數據平臺。

圖2

“車易管”基于GIS地圖展現在建工地信息、消納場靜態信息、車輛動態信息、路徑信息等。例如以渣土OD的方式展示當日渣土運輸情況：每個在建工地運輸出多少輛渣土車，每個消納場處理了多少輛渣土車，有多少輛渣土車通過碼頭中轉。對全市當天車輛的在離線狀態數據、告警數據等進行可視化展示，對渣土車車輛的實時位置及渣土車運輸全程進行實時監控，一旦發現有違規行為則系統進行自動告警。以數字化形式進行展現統計分析數據，可為管理部門對渣土車的監管起到輔助決策的作用，提高監管執*效率。

此外，圍繞街道基層治理痛難點，以事件閉環為主線，實現一張圖管全局對象，一個平臺多方協同，滿足基層社會治理多個場景需要。針對違章停車、出店經營、流動攤販等城市管理痛點，改變以往人工發現處置方式，通過“以機代人”實現前端智能感知報警、平臺自動流轉，減輕基層工作負擔，提升管理效率。針對違章停車，一旦違停區域有車輛進入，前端自動感知并聯動現場喇叭遠程喊話，提醒車主及時駛離。

三、應用趨勢

交通強國提出大數據是下階段由交通大國到交通強國轉變的戰略資源。交通運輸部《推進綜合交通運輸大數據發展行動綱要》也明確提出：“構建綜合性大數據分析技術模型，研究建立具有較強應用價值的綜合性、全局性大數據分析模型”。將來可以通過整合匯聚多部門、多系統、多層級、多區域的AI視頻大數據形成整體的大數據資源池，利用大數據模型庫和算法庫深度挖掘大數據的應用價值，以數字化、圖像化、全景化的方式展現整個綜合交通運行情況、運動態勢和發展水平，以此作為交通管理者實時監測和分析提供關鍵性的數據支撐，實現經驗決策到數據決策的改變。

此外，大數據結合互聯網，可以建設各種基于交通出行的場景建設信息服務系統，利用移動終端結合移動互聯網技術整合各系統資源，構筑全場景的交通出行生態圈。

結語

智慧交通AI視頻大數據的建設需要不斷完善建設思路，持續推動價值挖掘，積極加強AI視頻大數據開放共享，才能為整個AI視頻大數據中心建設、數據治理等工作提供借鑒意義，最終的目的用來服務社會、服務百姓。
責任編輯:pj