《人工智能在交通领域业务应用白皮书（2020年9月）》.pdf
《人工智能在交通领域业务应用白皮书（2020年9月）》.pdf
人工智能在交通领域业务应用白皮书 （2020 年 9 月） 中国人工智能产业发展联盟 2020年09月 版权声明 本指南版权属于中国人工智能产业发展联盟，并受法律 保护。转载、摘编或利用其它方式使用本指南文字或者观点 的，应注明“来源：中国人工智能产业发展联盟”。违反上 述声明者，编者将追究其相关法律责任。 编写单位：中国信息通信研究院、北京交通大学、西安 交通大学、国泰君安证券产业研究中心 支持单位：中国智能交通协会 参与单位：浙江高速信息工程技术有限公司、山东高速 信息工程有限公司、杭州海康威视数字技术股份有限公司、 华为技术有限公司、苏州思必驰信息科技有限公司、阿里云 计算有限公司、智慧互通科技有限公司 1 · 前 言 人工智能作为新一轮科技革命和产业变革的新赛场，已经成为抢 占未来发展先机的重要突破口。随着人工智能发展进入新时期，如何 落地应用、与实体经济融合，成为当前产业关注的重要议题。 交通行业关系国计民生，建设交通强国不仅是建设社会主义现代 化强国的内在要求，也是顺应世界交通发展大势的客观需要。国家及 相关部委先后印发多项政策文件，立足全局统筹推进交通强国建设， 大力发展智慧交通。 2020 年国家正式提出新型基础设施建设，将人工智能纳入新技 术基础设施范畴，智能交通基础设施纳入融合基础设施范畴，其建设 和推进均成为产业焦点，如何充分发挥人工智能的赋能作用，加快交 通的数字化智能化发展，推动人工智能和交通的融合应用，成为产学 研用的重要课题，也是本报告撰写的主要背景。 本报告以人工智能对交通业务的赋能为切入点，系统梳理人工智 能在交通领域的技术现状、典型应用、产业生态，总结业务发展面临 的挑战，展望未来发展的趋势，并附上当前典型的应用案例和赋能场 景，为进一步推进人工智能和交通行业的深度融合提供参考。 本报告于 2020 年 9 月发布第一版。 目 录 目 录............................................................................................................................ 1 一、人工智能技术产业概述........................................................................................ 1 （一）人工智能技术发展情况............................................................................. 1 （二）人工智能产业发展现状............................................................................. 2 （三）人工智能对交通领域的赋能作用............................................................. 3 二、人工智能在交通领域的业务应用现状................................................................ 5 （一）人工智能在交通领域应用的产业环境趋好............................................. 5 （二）人工智能在交通领域应用现状................................................................. 7 （三）人工智能在交通领域典型应用及产业分析........................................... 11 三、人工智能在交通领域应用面临的挑战.............................................................. 15 （一）标准规范滞后于产品化........................................................................... 15 （二）部门协同机制仍需加强........................................................................... 16 （三）数据问题影响融合深化........................................................................... 17 （四）复合人才成为转型掣肘........................................................................... 18 （五）安全伦理风险有待解决........................................................................... 18 四、人工智能在交通领域应用的未来展望.............................................................. 19 （一）出行即服务（MAAS）塑造新业态.......................................................... 19 （二）合作式智能交通将成为发展重点........................................................... 20 （三）数字孪生将启发交通发展新思路........................................................... 20 （四）跨行业协同跨技术融合成为趋势........................................................... 21 附录一：典型商业应用案例...................................................................................... 22 附录二：典型业务赋能场景...................................................................................... 64 人工智能在交通领域业务应用白皮书 一、人工智能技术产业概述 （一）人工智能技术发展情况 让机器实现人的智能，一直是人工智能学者不断追求的目标，不 同学科背景和应用领域的学者，从不同角度，用不同的方法，沿着不 同的途径对智能进行了探索。其中，人工智能发展历史上的三大主要 的技术流派分别是符号主义、连接主义和行为主义。 在人工智能的发展过程中，不同的技术流派不仅先后在各自领域 取得了成果，各学派也逐渐走向了相互借鉴和融合发展的道路。比如 通过在强化学习（行为主义）中引入深度学习（连接主义），融合产 生的深度强化学习技术，成为 AlphaGo 战胜围棋高手李世石背后最 重要的技术。 本轮人工智能技术进步主要由深度学习带动。深度学习是一种以 人工神经网路为架构，对数据进行表征学习的技术。表征学习的目标 是从大规模数据中学习，以寻求更好的表示方法并建立更好的模型。 该方法来自神经科学，类似于从最基本的单元上模拟人类大脑的运行 机制。深度学习算法的突破，计算能力的大幅提升，海量数据的积累， 共同促成本轮人工智能技术的进步。 目前已有数种深度学习算法，如深度神经网络、卷积神经网络和 循环神经网络等，被应用在计算机视觉、语音识别、自然语言处理等 领域并取得了极好的效果。在人脸识别领域，根据美国国家标准与技 1 人工智能在交通领域业务应用白皮书 术研究院（NIST）公布的人脸识别算法测试（FRVT）结果1，在签证 照、证件照等有约束场景下的人脸识别准确率接近 99%。在语音识别 领域，全球知名的开源语音识别数据集 Librispeech 上已实现接近 2% 的错词率2。 （二）人工智能产业发展现状 当前人工智能理论和技术日益成熟，应用范围不断扩大，产业正 在逐步形成、不断丰富。人工智能产业体系主要分为支撑层、产品层 和应用层。 来源：中国信息通信研究院 图 1 人工智能产业体系 支撑层包括硬件、软件等基础技术。硬件部分包括传感器、人工 智能芯片、服务器等感知计算设备。软件部分包括开源框架、开放平 台等，开源框架是人工智能算法的软件实现，如 TensorFlow、飞桨 （PaddlePaddle）等，开放平台是指产业界围绕人工智能技术打造的 1 NIST，https://pages.nist.gov/frvt/html/frvt11.html。 Speech Recognition on LibriSpeech test-clean， https://paperswithcode.com/sota/speech-recognition-on-librispeech-test-clean。 2 2 人工智能在交通领域业务应用白皮书 技术服务平台。 产品层包括基础产品和复合产品。基础产品主要包括智能语音语 义、知识图谱、计算机视觉、人机交互等产品，是人工智能终端产品 和行业解决方案的基础。复合产品可视为人工智能终端产品，是人工 智能技术的载体，目前主要包括可穿戴产品、机器人、无人车、智能 音箱、智能摄像头等终端及配套软件。面对日益复杂、不断变化的市 场需求，人工智能产品通常采用软硬件解耦的结构，以实现算法的及 时更新和灵活部署。 应用层是人工智能技术渗透各领域形成“人工智能+”的行业应用 终端、系统及配套软件。人工智能技术正在广泛赋能医疗、交通、金 融、零售、教育、家居、制造、安防等行业场景，为用户提供个性化、 精准化、智能化服务。 （三）人工智能对交通领域的赋能作用 随着交通行业信息化、数字化的推进，各类交通参与要素在交通 运输活动中生产、交互、存储了海量的交通信息，交通信息广泛存在 于各类参与要素、各类运输方式以及运输周期的各个阶段之中。人工 智能的核心环节包括智能感知、数据认知和反馈控制，通过对交通信 息的采集、分析和控制，从感知、认知、行动等层面赋能交通行业， 提升交通安全、改善运行效率、实现节能减排。 人工智能技术在计算机视觉、智能语音语义等领域的技术产业突 破，极大拓宽了交通感知的维度和深度，不仅可以采集摄像头、激光 雷达、毫米波雷达、麦克风等多个维度的传感器信息，还可以精细化 3 人工智能在交通领域业务应用白皮书 感知目标要素，如视频数据结构化处理，提取人、车、运动轨迹等深 层关键信息。感知类的典型赋能场景包括身份核验（人脸识别）、人 流分析、车况监控、车外环境感知、驾驶员行为监测、交通设施状态 感知、实时路况感知、机非人（机动车、非机动车、行人）识别等。 目前人工智能感知类技术服务的产业化最为成熟，在交通领域应用的 范围最广泛。 人工智能技术基于对海量数据的“学习”，可以超越人类的经验 感知，更快速地识别特征、做出分析预测。交通数据信息具有异构性、 多样性和海量性等特征，人工智能可以更好地处理多源异构时空数据， 比如结合不同时间地点的道路拥堵、公交、地铁、人流等信息，为大 众提供实时个性化的路径导航服务。认知类的典型赋能场景包括路径 规划、个性化出行推荐、行车导航、主动安全预警、驾驶员行为评估、 违章抓拍、路况预测、车辆行驶轨迹跟踪等。人工智能认知类技术服 务常常建立在算法研究和对业务场景的深入理解之上，此类技术的应 用也在迅速推进。 人工智能在完成感知、认知之后，还可以将控制信息实时发送至 相关人员、设备，快速精确的指挥行动，完成流程上的闭环。比如城 市交通中的重要组成部分——信号灯系统，结合车辆速度、数量以及 分布密度等数据，人工智能技术可以实时分析各路段通行情况，精准 调控红绿灯转换，提升信号交叉口通行效率。控制类技术的典型赋能 场景包括智能客服、人机交互、辅助驾驶、信号灯控制优化、电子不 停车计费等。人工智能控制类技术服务由于需要交通类终端、设备等 4 人工智能在交通领域业务应用白皮书 的配合，往往需要相关主管部门、AI 企业、整车企业、交通设备企 业等的协作配合，研发应用的周期相对较长。 与此同时，大量的复杂场景需要综合使用人工智能的不同核心环 节，才能确保良好的赋能效果，比如共享出行、出行即服务、智慧座 舱、智能驾驶/远程驾驶、智慧公交、智慧高速、智慧停车、城市交 通大脑等。相较单一场景，综合应用场景的技术复杂度最高，受国家 和民众的关注度也最高，一旦解决方案成熟，其释放的经济社会效益 也最大。受限于多种因素，目前此类应用还处在商业落地的早期。 二、人工智能在交通领域的业务应用现状 （一）人工智能在交通领域应用的产业环境趋好 1. 政策面利好 交通信息化和智能化是我国从交通大国向交通强国迈进的重要 推动力，国家及地方政府相继出台一系列文件，对智慧交通的发展给 予顶层指导和政策支持。 2019 年 7 月，交通运输部印发《数字交通发展规划纲要》，提 出数字交通的发展要以“数据链”为主线，构建数字化的采集体系、 网络化的传输体系和智能化的应用体系，加快交通运输信息化向数字 化、网络化、智能化发展，为交通强国建设提供支撑。 2019 年 9 月，中共中央、国务院印发《交通强国建设纲要》， 明确提出“大力发展智慧交通。推动大数据、互联网、人工智能、区 块链、超级计算等新技术与交通行业深度融合。推进数据资源赋能交 通发展，加速交通基础设施网、运输服务网、能源网与信息网络融合 5 人工智能在交通领域业务应用白皮书 发展，构建泛在先进的交通信息基础设施。” 2020 年 2 月，国家发展改革委员会等 11 部委联合印发《智能汽 车创新发展战略》，为智能汽车产业的未来发展指明方向。不仅划出 了需要重点发展的智能汽车技术，还提倡人工智能、互联网、通信公 司 等 信 息 与 通 信 技 术 （ ICT ， Information and Communications Technology）企业发展成为智能汽车技术供应商，大力发展智慧交通 等产业形态。 2020 年 4 月，国家发改委首次明确了新型基础设施的范围，包 括信息基础设施、融合基础设施和创新基础设施。信息基础设施包括 以人工智能、云计算等为代表的新技术基础设施，融合基础设施主要 指深度应用互联网、大数据、人工智能等技术，支撑传统基础设施转 型升级，进而形成的融合基础设施，比如智能交通基础设施等。再次 提升人工智能和智能交通建设的战略高度。 2. 城市化带动 截至 2018 年末，我国常住人口城镇化率达到 59.58%3，城市数量 显著增多，城市个数达到 672 个。同时，城市人口规模明显扩大。2017 年末，我国地级以上城市户籍人口达到 48356 万人，户籍人口超过 500 万的城市有 14 个。即便如此，我国与发达国家平均超过 80%的 城市化率相比，还有很大的发展空间。 在我国城市化的长期推动过程中，与之相伴的是城市及城际交通 需求的持续增长，以及需求多样化的发展态势。传统的交通供给已无 3 新华网，70 年来我国城镇化率大幅提升。 6 人工智能在交通领域业务应用白皮书 法与之相匹配，交通事故不断、拥堵现象普遍、运行效率低下、环境 问题凸显等也成为普遍存在的“城市病”。加快智慧交通系统建设应 用，不仅可以有效解决城市化过程中交通供需不匹配的问题，还能提 升城市及城际交通服务水平，促进城市的长期可持续发展。 3. 新技术驱动 受益于 ICT 产业的快速发展，物联网、大数据、云计算、移动互 联网、人工智能等新兴技术在交通行业得到广泛的产业化应用。 物联网技术可以实时全面感知交通基础设施、载运工具、人员等 交通要素的状态，并将其信息化、数字化。大数据技术可以盘活现存 数据，充分挖掘信息数据的价值，服务于交通部门的管理和决策。云 计算技术提供交通数据存储新模式，有助于打通“信息孤岛”，实现 数据资源共享，系统互联互通。移动互联网技术使得信息在不同主体 之间顺畅交换，实现交通要素的合理布局、实时互动和高效运行。人 工智能技术则在海量数据和计算力的基础上，进一步提升交通要素的 感知、认知、决策和控制能力。 （二）人工智能在交通领域应用现状 我国的交通产业经过长期持续的发展，已经得到长足的进步，尤 其是交通基础设施，公路、铁路等的总里程均位居世界前列，交通行 业的发展也表现出诸多特征，如从单一发展向融合发展转变，从重管 理向重服务转变。随着政策的鼓励、资本的投入和需求的扩大，我国 智慧交通行业发展迅速，行业整体的创新能力、企业的市场竞争力、 技术成果的应用规模和水平不断地提升，行业整体发展态势良好。 7 人工智能在交通领域业务应用白皮书 同时，经过中央及地方政府、交通主管部门的积极引导，交通运 营单位及传统交通企业的不断迭代，ICT 领域科技企业的持续开拓， 人工智能技术在交通领域的多个场景得到应用，目前人工智能在交通 领域的应用主要集中在出行服务、载运工具、交通管理、交通规划、 基础设施等领域。 1. 出行服务 人工智能技术在出行服务领域的使用有助于消除交通信息的不 对称性，更有效地匹配出行资源的供需关系。人工智能在出行服务领 域应用的关注度较高，融合度也相对较高。 当前的智慧出行服务主要集中在两大类场景。一类是基于智能手 机的移动互联网出行服务，提供路线推荐、智能导航、智能客服、电 子支付、共享单车、网约车等服务，互联网地图的使用可以有效提升 民众出行效率、丰富出行选择、改善出行体验。另一类是出行过程中 其他交通设施提供的智能化服务，比如身份核验、非配合式体温测量 等。其中，使用人脸识别技术的身份核验已经广泛应用在民航、高铁 等场景，在新型冠状病毒4疫情期间，非配合式体温测量系统也在地 铁等场景得到广泛使用。 2. 载运工具 载运工具是交通运输系统中非常活跃和重要的因素，其创新往往 会引起交通运输系统的重大变革。人工智能技术正在从智能化、电动 4 此处特指 2019 冠状病毒（COVID-19）。 8 人工智能在交通领域业务应用白皮书 化、网联化和共享化等方面全面赋能载运工具。人工智能在载运工具 领域的应用关注度很高，融合度相对不高。 当前智慧载运工具的应用场景主要集中在辅助驾驶、智慧座舱等 场景。辅助驾驶包括自适应巡航、自动泊车、车道保持、碰撞预警、 紧急制动等功能，顾名思义辅助驾驶只能提供一部分辅助功能，无法 完全替代驾驶员，驾驶员仍然需要高度关注路况。智慧座舱包括智能 语音交互、驾驶员监测、多媒体娱乐等功能，其中智能语音交互被大 量用于多媒体娱乐、行车导航等功能，驾驶员监测则在“两客一危5”、 网约车等场景得到推广。 此外，汽车智能驾驶（此处主要指高等级6自动驾驶技术）近年 来尤其受到资本市场的热捧，学界和产业界也开展了大量研发工作， 不过智能驾驶整体尚不成熟，主要处于封闭场景试点验证或技术升级 阶段。 3. 交通管理 人工智能在交通管理中的应用主要涉及交通信息的采集、处理和 发布，调控交通资源动态供需关系，提升交通资源的时空利用率，保 障交通运输的安全。人工智能在交通管理领域应用的关注度高，融合 度也较高。 当前智慧交通管理主要集中在交通监测、交通调控以及综合类应 用。交通监测包括机非人识别、路况感知、违法取证等应用，得益于 计算机视觉技术产业的成熟，该类应用正得到广泛应用。交通调控包 两客一危是指从事旅游的包车、三类以上班线客车和运输危险化学品、烟花爆竹、民用爆炸物品的道路 专用车辆。 6 此处参考美国汽车工程师协会（SAE）对自动驾驶技术等级的定义，主要是 L4 和 L5 级自动驾驶技术。 9 5 人工智能在交通领域业务应用白皮书 括路网流量预测、交通信息发布、交通信号灯控制等应用。综合类应 用包括近年来关注度非常高的智慧停车和城市交通大脑等。 4. 交通规划 人工智能在交通规划中的应用主要指在综合使用政务数据、互联 网数据、运营数据、物联网数据等的基础上，通过人工智能算法对交 通与土地相关性进行量化分析，并对交通资源进行优化配置。 城市智能交通规划可以分为短期规划和长期规划。短期规划中， 通过分析居民出行行为和偏好，精确把握其出行时空特性，进而开展 线网规划、车辆规划等内容，例如公交线路的优化、潮汐车道的设置 等。长期规划则需要考虑更多因素，如城市规模扩张、人口数量增长、 车辆数量增加，以及资源、环境、安全等方面的制约，在此基础上规 划交通基础设施建设、交通枢纽设置等。 5. 基础设施 人工智能在交通基础设施中的应用涉及设计、建设、运维、管理 等全生命周期，可以帮助提升基础设施建设和管理水平。 一方面，人工智能、大数据和建筑信息模型（Building Information Modeling，BIM）的使用，可以为建设者提供多种参考解决方案，优 化建设过程；结合环境和建筑监测数据，还能预测建筑结构未来发展 趋势，提前采取措施避免潜在破坏。另一方面，人工智能、传感器、 通信技术的应用，还将有效提升交通基础设施建管养的智能化水平， 比如基于智能终端的养护管理系统，可以及时、准确、大范围地发现 基础设施破损情况，并完成跟踪维护和督查督办。 10 人工智能在交通领域业务应用白皮书 （三）人工智能在交通领域典型应用及产业分析 1. 典型应用及成熟度 本部分结合企业调研及业界分析报告，选取当前人工智能在交通 领域有较多商业落地的典型应用场景，简要分析其技术特性及应用成 熟度情况。 来源：国泰君安证券产业研究中心 中国信息通信研究院 图 2 技术应用成熟度象限 按照技术特性和应用成熟度，可以将人工智能在交通领域的应用 大致划分为四个象限。技术特性高，说明从测试验证样品到可规模复 制的商业落地产品还存在较大的技术难度；应用成熟度高，说明产业 链、运营模式、管理制度和商业模式等已相对成熟。 11 人工智能在交通领域业务应用白皮书 刷脸出行服务是指使用人脸识别技术的辅助验证服务，旅客只需 要在少数关键环节（如安检）出示身份证件，其他环节可直接使用人 脸识别技术核验身份信息，并完成相关所有操作，能够有效加快通行 速度，提升出行体验。深圳宝安机场、广州白云机场等均已推出基于 人脸识别的智能安检通道。 智能客服是指使用智能语音语义、知识图谱等技术的客户服务， 提供 7*24 小时全天候多渠道标准化实时服务，可有效解决重复性需 求及热点问题，提升客户体验。交通运营单位开始逐步采用使用人工 智能技术的智能客服，如高速公路热线等。 驾驶员监测是指使用计算机视觉技术实时分析采集的驾驶员视 频图像，识别驾驶员身份及状态的技术服务，尤其是疲劳驾驶、分神 驾驶，以及打电话、抽烟等异常行为，已在两客一危车辆及网约车等 营运车辆上推广使用。 车载语音助手是指使用智能语音语义技术的车载人机交互方式， 主要用于媒体娱乐、智能导航、车辆控制等需求，与物理按键和多点 触控相比，其在便利性和安全性上有较大优势。经过后装市场的多年 积淀，前装车载语音助手设备也越来越多地出现在造车新势力及传统 车企推出的新车型中。 智能卡口/电子警察是指依托智能摄像头和云平台技术，业界推 出的面向道路断面的智能卡口系统，以及面向道路交叉口的电子警察 系统。在深度学习技术的赋能下，进一步增强了道路监控、车辆识别、 12 人工智能在交通领域业务应用白皮书 违法抓拍、交通参数采集等功能，可以高效抓拍惩处违法事件，消除 交通隐患，规范通行秩序，已在交通路网中广泛推广使用。 智慧停车是指使用高位视频技术实现区域停车资源管理和服务 的技术，视频技术不仅能全面采集信息，获取完整的停车取证数据链， 实现无人化管理，杜绝乱收费现象，云平台的使用还可以进一步拓展 应用空间，如区域停车热点分析、大数据稽查布控等。目前该技术已 在北京、石家庄、张家口等城市区域落地商用，面对复杂多样的停车 环境，停车信息的准确性仍存在挑战。 交通信号控制是指基于海量实时交通大数据，使用人工智能算法 优化交通信号区域协调控制的技术。如百度、高德、滴滴等的导航数 据，相当于路网交通状态的抽样检测，海量实时的出行数据可以建立 准确可靠的交通状态感知，进而用来优化交通信号。该技术已在济南、 柳州等多个城市区域投入商用或试商用，考虑到交通路网的复杂性和 动态性，算法在大范围使用时对路网通行的改善尚需全方位评估。 城市交通大脑是指综合运用云计算、大数据、人工智能等跨领域 技术，实现城市级交通数据融合、实时分析和全局优化，构建精准掌 控、智能管理、个性服务的城市交通管理服务平台。杭州、深圳、合 肥等城市均已投入建设使用，同时全国多个城市将交通大脑建设排上 日程，考虑到跨部门协同、跨领域合作，以及城市交通的复杂多变特 性，该技术的应用仍处在由感知向认知、控制演进的过程。 2. 产业生态体系 13 人工智能在交通领域业务应用白皮书 人工智能技术在交通领域的融合应用不仅涉及传感器、芯片、物 联网、云计算、大数据等多个技术领域，还与汽车、信息通信、交通 运输、交通管理等多个行业息息相关，其产业赋能广泛，社会影响深 远。可以粗略地将人工智能+交通产业生态体系分为感知层、人工智 能基础设施、交通要素三个部分。感知层是融合应用的底座，这是考 虑到各类交通参与要素、各类运输方式以及运输周期的各个阶段产生 的交通信息是人工智能赋能的基础，感知层的建设发展可以加速交通 行业的数字化智能化转型。人工智能基础设施主要包括数据、算力、 算法三部分。如第一章所述，算力和算法技术产业体系已初步成型， 仍处在较快速的发展过程。交通领域的数据部分包含多个类别，涉及 多个主管部门、各领域运营单位、多种类相关企业等，目前交通多源 异构数据的融合应用仍是业界关注的焦点。人工智能+交通的应用生 态体系主要围绕出行服务、载运工具、交通管理三类应用展开，随着 人工智能技术与交通行业融合的深入，将催生出更加丰富的应用种类。 14 人工智能在交通领域业务应用白皮书 来源：国泰君安证券产业研究中心 中国信息通信研究院 图 3 人工智能+交通产业生态图谱 三、人工智能在交通领域应用面临的挑战 （一）标准规范滞后于产品化 随着交通行业电子化智能化成为产业增长和发展的重要引擎，不 仅传统交通企业积极拥抱新技术，科技巨头也纷纷跨界进入交通领域。 近年来，人工智能等新兴技术在交通领域的应用不断深化，如媒体曝 光度很高的车路协同、自动驾驶、城市交通大脑等，这些新应用、新 业务还缺乏有体系的标准规范和统一的评测标准。 统一标准跟不上产品化节奏，会造成诸多影响。一方面，标准化 是实现交通功能的前提，标准化建设可以确保交通系统互相适配、各 15 人工智能在交通领域业务应用白皮书 环节无缝对接、信息兼容共享，缺乏标准化可能导致智慧交通系统缺 乏应有的链接和配合，不仅阻碍新技术的深化应用，还会影响智慧交 通在深度和广度上的适配发展。另一方面，标准化建设可以规范市场， 引导行业有序发展。缺乏标准化体系可能导致行业“无序”生长，产 品良莠不齐，长期以来会影响整个产业的做大做强。 目前国家、相关部委、部分地方政府及标准化组织相继推出人工 智能+交通的标准化政策及推进计划，如工业和信息化部、国家标准 化管理委员会联合组织制定《国家车联网产业标准体系建设指南》。 不过总体来看，由于人工智能等技术在交通领域的应用众多，标准化 工作涉及诸多行业部门和产业链上下游，所以仍需进一步政产学研用 的深化建设。 （二）部门协同机制仍需加强 国家层面相继成立专项委员会和协调小组推进智慧交通新技术 的研发、试点、应用及推广工作，立足顶层规划，整合全局资源，发 挥系统优势。如 2017 年由工信部、发改委、交通部等 20 个部门和单 位组成的“国家制造强国建设领导小组车联网产业发展专项委员会”， 今年来多个部委和地方政府启动车联网、自动驾驶、智能交通测试及 应用示范基地。 然而在城市层面上，目前还缺乏有效的跨部门协调机制。交通信 息及资源分布于公安、交通、铁路、民航等不同部门，出于各种原因， 彼此间的沟通协作及信息共享还比较困难。人工智能等新技术在交通 领域的应用既离不开跨部门的协调建设，也离不开跨部门的数据共享， 16 人工智能在交通领域业务应用白皮书 部门协作的成效决定了城市级交通信息资源整合的广度和深度，这对 城市智慧大脑等应用至关重要。 （三）数据问题影响融合深化 交通大数据已经逐步成为智慧交通的基础性资源，而人工智能在 交通领域的应用更是离不开交通大数据。 数据拥有方和技术提供方缺乏有效的合作机制，影响人工智能+ 交通的快速深度融合。人工智能产品/服务的研发需要优质的交通数 据集资源，大量的交通数据掌握在交管部门及传统交通企业，在没有 经过系统标注处理之前，无法有效使用，数据的归属权也延缓了交通 数据集产业的发展。与此同时，具备人工智能技术研发的公司缺乏各 个交通场景的数据集，产品研发推进缓慢，难以精准匹配。 数据资源孤岛现象较为严重，交通数据流通不畅。与交通有关， 能服务于交通的数据都可以称为交通数据。交通数据内涵多源异构， 外延相关性丰富，包含交通、公安等政府部门的政务数据、物联网数 据，民航、铁路、电信等职能部门的运营数据，导航地图、网约车公 司等的互联网数据等。交通数据收集、开发、共享和消费的市场机制 还没有形成，无法有效整合交通信息资源，并在此基础上开发高层次 交通信息服务。 交通数据资源安全性、私密性仍是关注焦点。交通数据不仅涉及 个人的隐私，比如用户的汽车驾驶轨迹、车内语音及视频信息，还涉 及城市甚至国家的安全，比如自动驾驶高精度地图属于国家基础性战 17 人工智能在交通领域业务应用白皮书 略性资源，可能涉及国防安全。如何制定法律法规，并利用区块链等 新技术保证数据使用的安全合规，仍需进一步探索。 （四）复合人才成为转型掣肘 智慧交通系统的建设发展，不仅包含人工智能等新技术的应用， 还伴随着人才建设、运营管理以及商业模式的协同转变，其中如何寻 找、培训和留住合适的人才是重要挑战。目前，传统教育机构的学科 体系和培养方案基本无法满足人工智能快速产业化的需要，人工智能 人才培养目前主要在前沿的互联网公司、平台型公司，而现阶段人才 吸引主要靠薪资和人才培养平台。根据著名人力咨询公司美世的报告， 人工智能等先进技术的核心人才的薪资水平远高于传统的 IT 技术人 才。因此在近年来大热的自动驾驶之外，智慧交通领域也同样面临着 招不到、招不起、留不住资深人才的困境，人工智能技术提供商在进 入交通领域时，同样面临着缺乏交通知识、不了解应用场景等问题。 专业人才队伍建设的滞后，会影响智能化体系建设及长远发展。如何 建立复合型产业人才的培养体系，对于人工智能和交通行业的深化融 合发展至关重要。 （五）安全伦理风险有待解决 交通事关人身财产安全，因为安全伦理方面的风险需要格外重视。 安全方面，采用人工智能技术的交通系统除了会遭受传统的网络信息 攻击威胁，还会面临针对人工智能系统的特定攻击，比如对抗样本攻 击、数据投毒、模型窃取等，这些都会极大影响系统的正常使用。同 时，深度学习基于相关关系模型，缺乏因果关系建模，这会影响算法 18 人工智能在交通领域业务应用白皮书 实现的可重复性，尤其是出现输入与训练场景不一致时。对于需要实 时决策、容错率极低的自动驾驶等场景，小概率事件也会造成严重后 果。此外，深度学习是一个黑盒技术，隐藏层内部的工作原理和运行 机制尚不清楚，决策过程透明程度低、可解释性差。如果无法明确算 法决策的过程和依据，交通事故原因无法有效追溯，不仅会影响系统 的安全性，还会波及大众的心理接受度。 伦理方面，由于算法的设计者或开发人员对事物的认知存在主观 上的某种偏见，或者无意中使用了有偏差的训练数据集等原因，造成 人工智能系统准确性下降、预测错误，甚至输出带有歧视性的结论。 在事故责任认定、不可避免事故时的优先保护对象等领域，均需展开 进一步的研究。 四、人工智能在交通领域应用的未来展望 （一）出行即服务（MaaS7）塑造新业态 出行需求是交通需求的重要部分，随着城市化的不断推进和经济 的持续发展，人们对出行质量的要求也越来越高。出行即服务便是以 出行者为核心的新业态，其具体内容是将多元交通子系统整合至统一 的服务平台，综合运用云计算、大数据、人工智能等技术进行挖掘分 析、资源配置、出行决策，深刻理解公众出行的需求，通过统一的界 面为用户提供灵活、高效、经济的出行服务。 出行即服务具有共享、整合、服务、绿色等特征。共享是指 MaaS 更关注交通工具的使用权而非所有权；乘客既是交通服务的受益者， 7 MaaS（Mobility as a Service，出行即服务）。 19 人工智能在交通领域业务应用白皮书 也是交通数据的提供者。整合是指基于具体出行需求统筹安排不同交 通的方式，并实现支付体系的一体化。服务是指以人为本，提供高效 便捷、舒适安全、无缝衔接的全链条出行服务。绿色是指鼓励引导大 众使用公共交通出行，减少私人机动化出行，实现节能减排。 （二）合作式智能交通将成为发展重点 合作式智能交通是近年来国际智能交通界关注的重要方向，它将 无线通信、智能传感器、边缘计算、云计算、人工智能等前沿技术综 合应用于车辆和道路基础设施，通过“人-车-路”各交通要素间的信 息交互和共享，保障车辆运行的安全，提供及时的交通信息，实现绿 色节能驾驶，是安全辅助驾驶、路径优化、低碳高效等多目标统一的 新服务。 发达国家已在该领域做了大量的实际道路测试，进入产业化进程。 我国有着良好的汽车产业体系和道路基础设施，国家及相关部委相继 发布政策给予支持，如《车联网（智能网联汽车）产业发展行动计划》、 《智能汽车创新发展战略》，相信产业界各方在技术协同、模式创新 和开放合作等方面的努力，将共同推动我国合作式智能交通的融合创 新发展。 （三）数字孪生将启发交通发展新思路8 数字孪生是以数字化方式创建物理实体的虚拟模型，借助数据模 拟物理实体在现实环境中的行为，通过虚实交互反馈、数据融合分析、 决策迭代优化等手段，为物理实体增加或扩展新的能力。数字孪生技 8 伍朝辉等，交通强国背景下智慧交通发展趋势展望，交通运输研究。 20 人工智能在交通领域业务应用白皮书 术可以连接物理世界和信息世界，提供更加实时、高效、智能的服务， 为符合我国实际的混合交通问题分析和解决提供新的思路与手段。 目前，国内外关于数字孪生技术的研究尚处于起步阶段，大多是 针对数字车间和智能制造展开。数字孪生技术的研发、使用和推广， 可以将我国人车混流的交通运行实际在信息空间中如实再现，探索形 成符合我国交通实际的混合交通流仿真模型，有助于推动我国混合交 通问题的解决，也为智慧交通的发展提供技术参考。 （四）跨行业协同跨技术融合成为趋势 交通产业的跨行业、跨领域属性突出，人工智能等新技术在交通 领域的深入应用需要汽车制造业、信息通信、交通运营和交通管理的 跨界推进，跨行业的长效协同机制将有助于长期发展。同时，交通与 旅游、规划、安全等行业领域的融合，有助于进一步拓展智慧交通的 应用场景。 交通行业的数字化、智能化需要充分利用基础信息通信技术，尤 其是 5G/C-V2X、边缘计算、人工智能、大数据、云计算、物联网、 信息安全、卫星导航等。ICT 的融合应用将极大提升交通行业的感知 能力，以及系统模拟现实世界和预测判断的能力，从海量实时动态数 据中挖掘高价值信息，提升交通管理的主动性、协同性、合理性，提 升交通服务的个性化、精准化、定制化。 21 人工智能在交通领域业务应用白皮书 附录一：典型商业应用案例 本章节结合企业调研及产业界分析9，选取当前人工智能在交通 领域商业落地较多的应用案例，梳理研究应用背景、技术方案、主要 功能和落地案例，旨在体现人工智能赋能交通行业的初步成效，为读 者提供参考。 本部分内容旨在提供应用场景的典型技术方案及落地案例，而非 设计指南或指导规范，此外，案例部分的数据资料均由企业审核提供 或来自公开渠道，请读者仅作参考，并请自行核实相关内容 1. 机场“刷脸”出行服务 1.1 背景介绍 进入新世纪以来，中国民航业发展迅猛，据统计，2019 年我国 机场全年旅客吞吐量超过 13 亿人次10，比上年增长 6.9%。各机场中， 年旅客吞吐量 4000 万人次以上的机场有 10 个，年旅客吞吐量 1000 万人次以上的机场有 39 个。 旅客吞吐量长期快速的增长，给机场服务带来持续的压力。北京 首都国际机场设计容量为 8550 万人次/年，2019 年吞吐量为 10001.36 万人次，超出设计容量约 17.0%；深圳宝安国际机场设计容量为 4500 万人次/年，2019 年吞吐量为 5293.2 万，超出设计容量 17.6%。机场 基础设施受限于地理空间、建设周期等因素，其增长扩容难以匹配旅 客吞吐量的增长，因此，深入挖掘现有基础设施潜力，为旅客提供快 9 10 赛文交通网、百度地图等，《2019 年度中国城市交通报告》。 中国民航局，2019 年民航机场生产统计公报。 22 人工智能在交通领域业务应用白皮书 速、便捷、优质的服务，成为各机场当前面临的核心问题。 在复杂的机场业务场景中，面对庞大的客流量，对机场作业每一 个小的改进，对整个民航行业都是有价值的积累。随着人工智能在计 算机视觉、生物识别的深入应用，人脸识别被广泛地应用在机场出行 服务中。旅客只需要在少数关键环节（预安检、安检）出示身份证件， 其他环节可直接使用人脸识别技术核验身份信息，并完成该环节的所 有操作，能够有效加快通行速度，提升出行体验。 1.2 技术方案 1）系统架构 基于人脸识别技术的机场出行服务的技术架构可分为端层、网络 层、数字平台层、应用层等四层。 来源：华为技术有限公司 图 4 基于人脸识别技术的机场出行服务技术架构图 端层包含自助值机终端、自助行李托运终端等终端类设备，这些 设备可以拍摄人脸照片，通过照片识别旅客身份，在此基础上办理各 项业务。 23 人工智能在交通领域业务应用白皮书 数字平台层是整个系统的核心，包含云平台（提供云计算能力及 相应的硬件设施）、大数据平台（提供数据湖、主题库、专题库等数 据服务能力）、视频平台（包含视频管理平台）、AI 平台（人脸识 别）和行业使能平台（包含数据使能、集成使能和应用使能等能力） 等部分，全方位支撑上层应用的正常运行。 应用层是旅客在机场内可通过人脸识别完成的各个业务环节，包 括差异化预安检、刷脸安检、智慧航显、高舱精准服务、催促登机、 刷脸登机等场景。这些场景中，除个别环节外，旅客只需刷脸即可完 成身份认证，并完成相应的业务操作。 2）人脸识别 该技术是基于人的脸部特征信息进行身份识别的一种生物识别 技术，通常使用摄像头采集含有人脸的图像或视频流，并自动在图像 中检测和跟踪人脸。在生物特征识别方法中，人脸识别因其自身特殊 的优势而占据着重要的地位，如非侵扰性、便捷性、非接触性、可扩 展性。深度学习的出现使人脸识别技术取得了突破性进展，根据美国 国家标准与技术研究院（NIST）公布的人脸识别算法测试（FRVT） 的结果11，人脸识别在签证照、证件照等有约束场景下的识别准确率 接近 99%。 1.3 主要功能 1）刷脸安检 主要验证旅客的身份，人证是否合一，是否完成值机，是否属于 11 NIST，https://pages.nist.gov/frvt/html/frvt11.html。 24 人工智能在交通领域业务应用白皮书 公安布控重点人员。刷脸安检系统可替代人工安检的验证环节，并采 用 AI 技术、自动化技术，全面提高安检效率，提升旅客的出行体验。 2）智慧航显 智慧航显屏可在旅客驻足查看航班信息时通过人脸识别技术识 别旅客，调取其乘坐航班信息，优先在屏幕上显示，同时还可以显示 旅客登机口步行路径和相关商业提示信息，并支持多人同时浏览显示。 3）催促登机 机场通过分区域部署的人脸识别摄像机，记录完成值机旅客的活 动轨迹，待其航班在催促登机时，机场人员通过系统快速定位旅客位 置，并根据旅客所在区域，进行消息发送、广播、定向通知等工作。 4）刷脸登机 增设人脸登机闸机，当旅客通过闸机时，自动进行人脸识别，验 证乘机人员身份、票据、航班等信息，确保人、票一致。 1.4 落地案例-深圳宝安机场12 深圳宝安国际机场位于珠江口东岸，距离深圳市区 32 公里，是 中国境内集海、陆、空、铁联运为一体的现代化大型国际空港。机场 于 1991 年通航，仅启用 10 多年就成为了中国大陆最大航空港之一。 2019 年宝安机场旅客吞吐量达 5293.2 万，位居全国第五。宝安机场 和华为合作推进人脸识别技术在机场服务中的深度应用，有效提升了 旅客体验和业务效率。 1）涉及的研发工作 12 本案例来自华为公司，后台记录等证明材料。 25 人工智能在交通领域业务应用白皮书 主要涉及核心数字平台、终端设备与机场业务系统的对接工作。 来源：华为技术有限公司 图 5 基于人脸识别技术的机场出行服务应用架构图 核心数字平台需要与现有的机场公安信息平台、集成系统、安检 信息系统、差异化安检系统、离港登机应用、智慧航显系统、高舱旅 客服务系统、催促登机系统等应用系统直接对接，以进行数据交互。 各场景的终端设备（差异化安检闸机、安检自助验证闸机、自助 登机门、智慧航显终端等）都需要与各自的应用系统直接对接，以实 现业务能力。 高舱人脸抓拍机、机场人脸抓拍机需要通过视频监控系统与核心 平台对接，以管理和分析人脸抓拍机拍摄的人脸照片和视频数据。 2）实施效果 差异化预安检：目前，已有近百万名信用良好的常旅客享受了快 捷安检服务，较普通旅客安检过程缩短近 40%，快捷通道放行效率也 比普通安检通道提升 60%，旅客过检体验提升效果显著。 刷脸安检：自助安检验证通道于 2019 年 5 月上线，目前已有 14 26 人工智能在交通领域业务应用白皮书 个自助安检验证通道，全部采用人脸识别、活体检测技术，实现刷脸 +刷证自助安检验证，建立人脸和身份信息的关联，支持最快 3 秒自 助通关，目前平均每个通道放行约 1500 人次/日。自助安检智能辅助 通道于 2019 年 10 月份上线，目前已安装四条，采用人脸识别、RFID 等技术，无需出示证件，放行效率为 230 人次/小时。 智慧航显：智慧航显于 2019 年 12 月份上线，旅客查询航班信息 时间由传统航显的 120s 缩短至 3s，大幅降低旅客等待时间，结合路 径商业信息展示，还可以提升航站楼商业价值。 刷脸登机：自助登机门于 2019 年 11 月份上线，共安装 34 个登 机口，单门双通道，平均每位旅客 2-3 秒完成自助登机，238 人的航 班最快 10 分钟左右即可完成登机保障。 2. 智能客服 2.1 背景介绍 客户服务作为连接企业与客户的重要桥梁，不仅是企业提升用户 体验的“窗口”，还影响着企业的品牌形象及市场地位。长久以来， 客服行业都存在诸多痛点，如客服人员流动性大、培训成本高、服务 效果难以衡量，以及人工客服被大量重复性问题过度消耗、服务个性 化不足等。 早期的客服机器人在一定程度上解决了简单重复性问题，仍然存 在客户体验差、缺乏差异化等问题。伴随移动互联网、云计算、大数 据等技术的发展，深度学习技术在智能语音和自然语言处理领域的深 入应用，以及客服知识库数据的不断积累，智能客服发展进入新阶段， 27 人工智能在交通领域业务应用白皮书 由单纯的人力替代向体验优化、流程优化、数据分析等环节延伸，逐 步重塑行业生态。 相比传统客户服务，智能语音语义的引入可以有效降低企业运营 成本，如减少客服坐席降低培训成本，提升质检效率降低质检人力成 本。同时，智能客服可以提供 7*24 小时全天候标准化实时服务，通 过数据反馈不断学习，对热点问题快速提供统一答复，提升客户体验。 2.2 技术方案 1）系统架构 智能客服机器人系统面向电脑、电话、移动应用等丰富的终端渠 道，基于通信技术以及人工智能对话技术，针对各类垂直行业和场景 的具体需求，提供场景丰富、功能完善的智能客服对话服务。系统涉 及的主要人工智能技术有智能语音、自然语言处理、知识图谱等。 来源：苏州思必驰信息科技有限公司 图 6 全渠道智能客服系统技术架构示意图 2）智能语音 智能语音中的基础技术主要包括语音识别、语音合成和声纹识别。 语音识别目前已达到高精度识别率。客服类应用大多属于近场识 28 人工智能在交通领域业务应用白皮书 别，在海量的语音标注数据、丰富多样的语料库基础上，使用多种序 列神经网络模型以及多任务训练方法，结合业务知识库作为辅助，在 通用及垂直领域基本能达到 95%以上13的语音识别准确率。 语音合成已可将文本转换成较为自然流畅的语音。综合考虑声学 参数和语言学参数，建立基于深度学习的多重自动预测模型，结合不 同业务场景的词汇库以及大量音频训练数据，当前业界已经能够实现 更加专业、自然的合成音。 3）自然语言处理 自然语言处理通过对文本的自动分析及挖掘，实现对自然语言的 精准理解，依托业务场景数据和深度神经网络技术，快速完成语义挖 掘、相似度计算，可广泛用于内容搜索、信息抽取、文本分类、内容 推荐、情感分析等。 结合行业知识图谱，可快速解析用户输入的自然语言中所表达的 意图，并做出对应的反馈，实现人与机器之间的自然交互。 4）知识图谱 知识图谱以结构化的形式描述客观世界中概念、实体及其之间的 关系，将互联网信息表达成更接近人类认知世界的形式，提供了一种 更好地组织、管理和理解互联网海量信息的能力。 通过对业务知识的解析和检索，构建行业知识图谱以及问答应用， 不仅能结构化知识生产和管理，系统提升企业知识库整理效率，还可 以提升对话意图理解及推理，让对话更智能。 13 鲸准研究院，《中国智能客服行业研究报告》。 29 人工智能在交通领域业务应用白皮书 2.3 主要功能 1）智能客服对话系统 智能客服的智能化主要体现在对人工客服的部分替代和辅助作 用，人工智能技术的应用可以帮助解决在线客服场景中大量重复且流 程固定的工作，并辅助人工完成更多工作。 售前服务通常以具体化的客户需求为服务目标，在多轮对话和人 机协作的能力基础上，提供个性化的服务。售后服务聚焦重复性服务 需求，如退货、查询订单、故障报修等内容，以单轮对话为主。在智 能客服无法满足客户需求时，及时分配人工客服。 2）工单流转 客服系统可以和企业内部系统集成，如客户关系管理（CRM） 系统、工单系统、物流系统、企业资源计划（ERP）系统知识库等， 实现工单自动流转和完整归档，推动跨部门高效合作。 3）服务质检 针对客服对话录音及对话文本，基于上下文逻辑检测、语速检测、 语义匹配等智能规则，自动分析对话内容，挖掘对话中可能存在的问 题和机会，可以帮助企业提升服务质量、监控舆情风险、优化服务策 略。 2.4 落地案例-山东高速 服务热线是高速公路运营服务中非常重要的一项，包括为客户提 供高速公路路况信息、气象信息、收费信息等服务类信息，并负责接 收管辖路段的报警、求援及投诉电话的接听和受理。但服务热线的人 30 人工智能在交通领域业务应用白皮书 工服务经常面临坐席忙的状态，而自助语音服务菜单层级过多、按键 输入麻烦，这些都影响了语音服务的用户体验，有些客户甚至会因此 直接放弃使用语音服务。本着提高服务质量、提升客户体验的目的， 基于语音识别技术的人工智成为构建智能化、人性化、高效率的智能 语音交互系统的关键。 1）研发工作 山东高速 96659 导航系统利用智能客服机器人实现交互式自动 语音服务，针对部分热点问题、常见问题进行语音预处理，利用智能 语音识别引擎及语义分析引擎，实现智能语音交互、智能分流、菜单 导航等功能。 智能语音交互导航系统主要包括语音识别、语义理解、语音合成、 后台管理四大基础组件。山东高速智能语音交互导航系统采用智能语 音语义平台的方式进行规划，交互导航系统可调用智能语音语义平台 的语音识别、语音合成、自然语言理解能力。同时，该平台还可为非 电话渠道提供文字、语音、链接等多媒体交互服务。 语音语义技术实现了菜单扁平化，客户说出需求后，系统自动获 取用户需求并进行语义分析，将查询结果以语音形式播报给用户，用 户即可获得所需的信息与服务，充分享受自然语音交互带来的高效、 便捷体验，使用户需求得到更多的满足。 该系统的功能包括以下内容。 采用开放式语音导航的主菜单； 设计友好的语音交互界面提示音； 31 人工智能在交通领域业务应用白皮书 自动错误/拒识原因分析，提供有针对性的错误处理，提供柔 性错误恢复机制； 合理识别入口，允许由识别跳转入按键或人工流程； 利用数据挖掘技术借助语音服务的海量数据，不断充实、完 善业务覆盖范围，提高语音识别能力等。 我想查青岛到烟台路况 语音识别成文字 用户来电 IVR调取语音合成系统，将合 成路况语音返回给客户 语义理解判断意图 96659线上 路况数据 库 呼叫导航系统指向菜单节点，查 询并返回路况结果 来源：山东高速信息工程有限公司 图 7 高速公路智能语音自助服务示意图 2）实施效果 智能语音语义技术在山东高速公众出行服务热线中的应用启动 于 2017 年 5 月，并于 2018 年 2 月正式上线，在同行业率先应用智能 客服技术，提供 24 小时不打烊的路况咨询、智能导航、政策问询等 服务。 32 人工智能在交通领域业务应用白皮书 截至 2018 年底，智能语音客服支持最大并发接入数量 150 人次， 已接听咨询电话 80 万个，机器人与人工接听电话比例已达 1：1，替 代了 300 个人工坐席，有效提升了话务高峰时段的服务能力，大大降 低了人工成本。 在潍日路、龙青路等高速公路开通时，无需新增人工热线坐席。 在其他路段，转坐席人工接听率明显降低，如对比 2017 年和 2018 年 12 月同期的热线服务数据，应用智能客服后，“转人工坐席比例” 从 73%降至 41%，“IVR（交互式语音应答）转坐席呼损率”下降约 30%，服务能力得到进一步提升，人工坐席紧张情况得到一定程度缓 解，顾客满意度进一步提高。 3. 驾驶员监测 3.1 背景介绍 根据相关机构对 2016 年我国道路交通事故数据的分析14，超过 90%的道路交通事故起数和死亡人数都是由人的交通违法行为造成 的，其中 85%以上的道路交通事故起数和死亡人数是由机动车违法造 成的。无证驾驶、疲劳驾驶、注意力分散等危险驾驶行为，已成为影 响行车安全的重要因素。在行车过程中，通过实时监测驾驶员行为， 可以快速发现危险驾驶行为并发出提醒，进而避免潜在的交通隐患。 同时通过对驾驶员长时间的行为规范，可帮助其培养良好的驾驶习惯， 提升主动防范意识，有效保障行车安全。 2018 年交通运输部相继出台《交通运输部办公厅关于推广应用 14 《中国公路》编辑部，我国道路交通事故主要成因和特点分析。 33 人工智能在交通领域业务应用白皮书 智能视频监控报警技术的通知》（交办运【2018】115 号）和《交通 运输部关于认真贯彻习近平总书记重要指示批示精神开展冬季公路 水路安全生产行动的通知》（交安监发【2018】169 号）等相关法规 要求，规范和指导道路运输运营车辆智能视频系统的安装和系统升级， 增强行业安全事件预警感知、报警和处置能力，全面提升道路运输安 全保障水平，促进道路运输全行业的技术升级和智能化转型，降低道 路运输行业车辆事故率，减少交通运输事故产生的生命和财产损失。 传统的驾驶员监测系统（Driver Monitor System，DMS）不具备 智能分析能力，只支持录像监控的功能，往往需要大量的人力进行后 期审核查验，一旦发生交通事故，只能作为一种取证手段对事故原因 进行追溯分析。该方案效率低、功能单一，无法对危险驾驶行为实时 分析预警，对驾驶安全起到的作用非常有限。 随着人工智能技术的迅速兴起与通信技术的深入发展,可以通过 智能算法实时分析驾驶员行为，驾驶员监测系统兼备提醒与监控系统 的功能，在规范驾驶行为的同时有效保障行车安全。当系统检测到有 危险驾驶行为时，及时通过语音或图像提醒驾驶员；同时通过移动互 联网将不规范驾驶行为的取证图片和车辆相关信息发送至管理平台， 进一步对接至交警、运营方等单位。 3.2 技术方案 1）系统架构 驾驶员监测系统的主要组成部分有智能感知设备、智能提醒装置 和管理平台。其中智能感知设备集成端侧人工智能技术，可以实时感 34 人工智能在交通领域业务应用白皮书 知驾驶员状态并记录信息，智能提醒装置可以在出现异常状态时及时 提醒驾驶员，管理平台可以对数据进一步挖掘分析，改善车辆运营， 提升区域管理成效。 图 8 驾驶员监测系统架构图 2）智能感知设备 感知设备配备红外结合可见光成像的高品质摄像头以及红外补 光灯，以满足智能分析的高质量视频成像条件，并确保 DMS 系统在 夜间、逆光、树荫阳光等复杂光照环境，以及驾驶员佩戴眼镜、墨镜 等场景下同样适用。 前端设备还需要配置音视频处理芯片、嵌入式系统和深度学习芯 片，实时高效运行图像处理和智能分析算法，实现对驾驶员行为的实 时分析和及时提醒。同时内置网络通信模块，以便将视频/图片信息 通过 4G 等通信方式回传至管理平台。 3）驾驶行为分析技术 摄像头采集到视频图像后，使用深度学习技术自动检测人脸区域 35 人工智能在交通领域业务应用白皮书 并提取驾驶员人脸信息，与数据库中的人脸信息进行比对，核验驾驶 员身份。 基于检测到的驾驶员目标综合分析眼睛闭合状态、视线、头部姿 势变化、嘴部状态等多种状态，实现疲劳驾驶、分心驾驶的识别功能。 相比传统算法，深度神经网络技术识别率高且性能稳定，尤其在复杂 的人脸角度（大角度偏转）和成像条件（带墨镜，人脸光照不均匀） 下。结合时间序列逻辑、车速、灵敏度自适应调节等多变量可进一步 提升检测性能。 同时分析驾驶员面部、眼部、手部等关键部件，获取人体位置、 动作等信息，结合车辆运动状态，识别开车抽烟、打电话、未系安全 带等异常状态。还可以进一步扩大监测区域，识别第三方介入行为如 抢夺方向盘等异常行为，及时发出提醒，避免意外发生。 4）智能提醒技术 驾驶员出现疲劳驾驶、分心驾驶或其它异常行为（抽烟、打电话、 未系安全带）时，系统可实时识别，并同步以语音或图像的方式提醒 驾驶员，及时制止不规范行为，避免潜在的交通隐患。 考虑到驾驶场景的复杂性，系统的报警策略充分参考各地区管理 部门的要求和司机驾驶习惯，针对不同速度、环境条件下的异常行为， 设置不同的预警级别，在合适的时间使用合适的方式提醒驾驶员，在 驾驶员与系统之间建立良好的关系。 5）管理平台 管理平台有多种存在形态，如私有云、混合云和公有云。系统采 36 人工智能在交通领域业务应用白皮书 集的数据传输至管理平台，用于可视化管理、事中事后监管、事故调 查分析和责任追究、企业质量信用考核。在积累足够多的数据之后， 还可以分析管理司机驾驶行为、车辆/车队的运营情况，如为司机建 立行为画像，实现精准管理。此外，根据对区域内运营车辆数据的分 析，还可以研究本地区道路运输安全管理政策措施的落地情况，实现 “政策制定-监管执行-效果评估”的闭环。 3.3 主要功能 驾驶员监测系统的功能可分为 4 类，依次是驾驶员身份核验、疲 劳驾驶/分神驾驶报警、异常行为报警、系统失效报警。上述功能均 可在全部工况（白天、夜晚、顺光、逆光、树荫阳光交替闪烁、车辆 震动等），以及驾驶员佩戴帽子、眼镜、墨镜、口罩等情况下正常工 作。触发报警功能时，对驾驶员进行语音或视觉报警提示，同时向平 台发送报警信息，报警信息包含报警级别、报警地点、含有驾驶员面 部特征的照片和视频等，并在本地和平台同步存储相关信息。 1）驾驶员身份核验 系统在开始行驶、行驶中或驾驶员离开监控画面再返回等情况下 能主动抓拍驾驶员正面照片，并上传到平台进行身份核验。 2）疲劳驾驶/分神驾驶报警 在车辆行驶过程中，系统通过面部监测的方式感知驾驶员疲劳驾 驶和分神驾驶，并提供不同等级的报警提醒。 3）异常行为报警 在车辆行驶过程中，系统能够通过接触或非接触的方式检测异常 37 人工智能在交通领域业务应用白皮书 驾驶行为，如接打手持电话、长时间不目视前方、抽烟、未系安全带、 双手脱离方向盘、不在驾驶位置等行为，并提供不同等级的报警提醒。 4）系统失效报警 在车辆行驶过程中，系统可以通过视频图像监测的方式感知到当 前摄像头被遮挡、驾驶员佩戴不透光墨镜等情况，导致前端设备无法 识别驾驶员或驾驶员的眼部等信息，提醒驾驶员报警设备失效。 3.4 落地案例-深圳公交 2019 年 8 月，深圳巴士集团股份有限公司/深圳东部公共交通有 限公司联合海康威视针对深圳公交车辆实施驾驶员监测设备安装与 平台建设，为 5915 辆（其中 955 辆未运营）公交车安装了具备智能 分析功能的驾驶员监测系统。通过统计分析其中 1839 辆车 4 天时间 的运行数据，可以得到以下数据。 疲劳驾驶检测准确率达到 90%； 分神驾驶（长时间不目视前方）检测准确率达到 95%； 共捕获 30 次驾驶室内抽烟、13 次开车打电话等异常行为事 件。 4. 车载语音助手 4.1 背景介绍 近年来，汽车电子成为产业增长的重要引擎，通过人机交互、汽 车功能提升等方式改善驾驶体验。在车载环境中，语音交互以便利性 和安全性上的极大优势，有逐渐取代物理按键和多点触控成为车内主 38 人工智能在交通领域业务应用白皮书 流人机交互方式的趋势，如音频播放、车辆控制和导航地图15都是典 型高频的交互需求。汽车作为智能手机、音箱之外的第三大语音入口， 也正在吸引越来越多的玩家进入。据数据统计16，2019 年上半年新上 市乘用车语音装机率达到 28.7%，同比增长 57.8%。与智能家居、智 能手机语音交互相比，车载语音交互有其独特的场景特性，比如车内 声场环境复杂，各种噪声加大语音采集识别难度；汽车行驶过程中网 络连接质量不稳定，影响云端处理；驾驶员和车内其他座位的乘客对 语音交互的诉求不同等等。目前，业界已针对车载语音交互场景推出 一系列解决方案。 4.2 技术方案 1）全双工交互 与现有的单轮或多轮连续语音识别不同，全双工技术可以实时识 别并预测乘客即将说出的内容，实时生成回应并控制对话节奏，从而 使长程语音交互成为可能。连续交互免唤醒、动态断句、语义打断且 避免误打断、主动交互、沉默破局等能力，将语音交互体验提升到一 个新的层次。 2）声纹识别 该技术从说话人发出的声音频谱图中提取身份特征和声纹特征， 通过算法分析进行比对识别，是生物特征识别的一种17。在识别出对 话人之后，语音助手可根据识别结果提供个性化的交互，成为千人千 15 思必驰大数据分析。 16《2019 年全球及中国车载语音行业研究报告》。 人类语言的产生是人体语言中枢与发音器官之间一个复杂的生理物理过程，理论上说，每个人说话时的 短时频谱、声源、时序动态、韵律、语言学特征等都有差异。因此，声纹就像指纹一样具有唯一性和独特 性，可以用于说话人辨认和说话人确认。 39 17 人工智能在交通领域业务应用白皮书 面的智能助手。比如同样一句“导航到公司”，语音助手会结合识别 出的对话人身份提供不同的目的地及导航路线。 3）情感识别 语音情感识别通常指机器从语音中自动识别人类情感和情感相 关状态的过程。一方面，可以通过提取声纹特征分析当前说话人的情 感，识别开心、生气、正常等状态。另一方面，可以通过语义分析语 音表达的话外含义，提取说话人当前情感特征。语音助手在识别出对 话人当前情感状态后，可以适当调整交互内容，提升用户体验。 4）多音区方案 语音交互系统可以根据车型构造与需求设计 2 音区、4 音区声源 定位方案，相关技术有线性双麦或线性四麦阵列、车载软硬件降噪、 双波束动态噪声抑制和回声消除、平面 180°拾音等。多音区支持多 路声音识别，可精准区分唤醒来源，判断对话人在车辆中的位置，据 此实现相应的车身控制及个性化推荐。比如，当后排乘客提出“关闭 车窗”的需求后，语音助手可以根据音区声源定位判断出所需关闭的 是后排乘客靠近的车窗。 来源：苏州思必驰信息科技有限公司 40 人工智能在交通领域业务应用白皮书 图 9 车载语音交互系统多音区方案示意图 5）其他 降噪识别：在高速行驶、开窗等复杂多变的环境下，提供高识别 率。 离线交互：在离线状态下，用户皆能无障碍使用语音唤醒、切换 合成音、地图导航、车身控制、系统控制等交互操作。当网络状态恢 复正常时，云端与本地的数据将会同步，让本地功能也随云端设置及 时更新。 4.3 主要功能 目前人工智能赋能的车载语音交互系统主要用于以下场景，如多 媒体娱乐、车辆控制、智能导航和车况监控等。 1）多媒体娱乐 音频类需求一直是车载环境的典型需求，也是大众容易接受的应 用，从传统的广播、音乐到现在内容丰富的播客节目，多媒体娱乐为 汽车厂商、智能语音厂商、音频内容提供商提供了新的市场机会。除 了简单的播放、暂停和切换歌曲等功能，还有更多个性化的功能尚待 开发，例如根据用户身份播放相应的音频内容，智能推荐等等。 2）车辆控制 目前车辆控制主要实现基本功能，包括调节车内空调温度、调节 车窗和后视镜等，语音交互让驾驶者将注意力集中在汽车驾驶，无需 移开视线或双手去完成一些操作，让驾驶更加安全。更复杂的功能（如 变换档位）实现难度高，且涉及行车安全，需要在确保交互系统安全、 41 人工智能在交通领域业务应用白皮书 稳定、有效的基础上进一步探索使用。 3）智能导航 在基本的导航服务之外，语音技术可针对车载场景单点优化、内 置技能关联整合，为驾驶员提供目的地推荐和行程规划的服务。比如 当车主想寻找餐馆吃饭时，可直接通过多重语义进行交互：“找一家 北京三里屯附近人均消费 200 元左右的川菜馆。”，语音助手可自动 筛选信息并提供推荐方案。 4.4 落地案例-思必驰天琴语音助手 思必驰天琴语音助手已与近 30 家主流车厂进行合作，包括长城 汽车、吉利汽车、一汽奔腾、一汽大众、北汽集团、五菱汽车、小鹏 汽车、爱驰亿维等。该语音助手于 2018 年年中上线，截止至 2020 年 8 月，累积用户激活量已达上百万。以下将通过小鹏汽车、斑马网络、 北汽项目以及多人匿名评测等所得相关数据，从不同维度介绍语音助 手的技术应用能力。 识别能力：是语音信号转化为文字的过程，也是语音助手的最基 础但也最重要的功能。小鹏汽车通过采集逾四万的实车数据显示，在 一般的行驶场景中，车载语音助手平均字准确率 97.35%。 唤醒能力：小鹏汽车采用“你好小 P”为唤醒词，以帮助方便随 时启动语音助手进行交互。实车场景中测试小鹏汽车的语音助手唤醒 功能，在安静环境下，采集七千余条有效数据，实测唤醒成功率为 96.13%；行驶状态下（车速 30km/h-100km/h），采集四万余条有效 数据，实测唤醒成功率为 94.67%。 42 人工智能在交通领域业务应用白皮书 声纹识别：近年来，为了提升行驶过程中的用户智能体验，汽车 厂商逐渐对语音技术提出更高的需求，如说话者身份识别，即声纹识 别，在 BEIJING-X7 汽车实车场景下，实测声纹识别准确率可达 99.60%。 响应速度：机器的反馈速率越快，则人机交互体验则越自然顺滑。 目前车载语音助手的反馈速度一般都在毫秒级。经厂商实测，天琴语 音助手的唤醒速率<300ms，识别速率<600ms，语义理解速率<500ms， 合成速率<500ms。此外，响应速度除了受算法和系统的影响，也会 收到如网络情况、硬件配置等客观因素影响。 语音合成：语音合成的效果一般由 MOS（语音质量测试）值来 体现，指的是机器合成效果的综合的自然度、顺滑度和情感度。近几 年中国的语音合成技术发展迅速，各家的语音助手 MOS 值基本在 4-4.5 分之间。经过匿名调研测试，天琴语音助手的 MOS 值为 4.32。 与闲聊助手中的邻家风格不一样，车载语音助手多呈现以亲切、专业、 简洁、干练的风格。搭载斑马网络系统的上汽荣威 RX5 PLUS 率先采 用并落地了声音复刻技术——用户可以进行朗读和录制 5-20 分钟的 音频，即可短时间训练生成自己的专属合成音。 内容和技能：在车载场景下，人机对话的核心目的是为了让设备 满足用户的意图，从而完成指令。当前的车载语音助手，除了支持对 话以外，还会接入海量的第三方资源，如导航、音乐、天气，以及打 通系统内置拨号、设备联控等高频技能。 5. 智能卡口/电子警察 43 人工智能在交通领域业务应用白皮书 5.1 背景介绍 随着我国综合实力和国民收入水平的提高，机动车保有量连续多 年以较快速度增长，道路建设步伐不断加快，全国城市化水平也在不 断提高，交通管理现状和需求的矛盾进一步加剧。一方面，与交通相 关的刑事和治安案件在逐年上升，特别是肇事或作案后驾车沿公路逃 逸、盗抢机动车辆、车辆违法行驶等。一方面，道路交叉口作为城市 交通的关键节点，汇聚了多个方向的交通流量，加上机动车等待红灯、 机非混行等因素，很容易成为城市路网中的主要“拥堵点”。 在现代智慧交通管理中，视频技术具有快速、准确、直观等优点， 深度学习技术的赋能，进一步增强了道路监控、车辆识别、违法抓拍、 交通参数采集等功能。围绕智能摄像头和云平台技术，产业界分别推 出了面向道路断面的智能卡口系统，以及面向道路交叉口的电子警察 系统。 智能交通卡口系统可安装在公路任意断面上，包括城市的出入口、 收费站、省际和市际卡口等。该系统可以实时自动拍摄和记录过往车 辆，并存储车牌、车辆属性等结构化信息，为侦破肇事逃逸案件、治 安、刑事案件以及处理交通违法提供有力的线索和证据。电子警察系 统主要安装在道路交叉口，对交叉口闯红灯、逆行、超速等违法事件 进行抓拍惩处，消除交通隐患，规范道路通行秩序，提高道路交通管 理的智能化和现代化水平。 5.2 技术方案 1）系统架构 44 人工智能在交通领域业务应用白皮书 智能卡口/电子警察系统通常由前端路口单元、数据传输单元和 管理平台组成。前端路口单元由智能摄像机、辅助照明模块构成，实 现前端数据的采集、分析、处理、存储与上传；数据传输单元由有线 或无线通信设备构成，实现数据、图片、视频的传输与交换；管理平 台由数据存储分析、开放接口等模块组成，实现数据的汇聚、处理、 存储、应用与共享等功能。 图 10 智能卡口系统组成结构示意图 2）智能摄像机 该部分通常配备高清摄像头，结合车辆灯光抑制算法，可在各种 光照环境下清晰捕捉车身细节。结合内置的深度学习芯片，支持车辆 检测算法、违章检测算法等的按需加载。实现硬件、软件系统和算法 的解耦，支持算法独立在线加载或者升级，加速新算法上线，高效应 对新业务新规则需求。 3）补光与触发方案 45 人工智能在交通领域业务应用白皮书 为了保证目标抓拍图片的清晰度，智能摄像头通常需要与外部补 光灯配合使用，并配合相应的触发方案确保目标抓拍的准确度。 智能卡口系统需要考虑各种复杂架设场景，并抓拍近处的驾驶室、 人脸等特征信息，所以要结合实际场景和需求，选用适合的补光策略， 包括频闪补光、爆闪补光、环保补光、红外补光以及无补光等。另外， 针对复杂多变的卡口场景，通常系统支持多种触发方案，如视频触发、 线圈触发、雷达触发等。 电子警察系统通常安装在道路交叉口（包括十字路口、T 字路口 等），抓拍远处的行车轨迹等证据，并对车牌号码、车牌颜色等唯一 辨识机动车的属性有较严格的识别要求，一般采用频闪补光并结合视 频触发的方式实现高清抓拍的功能。 4）视频算法方案 系统主要通过感知视频内容实现目标抓拍与信息提取，算法流程 主要包括场景参数获取、目标检测、目标跟踪、行为分析、车辆特征 识别等。 场景参数获取主要针对车道线、停止线、斑马线、车道行驶方向、 禁停区域等信息，可采用人工配置或算法自动提取的方式。 目标检测包括场景中机动车、非机动车和行人的检测以及车牌的 自动识别。在违法事件与信号灯相关时，还需检测信号灯的状态。 目标跟踪负责将检出的目标关联起来，包括同一图像中的车牌和 目标框、不同图像之间的目标关联以及在没有可靠检测结果时的预测 目标位置，形成目标的运动轨迹。 46 人工智能在交通领域业务应用白皮书 行为分析基于获取的场景参数、目标检测结果、目标运动轨迹， 必要时再结合其它输入信息（如雷达测速信息、信号机的输入），做 出是否需要抓拍的判断，并在确定抓拍的同时提供能反映事件状态的 若干张图片。 车辆特征识别根据抓拍图片进行特征辨识，包括车辆属性识别和 驾驶室特征检测。车辆属性识别可以有效识别车辆子品牌、车身颜色 车型、车标等车辆属性；驾驶室特征检测负责识别驾驶室基本特征， 如是否有挂件遮挡等，并判别驾驶者是否存在打电话、不系安全带等 违法行为，输出违法事件记录信息。 5.3 主要功能 1）道路感知 系统的卡口功能通过对过往目标的数量进行统计，获取路口和路 段的车流量、饱和度、占有率等交通信息，为整体路况分析提供基础 数据。如果系统位于道路交叉口，可以向交通信号控制系统提供实时 交通数据，参与灯控路口的绿信比调整、绿波带参数调整，也可以向 交通智能诱导系统提供实时交通数据，参与区域交通诱导。 此外，系统可以及时识别道路拥堵及交通事故，并向相关部门推 送报警信息，快速实现路面警力的调度与指挥，提升交通疏导效率。 2）违法处罚 传统的违法处罚都是交通警察现场执法，对存在违法行为的机动 车辆进行拦截并处罚。但是，现场执法不仅效率差，还可能造成交通 堵塞。系统可以抓拍取证压线、变道、加塞等各类违法事件，实现远 47 人工智能在交通领域业务应用白皮书 程交通执法，减少人工工作量，保证道路顺畅。 目前可识别并抓拍的违法事件可分为单车违法事件和关联违法 事件。单车违法事件包括闯红灯、不按导向、逆行、压线、变道、超 速、机占非、路口停车、路口滞留、大弯小转、违法停车等；关联违 法事件包括左转不让直行、调头不让直行、右转不让左转、不礼让行 人、禁止超车、进入匝道未让行等。 3）治安监控 系统在治安监控中可以起到定位目标、追踪目标轨迹等功能。系 统对过往的机动车、非机动车、行人进行图像抓拍，并对记录的内容 进行描述，包括车牌号码、行驶方向、车辆类型等基本信息。在治安 监控交通系统中，根据每个智能相机的抓拍结果和车牌信息，可以迅 速定位目标机动车辆的行为轨迹，帮助追踪犯人、管理治安。 5.4 落地方案-2019 年北京电子警察项目 在 2019 年北京电子警察升级项目中，海康威视参与项目，并针 对每个路口提供以下设备装置： 1 个十字路口每个方向各安装 1 台 900 万像素视频抓拍机，每个车道 1 台 LED 环境补光灯，1 个路口共用 1 台终端管理控制主机。 通过成像技术和人工智能技术的加持， 1 个相机可管控 3 个车道， 可识别并抓拍闯红灯、不按导向车道行驶、逆行、机占非、压黄线、 违法变道、不礼让行人、人行横道线掉头、越线停车、大弯小转、左 转不让直行、交叉口滞留、人行横道线停车等违法行为。并实现以下 数据指标。 48 人工智能在交通领域业务应用白皮书 每种违法行为捕获率≥95%； 违法数据有效率≥95%； 信息传输延迟时间≤2 秒。 在升级了电子警察设备的近 200 个路口，统计 2019 年 10 月至 12 月的数据，相比 2018 年升级以前的同期数据，违法行为数量下降 了近 30%，死人和严重伤人的恶性事故的发生率下降了约 20%，有 效提升了城市交通文明程度。 下图是典型闯红灯违章的抓拍图片。 来源：海康威视数字技术股份有限公司 图 11 电子警察抓拍闯红灯应用效果图-闯红灯违章 同时，针对大货车闯红灯乱象，考虑到大货车易出现车牌前后不 一致、污损等情况，结合反向卡口对其违法行为进行抓拍，也已投入 非现场执法工作中。在安装该系统的 20 个路口，对比 2019 年 10 月 至 12 月与 2018 年同期的数据，大货车闯禁令下降了 51%，闯红灯下 49 人工智能在交通领域业务应用白皮书 降了 30%，偷倒渣土行为下降了 18%，大货车相关的恶性行为都得 到了较好的遏制。 来源：海康威视数字技术股份有限公司 图 12 电子警察抓拍闯红灯应用效果图-大货车违章 6. 高位视频智慧停车 6.1 背景介绍 从 2009 年至 2018 年，中国汽车产销量已经连续十年蝉联全球第 一18。国内汽车产销量持续增长，汽车拥有量也逐年增加。据统计19， 截至 2019 年 6 月全国汽车保有量达 2.5 亿辆，其中私家车达 1.98 亿 辆。全国 66 个城市汽车保有量超过 100 万辆，其中北京、成都等 11 个城市超过 300 万辆。考虑到我国良好的经济发展势头以及潜在的汽 车市场潜力，我国汽车保有量仍有较大增长空间。 与此同时，停车产业的发展滞后于汽车保有量的持续快速增加， 传统停车场集中度低、专业化程度低、人工成本高，造成我国城市停 车供需失衡、共享机制缺乏、停车场及车位信息“孤岛”、停车管理 18 19 新华社，我国汽车产销量连续十年蝉联全球第一。 中国政府网，公安部：今年上半年全国机动车保有量达 3.4 亿辆。 50 人工智能在交通领域业务应用白皮书 难等问题。在此背景下，智慧停车技术通过信息化和智能化可以有效 降低成本、提高停车位利用率，实现合理规划、有效利用、创新管理， 帮助缓解城市停车难的问题。 智慧停车分为狭义的智慧停车和广义的智慧停车。狭义的智慧停 车是指针对城市局部区域或某一停车领域的智慧停车，如道路泊位的 智慧停车、路外停车场的智慧停车。广义的智慧停车是指将整个城市 作为一个系统进行顶层设计，综合运用多种技术实现城市级智慧停车。 典型的停车场景分为道路两侧的路内停车以及路外停车场停车。 传统的智慧停车管理技术有咪表、车牌扫描 PDA（Personal Digital Assistant，个人数字助理）设备、地磁、视频桩等，然而这些技术都 有其内在缺陷，比如咪表、地磁+PDA 易受环境干扰，不可视且采集 信息少；视频桩容易被人为破坏，施工难度大，对车辆停放要求严， 无法满足道路停车环境越来越复杂的趋势。随着本轮人工智能技术的 快速发展，更加智能、更加精细的高位视频技术应运而生。 6.2 技术方案 1）系统架构 51 人工智能在交通领域业务应用白皮书 来源：智慧互通科技有限公司（爱泊车 Aipark） 图 13 高位视频智慧停车系统架构图 高位视频智慧停车系统主要由高位视频摄像头和云平台构成，前 场的高位视频摄像头负责记录和监测停车区域，云平台则提供综合业 务管理，如停车场管理、收费管理、第三方服务接入、用户服务等内 容。 2）高位视频技术 高位视频技术的机制是利用架设在停车位上方的 AI 高位视频设 备，实时智能感知停车场、车位、车辆相关信息，实现电子计费，并 将所有数据上传至运营云平台。在端侧 AI 芯片的支持下，高位视频 设备可以在本地快速完成基于深度学习算法的视频分析和处理，通过 融合多镜头、聚合多算法，确保高度的系统稳定性、综合识别率和系 统自动化率。同时，基于软件定义理念，系统可实现设备软硬件和 AI 算法的解耦合，通过支持 AI 算法的在线加载和升级，提升设备可 扩展性。 52 人工智能在交通领域业务应用白皮书 该技术可以全天候 7*24 小时同时监测多个泊车位，检测车位空 闲/占用状态，记录车辆驶入/驶出时间，识别停放车辆的车牌号码、 泊位号、车辆颜色、停车特写、全景图片等信息，判别跨位停车、半 侧位停车、反复入位停车和斜位停车等异常停车状态，并根据车辆行 车轨迹形成完整的图像视频证据。在黑夜、暴雨、大雪、雾霾等极端 天气也可以确保信息的精准度与完整度。配合电子支付，可实现前场 无人值守的管理模式。 来源：智慧互通科技有限公司（爱泊车 AIpark） 图 14 适用于路侧平行式/垂直式停车场景的高位视频技术示意图 相较于以往的停车管理技术，使用人工智能的高位视频技术拥有 诸多优点，比如不易损坏、容易施工、采集信息全面（可为违章取证）、 可多部门复用等。不过使用该技术的项目投资较大、对计算机视觉技 术要求高，也需要在规划时酌情考虑。 3）智慧停车云平台 高位视频设备的采集数据汇聚至云平台，综合其他停车管理技术 采集的数据，利用大数据、云计算和人工智能等技术，一方面平台可 以二次处理图像/视频数据，另一方面可以从全局管理接入平台的停 车资源。 53 人工智能在交通领域业务应用白皮书 首先，云平台的计算能力可以支撑更大规模更复杂的神经网络模 型，对端侧处理的图像数据进行二次处理和校验，进一步提升准确率。 同时，平台可以根据不断积累的数据进一步训练模型，并把更新后的 模型下发至端侧高位视频设备，提升端侧处理能力。针对新场景、新 业务的算法模型，也可以在研发测试完成后通过云平台推送至端侧设 备。 此外，基于云平台的数据，可以从管理者视角分析整个城市的停 车热点区域、车位周转率、潮汐停车指数、实时停车状态、停车收费 数据等内容，车牌车型等数据的沉淀也可以用于后期的数据挖掘分析， 比如识别套牌车。交管部门通过云平台可以实现整个城市静态交通系 统的可视化管理，城市居民可以通过接入平台数据的手机 APP 享受 便捷服务，比如实时查找就近停车位、随时缴纳停车费、预定车位等。 6.3 主要功能 1）车位查询 高位视频停车技术可获取车位的实时状态，用户通过手机 APP 可直接查询目的地或当前位置附近的停车场饱和度信息、停车位实时 动态信息及收费标准。 2）无感停车 高位视频停车技术可准确获取车辆的身份信息（车牌号码、车身 颜色）和停放信息（停放位置、停放时间）。对于路内停车位，当系 统识别到车辆进入车位后，自动计时开始，并即时推送信息给车主。 当车辆驶出停车位时，停止计时并将停车缴费信息推送给车主，可融 54 人工智能在交通领域业务应用白皮书 合多种支付方式。对路外停车位，可结合停车场出入口控制机获取的 相关信息判断。 针对未及时缴费的停车用户，系统将生成未缴费的证据，由相关 部门追缴费用，减少偷漏缴费，让路侧停车收费更加有理有力和公平 合理。 3）车位导航及反向寻车 泊车者通过诱导屏、手机 APP 等渠道发布的车位诱导信息可快 速找到空闲的车位。同时，系统可根据停车的具体地址信息，指引车 主快速寻找到所停车辆。 4）违法停车取证 系统可实现对违法停车行为的自动非现场抓拍取证，能够大范围 全自动扫描搜索，自动识别指定区域的违法停车行为，将抓拍取证上 传至缉查布控平台。此外，对车辆剐蹭、车位占用等问题均可追溯。 5）大数据稽查布控 精准管理道路上乱停乱放的现象，采集违法证据，针对逾期未检 验、逾期未报废、假牌套牌、违法次数较多、涉嫌盗抢车等重点车辆， 可以快速预警并查看违法车辆的停放位置。 6.4 落地案例-北京路侧停车电子收费改革 截至 2019 年底，北京市机动车保有量已达到 634.6 万辆20，其中 私人汽车 497.4 万辆。随着机动车数量迅猛增长，停车需求过盛、停 车设施供给不足的问题也日益凸显。2019 年，北京市以停车秩序整 20 人民网，北京路边停车统一线上收费。 55 人工智能在交通领域业务应用白皮书 治为突破口，有序推进交通综合治理工作。自年初，在全市 16 个区 以及经济技术开发区分 3 批实施道路停车改革（1 月 1 日起东城、西 城和通州区，7 月 1 日起朝阳、海淀、丰台、石景山和延庆区，12 月 1 日起门头沟、房山、顺义、大兴、昌平、平谷、怀柔、密云和北京 经济技术开发区等 9 个区），在 574 条道路上施划了 6.1 万个路侧停 车位，取消人工收费，推进电子停车收费。道路停车费纳入政府非税 收入管理，实行收支两条线，收入全额上缴区级财政。 北京路侧电子收费管理设备以高位视频设备为主，部分道路因树 木遮挡等原因，暂时使用矮桩视频、地磁、手持 POS 机等方式进行 管理。爱泊车积极参与了该项目，其高位停车技术可实现如下技术指 标。 车位状态检测系统准确率≥98%21； 车牌识别输出率：光照良好捕获率≥95%，光照不佳捕获率 ≥90%； 车牌识别系统综合输出准确率：≥99.2%（光照良好），≥96.2% （光照不佳）； 车位状态检测系统综合识别率22≥98.6%； 车位状态检测系统误报率≤1.4%； 自 2019 年初路侧停车电子收费正式实施以来，不仅逐步实现了 复杂场景、全天候、完整证据链的采集，还实现了全市统一平台、统 一 APP 缴费。截至 2019 年 9 月，在核心区（东城区和西城区）和副 21 22 结合前端设备和云端的智能识别，判断车位状态，如有车、没车、入场、出场等情况。 在识别车位状态的基础上，结合车牌、前端云端对比，输出最后计费证据的车位停车行为。 56 人工智能在交通领域业务应用白皮书 中心（通州区）道路停车位停放过的车辆达到 241.3 万辆（本地号牌 车辆 210.2 万辆），在全市机动车保有量中占比近 40%。北京交通 APP 作为线上缴费渠道，累计注册用户达 163.8 万人，占三个区已服 务车辆的 68%，已绑定车牌的 99.8 万辆，占服务车辆的 41%。 根据爱泊车提供的北京市七个区（东城、西城、通州、朝阳、海 淀、丰台、石景山）的停车数据23，2019 年 8 月，违停执法数量共计 52.55 万，同比增幅 26.02%，违停执法方式包括拖车、现场处罚、贴 条、科技执法，其中科技执法占比达到 36.31%。2019 年 8 月至 9 月， 对 108 条道路（近 9000 个停车位）停车入位情况进行抽查，统计 6000 余次停车情况，停车入位率达 96.52%。此外，根据最新统计数据， 2020 年 7 月北京全市高位视频订单共 503.14 万单，停车客诉 1073 单， 客户投诉比率为 0.02％。 同时，全市建立了欠费催缴机制，各区停车管理部门配备行政执 法人员和相应执法条件，对欠缴停车费的车辆（车主）进行催缴处罚。 截至 2019 年 11 月底，共向 20497 辆车（车主）发送催缴短信或发布 公告，并在各区政府网站公示。目前，市级各有关部门正在共同研究 停车信用联合惩戒机制。 在道路停车改革的推动下，北京道路停车收费更为公开透明，管 理也更为规范，现场议价、黑收费、乱收费等现象基本杜绝，“停车 入位、停车付费、违停受罚”的理念逐渐成为社会共识。 7. 城市交通大脑24 23 24 本部分数据来自北京市高位视频停车订单中由爱泊车设备创建的订单。 阿里云，《城市交通数字化转型白皮书》。 57 人工智能在交通领域业务应用白皮书 7.1 背景介绍 过去四十年，中国城市化飞速发展，城市的规模、密度、复杂度 持续上升，为公共服务管理水平带来日益复杂的综合性挑战。其中， 交通问题成为所有城市的通病，面对就业与居住空间分离、超大规模 路网、复杂车流变化，以人力为主的交通管理效率成为制约整个城市 发展的短板。为了解决城市交通中“数据多效果少”、“单点强全局 弱”和“科技新落地少”等问题，业界提出“城市交通大脑”解决方 案，在云计算、大数据的基础上，结合机器视觉、大规模拓扑网络计 算、交通流分析等跨学科领域技术，实现城市超大规模全量多源数据 收集（整体认知）、实时挖掘分析（机器学习）和全局策略优化（全 局协同），助力缓解交通拥堵、节能减排、提升交通效率、提高安全 水平和提升服务品质。 自 2016 年业界提出这一解决方案以来，以阿里云、百度、滴滴 为代表的科技巨头相继与地方政府合作，落地城市交通大脑，并在交 通信号灯调控、车流调控、峰值预警等应用中初显成效。 7.2 技术方案 1）机器视觉认知 第一，全量视频激活。城市中数万路摄像头的视频流可全部汇聚 至云计算平台，以算法实现自动全量监控分析，突破人力巡查无法覆 盖的全城“盲点”，全面解放人力、提升效率。 第二，全面路况感知。交通大脑可以接入所有主流厂商的摄像头、 传感设备，在不同视频质量、光照、天气、夜晚等场景中，通过机器 58 人工智能在交通领域业务应用白皮书 视觉算法，根据细节差异快速有效识别出人、车、事（故）、物，实 现对路况的全面感知。 第三，实时分析事件。交通大脑依靠流计算、视觉计算加速等技 术，实时分析全城视频数据流，及时发现并上报交通事故，动态制定 红绿灯策略，诱导车流。 2）全量数据平台建设 城市交通云平台建立统一共享的城市数据资源平台和城市数据 定义与标准，可以极大降低数据资源共享流通的成本。通过海量在线 存储能力和实时计算吞吐能力，以超高密度数据平台支撑城市精准运 营。 第一，共享平台打通数据孤岛。城市级合作可以联合不同管理部 门和产业主体，整合政府部门数据、交通设备检测数据、互联网交通 数据和市政摄像头视频等来源的海量实时数据。 第二，数据标准汇聚生态渠道。数据汇聚、数据模型、质量评价、 数据应用等一系列城市交通大数据建设标准规范的建立，可以为城市 交通大脑生态中的跨渠道多源异构数据融合分析奠定基础。 第三，数据工具配套数据治理。数据资源平台提供整套大数据服 务组合，包括数据集成、数据开发、数据质量监控、数据资产管理、 血缘分析、数据服务等大数据技术产品，为海量数据开发和全城协同 治理提供强有力的工具支持。 3）交通动态网络实时计算及协同 59 人工智能在交通领域业务应用白皮书 系统可以实现城市动态路网的精准预测。利用大规模城市交通网 络扰动模型基础，交通大脑可以根据实时路况，精准预测采取某项交 通干预措施之后未来网络状态的演化过程，帮助城市管理者获得更优 决策支撑与效果。根据多个连续信号路口状态的感知和预测，交通大 脑综合评估信号调度策略及其对现有交通流的影响，实现车辆调度与 信号灯系统网络协同优化。 4）城市交通大脑开放平台 第一，开放生态助力城市全局问题治理。将城市数据资源及海量 需求以特定的形式建立开放平台，广泛吸引人才、企业在现有数据地 盘上解决城市交通领域的问题，加快发展交通数字治理和经济生态。 第二，交通大脑生态圈持续推动产业 AI 升级。交通大脑的开放 生态需要产业上下游的深度参与，共同建构覆盖视频智能、数据智能、 应用智能多层次的“应用超市”，过程中会带动和培育更多企业深度 挖掘数据价值，促进 AI 产业升级。 7.3 主要功能 1）城市交通状态检测 通过全量、全网、跨领域多源数据的汇聚与融合，建构交通量、 拥堵指数、主干道速度、快速路速度、安全指数等指标体系，完整量 化城市交通状态指标，既能实时反映城市交通全局态势，又能支持车 道级别的精准管控，帮助交通管理部门在详实可靠的实时数据基础上， 实时监测预警，快速执行精准治理，避免牵一发动全身的连锁反应。 2）城市交通警情自动监控 60 人工智能在交通领域业务应用白皮书 第一，全城交通感知。平台能够实现对城市交通进行 7*24 小时 不间断巡检，减少交警路面巡逻工作量，降低交警安全风险，并将交 警从查看监控的任务中解放出来，提高执法效率。 第二，全城交通检索。平台以视觉搜索代替警力去挖掘海量视频， 可快速定位涉案目标。对于每天发生的儿童走失、肇事车辆逃逸等交 通案件，通过实时目标检测、提取嫌疑人高维特征、多模态数据时空 碰撞计算等 AI 技术，可大大加速破案进度，并提供证据。 第三，全城交通预警。平台可以根据城市交通历史数据，预判某 个区域未来一段时间的交通态势，帮助交管部门提前制定应急预案、 实施交通疏导措施，规避拥堵和踩踏等安全隐患问题。 3）城市交通信号控制 从多源数据出发，全局智能算法对全城大规模信号灯的精细化控 制。通过分析机动车/非机动车/行人的密集度、过街时间差异等特征， 动态优化信号灯策略，合理分配交通道路资源，降低拥堵指数和等待 时间。 4）城市紧急车辆优先通行 数据驱动的精准交通治理可以将路权实时调配给最急迫需要的 市民。平台能够为紧急车辆如救护车规划最优导航路径，对车辆到达 下一个路口时间实现秒级精准预测，自动调控红绿灯，在缩短救护车 通行时间的同时，尽可能降低对城市正常交通流的影响，让智慧交通 为“生命直通车”保驾护航。 7.4 落地案例-杭州城市交通大脑 61 人工智能在交通领域业务应用白皮书 2016 年 3 月，城市大脑在杭州启动，由杭州市政府主导，包括 阿里云在内的 13 家企业参与其中。2016 年 10 月，在杭州云栖大会 上，城市大脑 1.0 版发布。2018 年 5 月，杭州市发布全国首个城市数 据大脑规划，时限为 5 年，规划首次确定了城市大脑未来各阶段的主 要建设目标和应用领域（交通、平安城市、城管、旅游、医疗、环境、 信用）。2018 年 9 月，城市大脑发布 2.0 版。2018 年 12 月，城市大 脑（综合版）发布，城市大脑步入 3.0 建设阶段。 杭州城市大脑交通系统的投入使用带来了效率的提升和服务的 丰富25。根据高德地图定期发布的城市交通分析报告，2016 年，杭州 市的拥堵指数是 1.88，拥堵排名是第 8；2018 年第二季度，杭州市的 拥堵指数是 1.64，拥堵排名是第 57。 信号灯智能配时：已覆盖路口 1300+个，接入视频 4500 路，路 段通行速度提升约 15%。 智能巡检系统：覆盖 3400 路监控球机，每 2 分钟便对城市道路 交通状况进行一次扫描。可跟踪两重一危车辆，智能识别 110 种警情。 主动报警，日均发现警情 3 万余起，准确率 95%以上。 警力调配系统：通过手持终端，直接指挥杭州市 200 余名交警就 近前往现场处置。 公共交通工具调度：基于视频、导航地图和运营商等数据，识别 人群密集区域，测算所需运力，进行公交车班次规划、出租车调度等， 降低人群滞留率。 25 严鹏健，未来已来？探索杭州“城市大脑”交通系统 | 智慧城市系列研究。 62 人工智能在交通领域业务应用白皮书 泊位全城共享：城市级共享泊位平台，接入各类停车场库泊位资 源。市民通过支付宝或贴心城管应用即可预约停车，通过高德地图获 得“车到位”的精确导航服务。 63 人工智能在交通领域业务应用白皮书 附录二：典型业务赋能场景 本章关注的内容主要有几个方面：一是产学研关注较多，投入力 度较大，但尚未正式大规模投入商用的场景，如智能驾驶；二是相关 领域的产业化处于起步阶段，人工智能等新技术未来能够充分发挥赋 能效应的场景。 1. 智能驾驶 1.1 背景介绍 随着经济社会发展和生活水平提高，大众对汽车的消费意愿和能 力增强，我国汽车年产销规模接近 3000 万辆，连续多年成为全球汽 车产销第一大国。汽车保有量急剧增加，但交通参与者的安全理念、 基础设施建设仍滞后于汽车产业发展，道路交通安全风险突出。根据 世界卫生组织的调查26，全球每年有超过百万人因道路交通事故死亡， 超过上千万人受到非致命伤害，道路交通伤害给个人、家庭和整个国 家都带来了巨大经济损失。其中，绝大部分道路交通事故是人为因素 导致的。 近年来伴随着新能源汽车的发展，人工智能技术的突破性进展， 整个汽车领域正在开启一场智能化革命。智能驾驶已成为人工智能和 交通融合度最高、关注度最高的领域，以企业为主体、以市场为主导 的产业现状，也推动着智能驾驶技术的试验落地。考虑到业界通常以 自动驾驶指称智能驾驶，故下文将沿用业界惯例。 自动驾驶技术主要包括环境感知、决策规划和车辆控制三大部分。 26 世界卫生组织，https://www.who.int/zh/news-room/fact-sheets/detail/road-traffic-injuries。 64 人工智能在交通领域业务应用白皮书 在人工智能等技术的赋能下，自动驾驶汽车具备全面的环境感知能力， 可对驾乘人员、车辆和道路环境进行实时监测；能自主做出规划决策， 制定安全的行驶策略；自动控制车辆运行，实现及时精准的驾驶操作。 这使得自动驾驶能显著减少人为因素导致的道路交通事故，在提升交 通便利性的同时促进道路交通安全水平提升。 1.2 赋能作用27 1）环境感知 环境感知是汽车收集外部环境并形成认知的能力，类似于驾驶员 对驾驶环境的观察，可通过多种传感器全面探测周边环境，如激光雷 达、摄像头、毫米波雷达，以及更广义的车联网、高精度地图。 在深度学习技术和高精度视觉传感器的加持下，系统可以获取车 身周围环境的大量信息，如车辆、行人、障碍物的位置与距离、道路 标志标线、交通信号灯等。为了确保汽车在各种环境下都能平稳安全 行驶，通常系统要融合多种传感器数据，交叉验证优势互补，在极端 环境下也能保持较好的感知效果。 目前，环境感知技术主要有有两种技术路线，一种是以摄像头为 主导的多传感器融合方案；另一种是以激光雷达为主导、其他传感器 为辅助的技术方案。 2）决策规划 决策规划是指自动驾驶汽车根据路网信息、获取的交通环境信息 和自身行驶状态，产生遵守交通规则的驾驶决策的过程。该部分主要 27 中国汽车技术研究中心有限公司等，《中国自动驾驶安全读本》。 65 人工智能在交通领域业务应用白皮书 有以下几个环节。首先是全局路径规划，基于路线长度、实时路况等 选取出发点到目标点之间的最优路径。其次是避障规划，探测周围车 辆、行人等环境信息，根据全局路径规划和当前的局部情况，推算下 一步决策。最后是轨迹规划，是指设定车辆纵向加速度、横摆角速度、 转向角度等，并将设定参数交给执行系统。 借助深度卷积神经网络和深度强化学习技术，自动驾驶系统能通 过大量学习实现对复杂工况的决策，在现实道路环境测试训练之外， 还可以在虚拟仿真环境中在线学习优化。 3）车辆控制 车辆控制是根据规划的行驶轨迹和速度以及当前的位置、姿态和 速度，产生加速、制动、转向等的控制命令。相较于传统的车辆控制 方法，智能控制方法主要体现在对控制对象模型的运用和综合信息学 习运用上，包括神经网络控制和深度学习方法等，这些算法已逐步在 车辆控制中广泛应用。 自动驾驶汽车对车辆决策指令的执行反应更快，正常情况下，驾 驶员从观察到有需要处理的情况到踩制动器的反应时间为 1 秒左右， 而自动驾驶只需要 0.1-0.2 秒，快 5-10 倍，这将为车辆和驾乘人员创 造更大的安全空间。同时，自动驾驶汽车还能更精确地控制加减速程 度和转向幅度等驾驶动作，避免驾驶员因为情绪、状态、技术能力等 原因造成操作不当。 2. 高速公路智慧运营及服务 2.1 背景介绍 66 人工智能在交通领域业务应用白皮书 统计显示28，2018 年末，全国高速公路总里程达 14.3 万公里，总 里程居世界第一位，高速公路网的规模效应已经显现，网络化交通运 行特征明显。近二十年分路段建设的高速公路机电三大系统（监控、 通信、收费），为高速公路信息化、智能化奠定了坚实基础，而近期 实现的高速公路不停车收费系统全国联网，更是将高速公路信息化与 智能化推向了新的阶段。 然而，我国高速出行依然面临安全、拥堵等问题，主要原因有路 网利用不均衡、数据价值挖掘不够、协同管理平台缺乏、事故预防和 处置效率不足等。伴随移动互联网、大数据、云计算、人工智能、数 字孪生等新一代信息技术在高速公路的应用，业界开始研发路网更安 全、出行更畅通、管理更高效的智慧高速解决方案，致力于解决现有 高速交通出行问题。 2.2 赋能作用 1）智慧交通管理 主要有智能交通应急疏导、最优车流诱导分析、交通事件预警分 析等应用场景。 智能交通应急疏导：结合高速公路全路网断面的实时车流信息、 短时交通车流路况预测、各收费站互通实时路况信息进行智能交通应 急疏导，实现收费站应急疏导方案应用后高速公路主线交通路况演变 预测。 最优车流诱导分析：结合全路网交通态势的实时数据、交通路况 28 新华网，高速铁路高速公路里程世界第一 中国交通 70 年大幅跃升。 67 人工智能在交通领域业务应用白皮书 预测、交通事件信息，分析路网交通状态，构建以实时路网交通状态 的车流诱导模型，通过交通时空情报板，改变车流的运行路径分布， 从而优化路网的交通组织和诱导，缓解交通拥堵。 交通事件预警分析：通过分析高速公路各类感知设备监测的实时 交通事件（拥堵、违停），实现对实时多源数据下的交通事件快速定 性，提高交通事件上报的准确性，通过车流与车速预测未知事故点。 2）智慧出行服务 主要有行程时间预测计算、节假日车流及拥堵路段预测等应用场 景。 行程时间预测计算：结合各路段的行驶限速、实时交通状态、施 工事故等事件因素，实现区域内任意两点间行程时间的精准预测计算。 按里程最短、费用最低进行行程预测计算,实现精准的行驶时间预测。 节假日车流及拥堵路段预测：通过对历史交通数据的分析，结合 节假日前后车流情况的变化，对当前节假日各路段车流及拥堵情况的 预测。 3）智慧规范运营 主要有偷逃通行费行为分析、自由流下的应征不漏分析等应用场 景。 偷逃通行费行为分析：通过对收费通行数据以及全路网卡口车辆 信息的分析，发现 ETC 车辆以及非 ETC 车辆中存在偷逃通行费的车 辆。 自由流下的应征不漏分析：通过主线自由流门架系统的交易过程 68 人工智能在交通领域业务应用白皮书 流水数据、门架车牌识别（收费、监控）、收费数据，分析自由流下 的未能正常扣费的车辆信息，从而确保车辆收费的应征不漏。 4）智慧客服 客服平台充分利用智能语音语义技术，构建立包含 AI 数字话务 员、AI 数字员工（服务区）、AI 数字语音交互大屏等的多维管理服 务体系，协同兼容各方应用系统，挖掘数据应用最大价值，打造“人、 路、车”全链路运营支撑系统。 AI 数字话务员协助人工坐席处理各类简单重复的信息咨询类问 题，满足司乘人员全天候全时段全场景的需求咨询和问题解答。AI 数字员工（服务区）为服务区日常运营管理提供相应服务，应对繁忙 时段司乘人员的多样化紧急需求。此外，还可提供语音服务质检、司 乘人员个性化服务、新员工培训等服务。AI 数字语音交互大屏主要 用于指挥中心，支持复合指令的操控、跨层次执行指令，实现多坐席 联合调度指挥。 3. 高速公路智能养护 3.1 背景介绍 我国的高速公路建设总里程随着经济发展而不断增加，高等级公 路的比例也不断增长，质量问题也随之凸显，建成投入使用的一些高 速公路在没有到达大修年限之前就已经出现了严重的病害。因此，通 过高速公路养护业务预测修缮、提升运营质量、降低费用支出就显得 十分关键。 69 人工智能在交通领域业务应用白皮书 高速公路养护业务主要包括发现病害、检测病害、修复病害等业 务。养护场景主要包括公路路面路基、桥梁桥面、桥梁桥墩、隧道涵 洞、分隔带及边坡绿化、临时设施等，其中公路路面路基、桥梁桥面 和桥梁桥墩的病害占据了 70%以上。通过人工智能的发现和检测技术 取代传统的人工+经验的手段，将极大的提高养护效率，对高速公路 的智慧养护产生深远影响。 来源：山东高速信息工程有限公司 图 15 人工智能在高速公路养护中的应用 3.2 赋能作用 1）发现病害 传统手段大多是工作人员驾驶巡查车肉眼查找，发现病害后拍照 片并记录病害特征，后续技术人员结合采集信息，确定病害类型以及 修复方式。在这一过程中，病害遗漏、测量描述不准确不清晰、工作 效率低下等情况时有发生。 70 人工智能在交通领域业务应用白皮书 人工智能技术的使用可以让查找病害更加简单高效。计算机视觉 技术在智能巡查车、智能无人机和各类监控系统的使用丰富了发现病 害的手段。智能巡查车和智能无人机可以随时巡查、随时定位、随时 留影、随时检查，交叉使用可以有效解决覆盖盲区的问题，高速公路 上逐步增加的智能摄像头也可以用来采集相关图片信息，快速、高效 发现病害。 2）检测病害 当前检测病害的常用手段主要是人工观察、手工测量、雷达设备 及激光测量仪等，这些方式受人为因素的影响较大。人工智能技术的 使用可以提升病害检测的效率和准确性。以路面裂缝为例，路面裂缝 主要分为纵向裂缝、横向裂缝和龟裂。结合不同裂缝产生的原因及具 体特征，路面裂缝的特征维度主要包括方向、长度、宽度、深度、形 状等。通过建立病害图像特征库，借助图像识别技术和视频特征分析 技术挖掘分析对象特征，实现自然归类、特征分析以及信息记录等功 能。同时，深度学习技术能够进一步丰富病害图像特征库，帮助管理 者和技术人员设计更合理的病害检测手段。 4. 铁路智慧机务 4.1 背景介绍 机务是铁路运输系统的主要行车业务，主要包括铁路机车的运用、 综合整备、机车的整体检修，以及机车乘务员的日常管理。为了确保 机车的运用安全，机车已经配备多套系统保障行车安全，主要包括列 车运行监控系统（LKJ）、列车控制与管理系统（TCMS）、机车车 71 人工智能在交通领域业务应用白皮书 载安全防护系统。其中机车车载安全防护系统（简称 6A 系统）可实 时监测机车状态，包含制动、绝缘、防火、列供、走行部、视频六个 方面，为机车质量稳定、安全运行提供了技术保障。机车运行回段后， 通过机车整备进行检测、检查，确保出库机车质量优良。 6A 系统中的视频数据量较大，每个交路（含段内作业）工作期 间（平均 15 个小时）产生的视频约占 30GB，目前主要通过人工 U 盘传输数据，不仅数据转储时间长、人工维护工作量大、存在感染病 毒风险，而且频繁的插拔还会导致 U 盘及车载 6A 设备板卡故障率较 高，造成上百万的设备损耗费用。 机车乘务员行为操作对保证机车安全运行至关重要，目前每个机 务段基本都有 30-50 人的数据分析团队，专门来分析海量的机车车载 音视频、LKJ 等数据，而且主要是定向的人工抽查而非全面分析，人 力投入较高。 此外，机车的走行部、TCMS、LKJ 等是机车核心车载系统，对 列车安全运行起着至关重要的作用。但目前机车的车载数据不能直观 的可视化呈现，需要经验丰富的地面专家分析并判断下一步措施。部 分情况还需要把数据发给厂家分析，可能花费数周时间，周期长、效 率低，对机车的正常检修流程造成较大影响。 4.2 赋能作用 1）5G 高速转储 当机车返回机务段并进入无线基站覆盖范围时，车载终端与轨旁 基站自动建立 5G 高速连接，快速把车载数据转储到地面高速缓存。 72 人工智能在交通领域业务应用白皮书 传输方案采用高频毫米波频谱、多天线、波束赋型等 5G 技术，具有 超高宽带、稳定连接的特性。可以实现车地通信的自动对准、自动连 接和自动上传，全程加密传输，安全可靠，无需人工干预，最大传输 速率超过 1.5Gbps，平均 1 分钟传输 10GB 左右。 2）乘务人员智能分析 结合计算机视觉技术，系统可针对机车回段后所转储的历史视频， 并结合 LKJ 数据，智能分析司乘人员行为，主要包括以下几类异常 行为。 • 瞭望类：主司机离岗、玩手机（分停车与运行）、主司机盹 睡/精神不振（分停车与运行）等； • 特定动作类：主司机状态左手未握大闸、未探头手比等； • 动作规范性类：主司机未手比前方、主司机未握拳/摇臂等； • 其他类：单人值乘、双人同时换端、副司机进站未立岗、平 躺睡觉（分停车与运行）等。 3）大数据预测维修 基于采集的海量监测数据，结合机器学习技术，开展性能退化特 征提取与统计建模分析方法研究，降低对人工的依赖性。建立机车走 行部数字孪生模型，直观展现机车行走部当前的健康状态，定期深度 分析历史数据，预测机车走行部各部件寿命。并据此提供决策支撑依 据，为制定门限值提供依据，如根据车型、速度等级分阶段设置温升 门限值，并为周期保养提供支撑依据。 73 人工智能在交通领域业务应用白皮书 来源：华为技术有限公司 图 16 大数据预测维修方案技术架构图 74 中国人工智能产业发展联盟 地址：北京市海淀区花园北路 52 号 邮政编码：100191 联系电话：010-62302486 网址：www.aiiaorg.cn