杭州海康威視數字技術股份有限公司交通行業解決方案總監 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，融合呈現為圖景提升用戶的業務效能。
　　如果說2017年是ITS2.0的元年，那么海康威視在今年10月份發布的Ai Cloud，基于神經網絡的認知計算系統則是在ITS2.0的基礎之上進行的人工智能和云計算技術的賦能，因此以Ai Cloud為代表的智慧交通新時代已經來臨。
　　新時代的智慧交通對于系統的感知能力、運算能力、資源融合能力以及技術生態的融合能力都提出了比較高的要求，隨著智慧交通業務的不斷發展，對于安全保障、效率提升和服務優化這些方面的要求也在不斷地提升。對于數據的運用、計算、呈現的要求是非常高的。比如信息挖掘的維度、時效性、并法處理的性能等，由于傳統架構的限制，包括處理能力方面的限制，成為制約業務順暢體驗的絆腳石。

圖1Ai Cloud誕生記

　　因此Ai Cloud架構應運而生，我們按照邊緣節點、邊緣域、云中心進行分類，通過人工智能技術提升邊緣節點、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務應用。在Ai Cloud三期架構當中，邊緣節點以帶有AI算力的感知設備為代表，海康威視2016年發布的以深度學習為核心功能的產品系列，比如海康深謀系列，無人機、創新視角采集的前端，還有包含類似于工業相機，工業傳感器等類型是邊緣結算的節點，用于信息的感知。邊緣域起到了資源和數據匯聚的作用，此外通過深度學習的計算能力的注入，實現規模的圖像匯聚、圖像分析、結構化能力，突出體現其處理的性能。比如各路的接入網關，接入各類資源和信息，包括從2016年發布的數據中心的產品，圖片二次識別服務器等。云中心首先能夠實現大規模的數據資源的匯聚和融合，通過云技術實現系統的高并發接入，結合用戶的業務需求，實現業務導向的分析計算，提升可視化交互呈現效果。
　　云中心提升的典型能力，以大數據運算能力為例來說明，首先基于分布式的數據庫、全文檢索、分布式資源管理等，對于業務應用而是不夠的，更多的是提供一些基于純數字運算，比如查詢、檢索、分類、排序等基礎的運算。需要以業務應用為導向，定義新的數據結構和制定新的計算規則和業務規則。比如說前端感知、邊緣域感知等能夠產生大量車輛結構化的設計，這些結構化的數據對于業務應用而言是扁平化的，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管的過程中的一些經驗沉淀下來，稱為具體的車輛情報分析邏輯，業務運算區別于傳統的純數字運算。做車輛多維度的時空分析、交通態勢分析和數據可視化輔助決策應用。
Ai Cloud這樣一個基礎架構，從單純的感知變為認知，將傳統的純數據計算，比如查詢、檢索、分類、比對的業務變為更復雜的運算，包括推理、分析和挖掘等。人工智能技術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境等從海量的數據當中挖掘背后的規律，經過一些業務規則上的排序，能夠突破原有的信息感知瓶頸，挖掘更多的信息出來，邊緣節點和邊緣域共同承擔認知計算的任務。
　　數據和信息的體量越來越多，信息和類型也變得更加的豐富復雜，如果沒有一個良好的融合手段以及呈現思路，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，數據的融合不是簡單的堆砌就可以實現的，必須貼近業務和實戰，能夠讓用戶最高效、最短的時間內獲取到最重要的信息。

圖2Ai-Cloud在交通行的應用

　　包括交警行業，大交通行業，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所代表的這種架構上的創新，運算能力，業務承載能力的優勢是非常明顯的。
　　在交通行業的各個領域，幾乎都可以看到Ai Cloud的場景，從信息的感知、融合、分析到最終的聯動執行、呈現，Ai Cloud這樣一個架構有助于在上述環節提升質量，增加應用保障。基于深度學習的道路監控、卡口、節點提供的實時數據，通過邊緣域的二次識別和云存儲能力建立合適的業務模型，借助云平臺的分析能力實現交通違法整治、失駕專項整治、安全態勢分析、假套牌車輛的整治，以實時的準確的數據分析和研判保障交通運行的安全。
　　交通大數據本身是數據分析重要的手段，也是實現擁堵治理和預防的重要途徑，同時是云中心在融合和計算性能方面的最佳的體現。一方面入口級的數據能夠不斷地積累，另外一方面，在全城市的信息感知基礎上，比如卡口、電警、道路上的監控，代表抓拍功能的攝像頭越來越密，利用時空出行規律的數據，通過這些數據去分析車輛的平均速度，OD旅行時間常用的指標用于判斷預測實時狀況，預測的結果可以作為交通態勢分析，包括交通誘導信息發布的依據，這些應用是依托于邊緣節點，本身準確的感知能力也要依托于基于邊緣域和云中心對于數據整合建立的數據分析模型。
　　基于4KAR實景指揮調度的系統，也典型的Ai Cloud應用代表，傳統的交通指揮調度特點是需要多個子系統來回切換，視頻也好，誘導發布也好，通過這樣畫面，把交通管理者關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，卡口分析的結果，包括時間檢測分析的結果因素融合在這個上面，這樣對于系統調度的需求很高，包括數據調度、圖像資源的調度、高清顯示等。這樣一套系統本身是Ai Cloud架構創新的典型，最終提升了指揮調度的模式。
　　互聯網的信息發布平臺，通過云中心整合云資源，邊緣域和邊緣節點采集的公共交通信息加以整合，最終實現手機APP或者微信公眾號領域的信息發布。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，本身也是創新架構里面新形態的邊緣計算節點，是重要的交互載體，通過車載后視鏡可以實現人人拍的違法舉報，通過車載云鏡固化的設備，包括業務流程來實現這樣的功能。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點，也能夠體現智能前移的優勢，比如在公交車上安裝帶有運算的數據，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，對于系統而言是有利的。
　　在公交車的車箱當中部署客流密度的統計相機，這種設備可以進行更加高效的分析系統目的的需求，提供基礎的數據。這些數據上傳到中心以后就可以進行整合，整合結果可以作為調配公交發班密度和調整線路的依據。同樣包括出租車等候區也可以利用類似的思路計算在常規狀態、高峰狀態和應急狀態下對于乘客的需求，對于公交和出租車、網約車調度的影響。
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地和目的地，再結合分揀區就可以實現物流包裹的可視化，保證了生產力的同時物流分揀的準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果，把結果交給云中心進行分析和計算，這樣業務分層自治的思路避免了業務堆砌帶來的整體系統運行的下降。
　　海康威視的Ai Cloud通過智能前移、數據上云和業務分層自治的理念來推動各個行業各個領域的業務效率提升。不斷地圍繞視頻的業務，為智慧交通的各個領域提供高品質的視頻和視頻內容服務，有遠者洞見未來，見遠行更遠。