【交通大数据】Ai Cloud云图交通，认知计算、融合呈现---曹雨崧

杭州海康威视数字技术股份有限公司交通行业解决方案总监 曹雨崧

　　海康威视Ai Cloud云图交通，开启智慧交通2.0的大门，以认知计算，融合呈现为图景提升用户的业务效能。
　　如果说2017年是ITS2.0的元年，那么海康威视在今年10月份发布的Ai Cloud，基于神经网络的认知计算系统则是在ITS2.0的基础之上进行的人工智能和云计算技术的赋能，因此以Ai Cloud为代表的智慧交通新时代已经来临。
　　新时代的智慧交通对于系统的感知能力、运算能力、资源融合能力以及技术生态的融合能力都提出了比较高的要求，随着智慧交通业务的不断发展，对于安全保障、效率提升和服务优化这些方面的要求也在不断地提升。对于数据的运用、计算、呈现的要求是非常高的。比如信息挖掘的维度、时效性、并法处理的性能等，由于传统架构的限制，包括处理能力方面的限制，成为制约业务顺畅体验的绊脚石。

图1Ai Cloud诞生记

　　因此Ai Cloud架构应运而生，我们按照边缘节点、边缘域、云中心进行分类，通过人工智能技术提升边缘节点、边缘域的感知能力，通过云中心提供的信息读写和研判能力来支撑更多的业务应用。在Ai Cloud三期架构当中，边缘节点以带有AI算力的感知设备为代表，海康威视2016年发布的以深度学习为核心功能的产品系列，比如海康深谋系列，无人机、创新视角采集的前端，还有包含类似于工业相机，工业传感器等类型是边缘结算的节点，用于信息的感知。边缘域起到了资源和数据汇聚的作用，此外通过深度学习的计算能力的注入，实现规模的图像汇聚、图像分析、结构化能力，突出体现其处理的性能。比如各路的接入网关，接入各类资源和信息，包括从2016年发布的数据中心的产品，图片二次识别服务器等。云中心首先能够实现大规模的数据资源的汇聚和融合，通过云技术实现系统的高并发接入，结合用户的业务需求，实现业务导向的分析计算，提升可视化交互呈现效果。
　　云中心提升的典型能力，以大数据运算能力为例来说明，首先基于分布式的数据库、全文检索、分布式资源管理等，对于业务应用而是不够的，更多的是提供一些基于纯数字运算，比如查询、检索、分类、排序等基础的运算。需要以业务应用为导向，定义新的数据结构和制定新的计算规则和业务规则。比如说前端感知、边缘域感知等能够产生大量车辆结构化的设计，这些结构化的数据对于业务应用而言是扁平化的，需要通过分析车辆的外观特征，时空触摸规律，还有本身车辆的属性等综合因素考虑。把交通管理者平时在一些案件的办理或者是重点车辆监管的过程中的一些经验沉淀下来，称为具体的车辆情报分析逻辑，业务运算区别于传统的纯数字运算。做车辆多维度的时空分析、交通态势分析和数据可视化辅助决策应用。
Ai Cloud这样一个基础架构，从单纯的感知变为认知，将传统的纯数据计算，比如查询、检索、分类、比对的业务变为更复杂的运算，包括推理、分析和挖掘等。人工智能技术一方面获取更多的交通维度的场景信息，比如车辆的属性、行为、动作、外观的特征还有包括道路交通的环境等从海量的数据当中挖掘背后的规律，经过一些业务规则上的排序，能够突破原有的信息感知瓶颈，挖掘更多的信息出来，边缘节点和边缘域共同承担认知计算的任务。
　　数据和信息的体量越来越多，信息和类型也变得更加的丰富复杂，如果没有一个良好的融合手段以及呈现思路，就会造成巨大的信息浪费。以TOCC和交警的AR实景融合指挥为例，数据的融合不是简单的堆砌就可以实现的，必须贴近业务和实战，能够让用户最高效、最短的时间内获取到最重要的信息。

图2Ai-Cloud在交通行的应用

　　包括交警行业，大交通行业，比如轨道、机场、高速公路等，这些成果能够清晰的而且充分的说明Ai Cloud所代表的这种架构上的创新，运算能力，业务承载能力的优势是非常明显的。
　　在交通行业的各个领域，几乎都可以看到Ai Cloud的场景，从信息的感知、融合、分析到最终的联动执行、呈现，Ai Cloud这样一个架构有助于在上述环节提升质量，增加应用保障。基于深度学习的道路监控、卡口、节点提供的实时数据，通过边缘域的二次识别和云存储能力建立合适的业务模型，借助云平台的分析能力实现交通违法整治、失驾专项整治、安全态势分析、假套牌车辆的整治，以实时的准确的数据分析和研判保障交通运行的安全。
　　交通大数据本身是数据分析重要的手段，也是实现拥堵治理和预防的重要途径，同时是云中心在融合和计算性能方面的最佳的体现。一方面入口级的数据能够不断地积累，另外一方面，在全城市的信息感知基础上，比如卡口、电警、道路上的监控，代表抓拍功能的摄像头越来越密，利用时空出行规律的数据，通过这些数据去分析车辆的平均速度，OD旅行时间常用的指标用于判断预测实时状况，预测的结果可以作为交通态势分析，包括交通诱导信息发布的依据，这些应用是依托于边缘节点，本身准确的感知能力也要依托于基于边缘域和云中心对于数据整合建立的数据分析模型。
　　基于4KAR实景指挥调度的系统，也典型的Ai Cloud应用代表，传统的交通指挥调度特点是需要多个子系统来回切换，视频也好，诱导发布也好，通过这样画面，把交通管理者关注的信息叠加在画面底层上，就可以一个画面把多角度的视频，卡口分析的结果，包括时间检测分析的结果因素融合在这个上面，这样对于系统调度的需求很高，包括数据调度、图像资源的调度、高清显示等。这样一套系统本身是Ai Cloud架构创新的典型，最终提升了指挥调度的模式。
　　互联网的信息发布平台，通过云中心整合云资源，边缘域和边缘节点采集的公共交通信息加以整合，最终实现手机APP或者微信公众号领域的信息发布。比如实时路况、道路交通事件、交通管制等信息，过去从交通管理者获取信息，现在可以交通管理者和交通参与者进行互通。
　　另外一个维度是车载后视镜，本身也是创新架构里面新形态的边缘计算节点，是重要的交互载体，通过车载后视镜可以实现人人拍的违法举报，通过车载云镜固化的设备，包括业务流程来实现这样的功能。同时云镜也可以作为车载信息接收的载体，比如前方的道路状况、事件等可以推送过来，高速公路上因为某种原因产生交通隐患的时候，就可以把信息推送到车主这里。
　　车载驾驶行为分析的职能运算节点，也能够体现智能前移的优势，比如在公交车上安装带有运算的数据，比如开车疲劳、抽烟，不目视前方，打电话行为都可以进行告警，这些信息收集回来进行后端的培训，对于系统而言是有利的。
　　在公交车的车箱当中部署客流密度的统计相机，这种设备可以进行更加高效的分析系统目的的需求，提供基础的数据。这些数据上传到中心以后就可以进行整合，整合结果可以作为调配公交发班密度和调整线路的依据。同样包括出租车等候区也可以利用类似的思路计算在常规状态、高峰状态和应急状态下对于乘客的需求，对于公交和出租车、网约车调度的影响。
刚刚过去的双十一，马上要迎来双十二，电商的蓬勃发展本身对于物流的高效性提出了更高的要求。比如读码相机读包裹可以迅速的读出包裹上的条码了解到出发地和目的地，再结合分拣区就可以实现物流包裹的可视化，保证了生产力的同时物流分拣的准确性和安全性也得到提升，中心可以对读码信息和视频信息进行融合，进行快件的追踪。
　　最后是人智能提升人证票核验快速通行效率，现在部分高铁站进行试点，能够在云中心客户端之间高效传输比对结果，把结果交给云中心进行分析和计算，这样业务分层自治的思路避免了业务堆砌带来的整体系统运行的下降。
　　海康威视的Ai Cloud通过智能前移、数据上云和业务分层自治的理念来推动各个行业各个领域的业务效率提升。不断地围绕视频的业务，为智慧交通的各个领域提供高品质的视频和视频内容服务，有远者洞见未来，见远行更远。