高速公路智慧运维解决方案及应用 .pdf

高速公路智慧运维解决方案及应用

摘要：随着高速公路建设的快速推进，我国大规模路网格局已经基本形成如何

提升高速公路养护管理水平，发挥高速公路机电设备整体效能，满足人民群众安

全便捷的出行要求，是高速公路运营管理面临的一个重要问题笔者在多年高速公

路机电系统运维经验的基础上，结合物联网、移动互联网和大数据等信息技术，

提出高速公路智慧运维解决方案，实现高速公路机电系统的智慧精准运维，可以

大幅提高运维效率，降低运维成本，提升运维管理水平。

关键词：智慧高速；智慧运维；问题；设计流程

人工智能在智慧高速中的技术1介绍

人工智能是应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法

和技术，采用的主要工具是：搜索和优化、逻辑、不确定推理的概率法、分类和

统计学习法、神经网络、深度前馈神经网络、深度递归神经网络、控制论。

深度学习原1.1理

传统的机器学习是一个级联串行结构，因此每一环节的处理结果对下一个级

联的结果有影响，而每一个环节都有其各自独立的算法，由于算法各自独立，因

此传统机器学习算法在处理问题时需要对各个环节进行优化，并通过组合优化方

法在各个模块中选取最优的组合方式。在应用结果上的表现为时间长、准确性不

高。

与传统机器学习相比，深度学习是将各个环节合成一个整体，再对整体进行

训练和参数调整。目前深度学习的主要算法核心是卷积网络，其算法结构包括浅

层特征、中层特征、分类器，每一层都是通过卷积方式进行卷积，最后得出特征

对象。通过深度学习算法结构里的分类器，对目标进行识别和跟踪，这样目标检

测的准确率和跟踪的稳定性都能够大幅度提高。

深度学习算法1.2应用

利用深度学习算法来对智慧高速视频监控系统的图像进行视频结构化信息提

取和数据挖掘应用。

（1）视频结构化应用

视频或者图像数据，从前端传感器直接获得，是一种非结构化信息。只有在

实现结构化处理之后，才能将其中有价值的数据进行直观、高效的保存、处理和

应用。

视频结构化技术是深度学习算法里的一种人工智能应用，划分为3个步骤：

目标检测、目标跟踪和目标属性特征提取。目标检测是从视频中提取出前景目标，

然后识别出前景自标是否为有效目标（有效目标是指和检测目标有关的特征，如

在高速公路上，人、车是有效目标，树叶、阴影、光线等是无效目标）。

目标跟踪是实现对锁定目标在场景中的持续跟踪，并从整个跟踪过程中获取

一张高质量图片作为该目标的抓拍图片。

目标属性特征提取过程是对锁定目标的抓拍图片进行属性识别，分析并判断

该目标的可视化特征属性，例如高速公路上，车辆的车型、颜色等是特征属性，

高速公路有行人时，对行人的特征属性进行识别，如性别、年龄、穿着等。深度

学习网络结构的特征提取和分类技术是目标属性特征提取过程的主要应用技术。

（2）大数据应用

大数据应用作为人工智能技术的应用基础，为人工智能分析预测、自主完善

提供重要支撑。其包含海量数据管理、大规模分布式计算和数据挖掘三大部分，

人工智能技术需要依赖海量数据管理进行管理和访问，才能应用长期积累的庞大

知识库实现智能应用。

人工智能的核心应用是数据挖掘，利用深度学习算法自动学习并分析计算，

探究数据资源中的规律和异常点，辅助用户更快、更准地找到有效的资源，进行

风险预测和评估。

我国智慧公路发展现状及存在的问题2

需求量大2.1

当前，我国已经进入信息化高速发展阶段，对高速公路进行信息化管理已经

成为必然趋势，高速公路智能化行业需求将迎来持续释放。随着我国高速公路智

能化、信息化的大力建设，高速公路总里程的不断增加以及维护、升级改造的不

断实施，预计，未来我国高速公路智能化行业市场规模将不断增大。

核心技术2.2不足

目前，智慧交通处于大规模建设阶段，如物联网技术与信息采集的融合、交

通诱导、车辆身份识别、云计算与信息的处理、网络信息安全等关键核心技术还

有待研发和突破。传感器、网络技术和建设成本与智能交通的要求还不能互相适

应；智能交通产品和服务的用户满意度较低。

中国智慧高速公路3系统需求特征及用户服务域

（1）强调基于终端应用的总体架构

智能手机等移动智能终端已经普及，无线通信技术在整个智能交通系统中发

挥着至关重要的作用。目前，利用ETC电子标签、基