基于深度分析智能交通应用展望.pdfVIP

：滴滴轨迹数据提高交通出行效率，优化个人出行，报告很。谢

谢朱总。

接下来有请海康威视系统技术交通事业部解决方案总监刘国华

带来的报告，基于深度分析的智能交通应用展望。长期致力于交通行业

解决方案的研究和开发，具备丰富的项目管理和实战经过，参与的

起草工作，欢迎给我们报告。

刘国华：大家好。首先感谢学会的邀请，让我们在这样一个专业的，就

我们智能解决方案给大家做，我带来的是基于深度分析的智能交

通应用展望。

汇报内容整体分为五部分，接下来正式开始今天的。首先，我们认为智能

对于交通而言只在一件事情，让我们更好感知和认知交通。纵观国内外车路协同发

展历程，不难看出车路协同是让驾驶员实时掌握车辆周边信息。这使得事

故的发生率下降了近一半。它反映出了让驾驶者及时掌握车辆周边信息对安全驾驶

会产生的积极影响。各种ADAS传感器将驾驶员视线从“车”延伸到“车-

路”，这使得驾驶者的视场范围得以极大的延伸，视线向车外延伸可以让我们提

前了解即将驶入的环境，视线向车内延伸可以监督自己的驾驶行为。智能路侧

设备，如、、气象传感器等等，将我们的视线从“车-路”延伸到“路口-

路段”，通过这些数据可以刻画与交通世界对应的数据交通世界。在众多的智能路

侧设备中，是覆盖面最广、信息量最大且是实现交通数据全感知的最有效手

段。近几年，AI深度智能的发展为数据全感知奠定了重要的技术基础。我们

粗略估算了一下，资源，以卡口为例，已经超过

5.9万个，这是的数据，测速4.2万个，13.7万个，23万，

我们所需要做的是把这些有用数据计算、提取出来。

深度智能的发展奠定了智能交通实现的技术基础，我们从2006年就开始将

智能应用到产品中，但是效果不是特别好，这是因为当时的智能算法水平低

导致的。深度学习让智能的准确率更高了，而且是有质的飞越，同时具备更好的

环境适应性和能够识别种类更丰富，这意味着在进行大数据分析处理时可以

有的数据。在结构化应用中，我们可以在里提取我所需要关注的车

Moderator:Diditrajectorydataimprovestransportationefficiencyand

optimizesaltravel.Thereportisveryexciting.Thankyou,Mr.Zhu.

Next,LiuGuohua,So