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。

我准备的汇报内容五部分，首先我们认为智能时代对于交通而言只干一件

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，让驾驶员实时掌握车辆周边信息，使事故发生率降低一半

左右，让驾驶者及时掌握车辆周边信息，对于安全驾驶带来的积极的正面影

响。各种ADAS传感器以将驾驶员视线从“车”延伸到“车-路”，我们事先从

车外延伸的时候可以了解即将驶入的道路环境。你的日常驾驶习惯是不是处于

安全的驾驶习惯，还有有没有疲劳驾驶。智能路侧设备，、、气象传

感器等等，可以从视线从侧路延伸到路口和路段，有了这类传感器可以刻划出

与交通对应的数据交通。在众多的传感技术中，是应用覆盖

最广的，而且涵盖所需要的数据最多的传感方式，深度智能发展为这一类数据

的提取创造了非常方便的条件，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，我们要做的是从中把这些数据计算和提取出来。

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年开始进行

产品的预演，但是效果不是特别好。深度智能识别数据种类更丰富，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辆和行人超过几十种类型的数据，包括车辆

车牌、车身颜色、车型，路面上的行人，包括车辆具体行为，行人衣着、穿

着，有没有骑车等数据。对于类的应用，我们已经开展了很多年了，大家

在日常生活中会通过我们的卡口、系统，都有这样的应用。深度智能提

升，主要表现在更复杂的任务上，比如说开车时有没有系安全带，有没有拿手

机，我的车身颜色，同时可以对车辆进行建模，车辆挂件，夜间开车时是

否经常打开远光灯。对于车辆的检测，我们可以做停车、压线、掉头、逆

行、变道检测，深度智能可以帮助我们实现路内事故检测和车位占用分析，对

路侧停车进行智能化管理。在人脸识别上，深度智能可以提取有用信息，

包括、，有没有戴眼镜、发型、衣着等信息都可以提取出来。这是智

能驾驶成果，我们驾驶过程中，路面是蓝色的，车道线是的，远处车辆是

基于车辆目标检测，的数字代表距离目标车辆的距离。深度智能，让

场景适应性更好，同时具备更强的性。刚才我们看到的都是一些交通行

业的典型场景，也就是我们常常谈到单点数据应用，我们需要扩展到整个城

市，需要依赖于物联网和交通云。

首先适应大数据时代要求，AI大数据、云计算、物联网等技术与城市交通

管理深度结合，构筑交通云，整个过程中实现三个部分内容，提升数据能

力，首先前端交通元素数据全感知，我们自己可以获取到的，包括部

门获取到的是感应数据，包括车载行车记录仪上的数据，都可以获取

到。在数据，我们需要做多远数据的泛融合，让所有的数据放在一起，持

续发挥大数据的价值。在应用方面，更要跟我们的业务相结合打造真正对用户

有用、