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，参与行业

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。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

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经过我们的卡口、系统，都有

这样的应用。深度智能提升，主要表现在更复杂的图像分析任务上，比如说开车

时有没有系安全带，有没有拿，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，我们适应大数据时代发展，把AI、大数据、云计算、物联网等科技

与城市深度结合，构筑和夯实交通系统的云化能力，打造有规矩的

交通世界！整个过程中实现三个部分内容，提升数据能力，端实现交通

元素数据的全感知，可以获取到包括部门的固定点位数据和社会车辆的浮

动车数据。在数据，我们需要做多元数据的泛融合，把所有的数据整合到一

起