江苏龙网

  1. 首页 > 人文 > >

砍柴网■闪马智能彭垚：“视频异常行为分析与智慧交通”( 二 )


【砍柴网■闪马智能彭垚：“视频异常行为分析与智慧交通”】VisionMind·交通视界心在智慧交通系统中的应用
我在《"闪马未来城"—我们的技术与未来》大体介绍了闪马的核心产品VisionMind异常行为分析平台 。 而VisionMind·交通视界心是这个平台针对智慧交通打造的异常行为分析平台 。
砍柴网■闪马智能彭垚：“视频异常行为分析与智慧交通”
本文插图
我们知道一个系统会有各种各样的子系统,智慧交通系统作为独立的一体化系统包括了复杂的各个环节:
1.路网和车路协同的系统:类似人的循环系统,是运行供给的核心通路,而上面的车、人就是城市的核心养料,他们及时的运转和循环,城市就不断的发展,壮大;
2.智慧交通的集成指挥管理系统:像大脑一样提供统一的调度,管理,应急响应;
3.各种摄像头,线圈,雷达等等传感设施网络:它就像神经系统感应着各个部位实时在发生的事情,并作出及时的反馈;
4.而VisionMind则是淋巴系统,通过感知神经系统,及时进行异常的发现、处理之后提供给循环系统和大脑及时而精确的信息 。
砍柴网■闪马智能彭垚：“视频异常行为分析与智慧交通”
本文插图
于是VisionMind便成了车路协同系统和交通指挥管理系统的核心智慧反馈子系统 。 它能及时发现城市交通道路上的各种情况:拥堵、事故、道路破损、施工、灾难、违法、等异常事件的发生,结合流量等数据进行智慧化分析,提升交通的协同与管理 。
VisionMind对车路协同的赋能
"眼见为实",对道路的状况来讲,每天发生着千奇百怪的"事件" 。 每一辆车辆行驶过一个区域,左转,右转,停车,事故,车祸,拥堵等等都构成事件 。 这些事件的大部分已经被我们的摄像头"观察"到了 。
然而我们对视频内容的处理大多也仅停留在观察这一步 。 由于计算能力和AI算法基础研究的不成熟,过去通过人工智能算法分析内容,存在准确率低、类别有限的问题 。 因而在车路协同和信号灯控制领域,更多使用地感线圈、雷达作为辅助传感设备,观测车的流量变化 。 但是雷达和线圈模式并不能真实完全复原车辆行驶时发生的事件,所以「事件还原」一直是车路系统领域的难点 。
时至今日,VisionMind系统已经可以很好地解决这个问题,成熟的AI算法能够通过视频捕捉"事件"提供给协同"大脑"完成控制,协同,预警等操作 。 它能更精确、及时地发现和反馈到底多少辆车左转、直行、停靠 。 整个车路协同系统由此真正形成了闭环,这个系统不仅反馈到智慧信号灯,可变车道等等交通基础设施的控制,也能反馈到车辆、行驶地图、辅助驾驶、无人驾驶、行人过街提示等等 。
VisionMind可以及时发现、治理拥堵、疏通交通、感知车辆,让人,车,路更好的协同运行 。
VisionMind与交通管理的赋能
道路上的标示、路牌、信号灯构成了管理交通的基本设施;交通的法制确定了交通运行的基本规则 。 这两样构成了交通管理的最基本的要素 。
在管理实践中,由于道路路况、车辆行为、行人行为的复杂,利用完全的自律来解决交通管理是不切实际的想法,于是交通主管部门不得不使用处罚来调节,让交通系统有一个反馈的路径 。 然而,因为交通范围巨大,人力执法的难度就相当高,电子警察逐渐站上了舞台中央,渐渐也变成了一个行业 。
但是我个人认为,随着历史的发展,电子警察这种单一处罚目的的产品会慢慢淡化,更合适的工具应该以整体异常行为治理为目标的管理系统 。
VisionMind就是这样的一个系统,利用城市中的摄像头,进行分析,抓去交通违法的机动车、非机动车、行人的行为,对实际的违规行为的区域进行深入分析 。 因此,它关注的不光是个体,也包括周围环境的识别分析,从而得出更合理的结论 。 同时,我们的视频异常行为分析能对道路的施工的合理性、道路的资产的破损进行异常分析,及时发现调整,变"事后处罚"为事中调整"和"事先预警"交通管理的难度大大降低,效率大大提升 。


推荐阅读


上一篇：机达人@外观套模三星S10，性价比不高，魅族17是“魅”，还是“卒”？

下一篇：[可靠性杂坛]集成电路故障建模及ATPG原理