AI在高速公路领域的应用探索

本文为广东利通科技投资有限公司智能交通研究院副院长、高级信息系统项目管理师罗燕忠在2023中国智能交通大会（ITSAC 2023）智慧公路建设与发展论坛上进行主题分享的现场录音整理而来，未经本人审核，如有错漏，敬请谅解。

近年来，国家各部门陆续发布了相关政策来支撑AI的发展，如2017年国务院发布的《新一代人工智能发展规划》，以及2022年科技部发布的《关于支持建设新一代人工智能示范应用场景的通知》等。

政策的利好叠加科技巨头的持续投入，使得AI的发展进入了快车道，已经呈现出深度学习、跨界融合、人机协同、自主操控等新特性，在安防、电商、融创、交通等行业都得到了广泛应用，广东利通科技结合高速公路领域的行业特点，以推动AI在高速公路领域落地为目标，开展了一系列的探索。

尽管AI受到了各行业的广泛关注，但在具体实践中仍存在着一些问题，一是建设成本高、产出不理想；二是模型更新难，效果难维持，AI是单一应用，不具备闭环学习能力；三是应用模型单一，缺乏普适性，现有模型难以适应不同环境中的需求条件差异，模型精度低，同时泛化能力差，无法满足高速公路领域实际应用场景的多样化需求。

针对以上困境，利通科技搭建了AI能力中台作为技术支撑，从三个方面进行建设，一是联合企事业单位、高校、科研院所制定产学研协同管理机制，实现资源共享、协同研发、互创共赢；二是形成“数据采集－模型训练－模型更新”闭环，维持AI模型生命力；三是构建面向高速公路的AI应用场景研发机制，分析、分解、整理以及定制各类AI应用。

构建产学研协同管理机制方面。包括组织协调机制、资源联动机制、技术支撑机制、场景服务机制四大块内容，是相辅相成的有机整理。其中，组织协调机制围绕高速工作的AI应用，从智能化、效率提升、安全保障、智慧决策等角度进行了综合考虑；资源联动机制打通各环节关键核心资源，在打破资源瓶颈的同时实现资源效益最大化；技术支撑机制根据现有组织及服务情况，结合业务与场景特点深度融合人工智能技术，实现信息服务、效率提升和安全管理等智慧公路产业新业务形态；最后通过制定合理、合规、高效的场景服务机制，推动人工智能技术在智慧公路中的融合应用。

算法优化闭环。通过结合云端AI能力中台和边端服务，构建形成边端应用、数据采集、数据处理、模型训练、模型部署、技能追踪、算法调优、模型更新的闭环效果，边缘服务持续生成稳固数据，AI能力中台则不断地提高模型精度，优化算法能力，最终提升AI在实际场景中的有效应用。

应用场景研发机制。采用解耦式设计思路，首先对高速公路AI应用产品展开分析，挖掘不同场景的不同特性，并提取适用于大部分高速公路应用场景的共性模块，提高代码以及数据的复用性，避免重复开发，节省研发时间和成本；然后整理通用模块，提高模型的准确性和泛化能力，使得模型在不同的应用场景中都能表现出良好的性能；最后针对不同交通场景，不同交通设备等进行定制化研发，更好地满足交通行业广泛业务场景需求。

接下来分享利通科技面向高速公路的关键AI技术研究。

数据是研究AI的基础，因此首先要对高速公路行业的数据特点进行梳理，得到了以下结论，一是高速公路领域数据来源多样，使用单一模型还原真实场景困难；二是高速公路场景数据呈现两个极端，例如收费交易数据巨大，交通违规数据缺乏，模型场景不全导致检测和识别突发和不良事件准确率低；三是整体上高速公路领域数据量还是很大，如果采用人工进行预标注，效率会十分低。

基于上述分析，我们优先选取了多自监督预微调Transformer融合技术，以及基于对抗生成的小样本学习技术和自动标注技术来进行研究训练。

多自监督预微调Transformer融合技术。联合多种Transformer特征提取主干，为下游任务提供多层次的丰富特征场景，同时结合自监督方法进行预微调，两者结合提取差异化的语义信息。

基于对抗生成的小样本学习技术。通过结合对抗生成技术与纹理合成技术，以生成不同严重程度的路面病害，实验效果表明，此技术拓展了路面病害数据的横向多样性（病害的形状位置、色调等） 以及纵向多样性（病害的严重程度） ，无需引入额外的人工成本。

自动标注技术。主要解决海量行业数据的标注问题，检测模型准确率由80%提升至95%，标注人员需人工标注的框数量减少70%以上，能快速增加标注量，大大提高工作效率。

2023年1月，利通科技上线了高速公路AI能力中台，为高速公路建设、管理、养护、运营等各环节提供AI技术支撑，已经完成了300多个模型搭建，训练样本人数达到20多万，行业标签数据超过68万，提供了数据管理、算法开发、模型训练、模型管理、部署推理、数据回收等能力，可实现资源共享，提升AI应用的开发效率，降低应用成本，加速实现高速公路AI应用的落地。

基于AI能力中台在高速公路实现了具体应用。

管理方面，助力进行交通事件检测、视频质量检测等，在广东高速隧道全面完成了建设，路面检测实施准确率大于90%，漏报率小于5%；养护方面，助力进行运维故障分析、道路病害检测、占道施工安全检测等；收费方面，包括自助收费、智能客服、特情智能处置等，其中特情智能处置是通过智能感知和归类推理，指引人员自助处置简单特情，复杂特情通过远程视频处置；稽核方面，实现了逃费分析模型、智能取证、稽核自动化、绿通货物识别等，这些实践都取得了不错的应用效果。

在AI探索方面取得了一定成效的同时，我们也会加快步伐持续深入研究，对未来有几点展望，供大家参考。

一是要制定行业AI标准，运用标准来规范行业AI发展；二是建设泛化能力，支撑行业的发展，利用多环境数据对模型进行训练，使模型在不同环境中能达到优秀的效果，提升高速公路AI应用场景的泛化能力，此外要发展建设行业大模型，行业大模型具有更高的应用价值和前景，具体做法是采用通用大模型技术，结合高速公路的行业数据，逐步形成高速公路行业大模型，再融合多种需求定制个性化场景。