數字視網膜解決方案
發(fā)布時間：2022-05-23 00:00:00
基于邊緣一體機物聯網關構建的一體化高速 機電設備聯網感知系統，實現了對高速機電設備的一站 式監(jiān)控、管理與運維，通過設備健康大數據分析，實現 設備預防性維護，減少設備故障發(fā)生率，使客戶設備運 維效率提升20％，設備可靠性提升30％，大大降低了用 戶的運維成本。
1 目標和概述
1.1 行業(yè)所面臨的挑戰(zhàn)
近年來隨著我國國民經濟和交通行業(yè)的快速發(fā)展， 高速公路、高速隧道、城市隧道等基礎設施建設、運營發(fā)展迅速，車流量急劇增加。為了保障高速公路的高效、安全運營，相關交通管理部門和高速運營方建設了大量高速公路視頻應用系統，然而系統的不斷完善也意味著將面臨數據爆炸后云端存儲、云端算力、傳輸網絡等要求更高的挑戰(zhàn)，還要面對巨大的網絡、計算、存儲建設運營成本壓力，同時高速上視頻監(jiān)控設備的品牌、 規(guī)格各異，質量、清晰度也差異很大，導致AI算法難以識別，視頻檢索困難，上述問題都是目前工作重點，是亟待解決的問題。
1.2 主要目標
數字視網膜平臺基于國產自主可控鯤鵬底座的 IoT、邊緣AI計算、視頻/圖片的特征識別和緊湊表達等關鍵技術，充分利用高速公路原有的攝像監(jiān)控設備， 通過邊緣融合計算和云端高效事件響應處理，構建面向智慧交通的視頻大數據分析引擎、多目標檢測與識別、 交通態(tài)勢感知與預警等模型和方法。同時為解決智慧交通領域視頻監(jiān)控數據存儲壓力大、有價值數據占比小、 交通事件不能及時發(fā)現預警、交通案件回溯檢索困難以及日益增長的交通安全需求同交通管理服務能力相矛盾等重大問題，以打造智慧交通為目標，構建面向交通行業(yè)的企業(yè)級能力復用平臺，整合交通領域的各類數據資源，研制成為智慧交通數字視網膜平臺。
1.3 總體概述
數字視網膜平臺采用視頻編碼流、特征編碼流、 神經網絡算法和模型更新流的可伸縮端邊云協同視覺計算架構，結合5G、大數據、AI等智能化技術，通過廣泛部署在高速公路的出入口、公路兩側、門架、卡口的攝像頭端或邊緣側對視頻進行高質量視頻編碼和視覺特 征提取編碼，在邊緣側以高性能的實時計算分析，全面精準地感知高速路網的各種狀態(tài)和各類事件，并通過云 端及時響應，將事件信息上報處理，做到發(fā)現早、定位準、響應快，為全知、全息的智慧高速賦能。
2 方案介紹
2.1 系統架構
系統總體方案架構如圖1所示。
數字視網膜平臺整體架構包括終端、數字視網膜底座和應用三層。
終端的攝像頭是視網膜平臺的最小感知單元，完全接入利用高速公路的各類攝像頭，不需要對攝像頭進行改造升級。
數字視網膜底座進行模型訓練、事件識別，并將云端AI應用、函數計算等能力下發(fā)到邊緣一體機，將云上的強大服務能力延伸到邊緣一體機，使其擁有云端相同能力，能夠實時處理終端設備計算需求。平臺提供了 Web化的服務管理平臺，具體包括設備管理、規(guī)則管理、軟固件升級以及監(jiān)控運維等管理功能。邊緣一體機通過AI推理芯片和集成的模型算法對圖像/視頻特征進行識別編碼，實現車輛識別、流量感知、事故識別、違章識別、天氣識別和路況識別等高速事件，并實現有效 視頻智能提取和AI流量卸載處理。
在應用層則通過高速公路事件檢測識別、高速天氣識別、高速流量識別等核心業(yè)務應用能力構建交通綜合監(jiān)測、安全預警、快速處置、決策分析等應用系統，實現對高速公路全網運行狀況的實時監(jiān)測、預警和快速響應處置，提高高速公路通行的安全性，最大限度地發(fā)揮高速公路的運營效率。
2.2 硬件平臺——邊緣AI一體機
邊緣AI一體機采用Atlas人工智能計算平臺，部署在高速收費站、隧道變電站等靠近監(jiān)控終端的位置。在邊緣側通過邊緣計算引擎實現AI圖片壓縮、AI圖片增強分析、分級存儲、運行監(jiān)測和業(yè)務網關，運行狀態(tài)監(jiān)測和邊緣側基礎數據的智能感知、智能取證、圖片存儲等功能。采用自主研發(fā)的算法實現圖片AI處理后的結構化數據為省中心提供統一的基礎數據。智能邊緣平臺IEF通過站部鏈路對邊緣一體機進行統一管理，提供配置、安裝、升級、運行狀態(tài)監(jiān)測等功能。
（1）業(yè)務協同網關 業(yè)務網關提供標準化接口協議，實現全流水接入。 同時可接入圖片業(yè)務和運行檢測業(yè)務的標準擴展協議。
（2）機電設備物聯可通過機電一體化物聯平臺，將路段所有機電化設 備進行連接。采集全業(yè)務流水數據，并在云端提供統一的設備/應用監(jiān)控、日志采集等運維能力，提供完整的邊緣和云協同的一體化服務能力。
（3）AI流量卸載 圖片智能壓縮可為滿足行業(yè)應用在百億級別圖片中快速查詢提供技術基礎，也將降低圖片傳輸的帶寬需求，從而減少接入網網絡投資成本。圖片壓縮采用基于深度神經網絡的對象檢測技術，將在圖片背景中自動識別出主體對象（如車牌或者人臉）并逐一定位，通過車牌識別實現主體車輛對象和背景的分離。圖片壓縮流量卸載子系統將具備對圖片壓縮20~50倍的能力，千萬 張級別的圖片文件數據量經壓縮流量卸載處理后，存儲空間大約占TB級別，網絡帶寬需求也將為壓縮前的 1/20~1/50。
（4）事件識別算法 通過構建算法引擎，建立高速路段異常事件模型。 將路段流水數據及車輛特征分析數據進行擬合比對，利用圖片AI增強識別能力，構建事件識別算法，實現在邊緣側實時識別異常事件。
2.3 軟件平臺——智慧交通數字視網膜云平臺
2.3.1 AI中臺
AI中臺的主要作用是根據交通的實際業(yè)務場景采集數據并標注，然后構建和訓練AI模型，最終應用到實際項目上去。AI中臺的主要功能有數據集管理、模型管 理、訓練管理和模型推理，是一個針對AI開發(fā)的全生命 周期管理平臺。AI中臺通過對智能服務的共享復用、對智能服務研發(fā)相關角色進行管理，以及研發(fā)流程的標準化、自動化，對前臺業(yè)務提供個性化智能服務的迅速構建能力支持。解決傳統煙囪式開發(fā)的資源浪費、過程重復、缺乏能力沉淀等問題。AI中臺統一資源管理和服 務規(guī)范，對模型開發(fā)提供標準化開發(fā)指導，以及可復用 服務、方案封裝能力。AI中臺的模型開發(fā)流程為數據 收集-數據預處理-數據標注-模型開發(fā)-模型訓練-模型部 署。以車輛檢測為例，首先要收集一大批現場的數據接 入到數據管理模塊。這些圖片數據經過數據預處理后進 行數據集的標注，要標注車輛的位置及類型等信息。標 注過的數據經過篩選和數據均衡后就可以發(fā)布成數據集 管理里面的一個新的數據集版本，以備后續(xù)的各種模型 開發(fā)。數據集準備好之后就是模型開發(fā)，這部分是由AI 工程師編寫代碼來完成。模型定義好之后將數據集和模 型發(fā)布成一個訓練任務，提交給訓練管理模塊，訓練管 理模塊會調度GPU資源來訓練出一個合適的模型并保 存。模型訓練完成之后就可以通過模型部署模塊發(fā)布成 通用的API或者部署到邊緣側推理。
2.3.2 數據中臺
數據中臺是數字視網膜平臺的核心之一，數據中臺 把數字視網膜平臺的數據進行統一存儲、加工、治理、 共享、應用，提供數據分析能力，持續(xù)不斷把客戶的數 據變成資產并服務于業(yè)務。數據中臺通過內外部多源異 構的數據采集、建模、分析，應用，使數據對內優(yōu)化管 理提高業(yè)務，對外可以釋放數據合作價值，成為客戶數 據資產管理中樞。
數據中臺是聚合和治理跨域數據，將數據抽象封裝 成服務，提供給前臺以業(yè)務價值的邏輯概念，涵蓋了數 據資產、數據服務、數據模型、數據中心等多個層次的 體系化建設方法，實現了數據的分層與水平解耦，沉淀 公共的數據能力。
相比于傳統的數據平臺，數字視網膜數據中臺注重的是對交通業(yè)務的積累和沉淀，構建了從數據生產到消 費，消費后產生的數據再回流到生產流程的閉環(huán)過程。 業(yè)務積累和沉淀的過程體現在數據中臺對外提供的數據 服務，數據中臺作為整個企業(yè)組織所有業(yè)務的數據消費 需求的提供方，通過業(yè)務對數據服務的不斷滋養(yǎng)，會形 成一系列穩(wěn)健的數據服務，這樣當出現新的市場機會需 要構建新的前臺應用時，數據中臺可以無差別地進行數 據服務供給，從而保證了客戶能夠在數據中臺基礎上進 行快速交通業(yè)務創(chuàng)新。
數據中臺通過“AI+大數據”技術，融合路段視頻 數據、邊緣智能分析系統的海量感知數據，通過海量數 據模型訓練和深度學習，進行數據計算、數據分析、數 據挖掘、綜合研判，實現智能監(jiān)管、交通態(tài)勢分析、預 測預警、應急處置等智慧監(jiān)測應用。同時，通過數據門 戶向外部系統和應用提供數據目錄、API、數據應用和 可視化展示。高速公路視頻聯網后的大數據分析不僅能 夠實現行業(yè)運行態(tài)勢實時監(jiān)測、預測預警，還能夠為行 業(yè)運營管理決策提供科學依據，也能夠對職能和業(yè)務流 程監(jiān)管、分權分域管理、可視化業(yè)務展示提供數據支 撐，提高運營管理效率。
2.3.3 業(yè)務中臺
業(yè)務中臺包括車輛檢測、車道檢測和各種交通事件 的識別等。其中車輛檢測采用拓維信息優(yōu)化后的深度學 習目標檢測算法識別車輛的位置和類別等基礎信息。主 要用于車流量統計和車輛軌跡識別。車道檢測算法主要 用于違規(guī)變道、占用應急車道和路面能見度的識別。通 過檢測出的車道位置和車的行駛軌跡來識別車輛的違法 性，同時通過識別出的車道長度來判定路面的可見度。 天氣作為影響道路安全駕駛的重要因素一直備受關注， 特別是山區(qū)天氣復雜多變，很難通過天氣預報來判斷道 路的天氣情況。為此，拓維信息開發(fā)了基于視覺的深度 學習道路天氣識別算法，通過道路上的攝像頭精準識別 每個區(qū)域的天氣情況，如天晴、下雨、團霧等，并及時 發(fā)送到業(yè)務平臺提醒附近的車輛謹慎駕駛。另外各種交 通事件對道路安全駕駛影響極大，如不能及時預警可能 引發(fā)一系列的交通事故。拓維信息通過多種深度學習模 型加傳統算法相融合的方式來識別交通擁堵、追尾、拋 灑等交通事件，并結合交通部門的業(yè)務系統做到早預 警、早處理，最大限度地減少每個事件對交通的影響。
2.3.4 開放API
開放API的主要目的是將已有的服務及功能模塊以API的形式開放出去使用。開放API主要解決傳統部署 模式遇到的應用環(huán)境配置復雜、應用可移植性差、資源 利用率低等問題，采用新型的開發(fā)運營模式代替?zhèn)鹘y的 部署模式，將用戶的精力集中在應用開發(fā)上，達到敏捷 開發(fā)的效果。利用微服務架構思想將應用拆分成多個服 務，每個服務獨立開發(fā)部署，提高了應用開發(fā)的效率。 結合微服務架構思想和應用編排工具對容器云平臺進行 了設計與實現，容器云平臺的應用管理模塊通過鏡像將 用戶的API服務打包成容器運行在云上，然后結合編排 工具對用戶的應用進行資源調度、監(jiān)控等操作。同時將 所有的AI服務都封裝成SDK，實現少量代碼調用AI服 務。
2.4 數據通訊
在后撤站時代，現已形成了四級協同數據傳輸架構 （站-分中心-省中心-部中心網絡架構），充分利用原有 的高速網絡，基于統一數據的傳輸交換平臺，站級交換 平臺將收費站、門架等系統業(yè)務數據收集并上傳至分中 心、省中心、部中心交換平臺，利用云邊端協同+數據 與AI融合的方式，充分保證數據的穩(wěn)定可靠。
在視頻聯網的基礎上，結合GIS地圖、物聯網、人 工智能、大數據等技術，通過視覺仿生原理打造全新管 理監(jiān)控行業(yè)可視化、智能化、數字化—體化平臺。數字 視網膜系統模仿了人類視覺信息處理過程：人類獲取外 界的圖像信息需要經過視網膜-視神經-視覺中樞三個階 段，以眼球視網膜感光成像、特征提取為原理設計的數 據入口——數字視網膜，具有AI推理、特征提取、編 碼特征、流量卸載等能力，通過以人體視神經為原理設 計的數據傳輸網絡，具有傳輸視頻流、特征流、編碼流 的能力，最后數據進入以人體視覺中樞信息整合、視覺 認知為原理設計的視網膜云平臺，具有模型訓練、事件 識別等能力，視覺中樞并不是唯一具有分析能力的“大 腦”。為隧道管理方、高速管理方、行業(yè)監(jiān)管部門提供 了有效的管理輔助工具。
3 代表性及推廣價值
3.1 應用情況及效果
（1）應用于某省高速，增效降本、全面優(yōu)化高速 業(yè)務。在某省高速中構建綜合監(jiān)測預警處置體系，結合 交通狀態(tài)精準感知，打造高速數字視網膜實現高速公路 擁堵、事故、天氣、路況等多類警情的實時自動檢測預警，全面取代人工，達到高速路網全覆蓋的警情自動巡 檢和快速處置，打造更安全、更暢通的智慧高速。通過 對車輛檢測、異常事件檢測、道路狀態(tài)檢測、天氣狀態(tài) 檢測、車輛特征分析、超載分析、異常行駛分析、車輛 非法改裝分析等對高速上可能出現的場景進行全覆蓋。
在工作效率方面，通過AI+大數據分析得來的結果 進行分析處理預警，集團整體工作效率相較于使用前提 高了1.5倍，同時對高速上實時發(fā)生的各類事件的識別 率已達90%，為高速的整體運營及管理提供了精準、最 優(yōu)質的數據，更方便于決策制定研判。
（2）應用于城市智慧隧道建設，助力城市交通治 理。拓維信息與聯智科技雙方在智慧隧道領域進行了探 索性合作，并于第二十三屆中國高速公路信息化大會上 共同發(fā)布了“智慧隧道一體機”。目前，該一體機已經 在長沙市普瑞智慧隧道項目上運行，基于安全狀態(tài)評價 指標體系，融合分析運行實時監(jiān)測數據，實時甄別和分 析安全事件類型、級別，其中也包括近年來頻發(fā)的汛期 城市內澇問題。針對安全事件評價結果，及時發(fā)布安全 預警報警，事故識別率90%以上，精度90%以上，事故 發(fā)生率降低20%。
（3）在江西省某高速隧道中試運行，風險研判，隧 道安全智能預警。江西省山區(qū)為多，隧道大多建設在有 高山河流阻擋的地方，地質環(huán)境復雜，隧道空間狹窄， 隧道內部的環(huán)境變化、交通情況、暴雨火災等突發(fā)事件 極易引發(fā)安全事故。因此，對隧道進行實時監(jiān)測和安全 風險評估，預警可能引發(fā)的安全風險事件非常關鍵。
數字視網膜解決方案采用了隧道安全風險研判技 術。系統可辨別火災、危化品車輛事故、車輛逆行、車 輛超速、交通擁堵等15余種事故類型，對道路結冰、強 降雨、積雪、積水、能見度不達標等惡劣天氣影響進行 預警，及時通報風機、燈具、火焰探測器、消防水泵、 信號燈、情報板等設備的故障情況。其后，系統還可對 識別的情況進行級別評定，針對不同嚴重級別的情況進 行相應的應對處置，做到智能預警、綜合決策。
3.2 技術的示范效應
（1）系統上線累計圖片處理量超過500億張，性能 提高1.5倍，日均處理200萬車輛流量和3000萬圖片增量；
（2）AI賦能：內置自研人工智能算法引擎，覆蓋 交通流量、交通違章、交通事故、交通天氣四大類10余 種交通場景分析，90%以上精確度覆蓋各種交通事件；
（3）國產自主可控：邊緣一體機集成鯤鵬處理器、華為昇騰AI加速卡、IoT設備物聯等國產自主可控 產品；
（4）低成本：節(jié)省網絡帶寬80%、云端存儲 50%、云端算力90%，綜合成本降低25%；
（5）高性能+高時效：整體運行效率提升30%， 時效性提高10倍；
（6）云邊協同：數據、技術雙向協同，發(fā)揮邊緣 計算、AI、物聯網、大數據技術優(yōu)勢；
（7）無縫擴展：邊緣算力滿足未來業(yè)務需求，路 網模型支撐運營；
（8）可復用性：視頻數據復用，跨界視頻資源整 合，城市級視頻資源融通。
3.3 方案成熟性
數字視網膜解決方案在某省高速的應用，成功做到 了車輛檢測、道路異物檢測、車道檢測、流量統計、擁堵 檢測等識別率≥98%；煙霧檢測、車輛追蹤、逆行檢測等 識別率≥95%；道路塌方檢測、違法變道、事故檢測、占 用應急車道檢測等識別率≥90%；道路施工、團霧檢測、 火災檢測、道路拋灑、違規(guī)停車等識別率≥80%。為高速 上出現的各種情況的應急處理爭取了寶貴的時間，也為預 防各類突發(fā)事件提供了可參考的數據。
3.4 商業(yè)價值
數字視網膜的構建，實現了對高速公路全網運行狀 況的實時監(jiān)測、預警和快速響應處置，提高高速公路通 行的安全性，最大限度地發(fā)揮高速公路的運營效率。帶 來的商業(yè)價值包括：
（1）通過邊緣計算自動識別價值視頻并進行處 理，可以節(jié)省90%帶寬和大量存儲和算力，大幅降低客 戶網絡投資；
（2）道路交通安全事故率比未使用系統前降低至 少30%；
（3）交通異常事件發(fā)現識別率比未使用系統前提 高50%；
（4）交通事件處置響應時間比未使用系統前縮短 50%。同時，基于邊緣一體機物聯網關構建的一體化高速 機電設備聯網感知系統，實現了對高速機電設備的一站 式監(jiān)控、管理與運維，通過設備健康大數據分析，實現 設備預防性維護，減少設備故障發(fā)生率，使客戶設備運 維效率提升20％，設備可靠性提升30％，大大降低了用 戶的運維成本。
