蘇州科達科技股份有限公司交警行業大區技術總監范昌華發表了《AI賦能交通-科達海燕系統介紹》主題演講。

以下為范昌華演講內容。

（蘇州科達科技股份有限公司交警行業大區技術總監范昌華）

今天我給大家帶來的演講題目是《AI賦能交通--科達海燕系統》，科達海燕系統的全名叫車輛二次分析系統，這是人工智能在車輛管理方面的一方面應用，它的主要原理是采用深度學習的算法去對車輛的圖片進行深度的挖掘，從而挖掘出更多的信息服務于公安、交通的一些管理。

這個產品推出來的背景，首先第一大方面是機動車保有量的增加，2016年機動車的統計數量為1.94億，2017年已經達到2.17億。這個數量的增加是很驚人的，車輛數量的增加之后，伴隨著涉車案件的增加。由于傳統的交通管理手段還是采用視頻、電警卡口，傳統視頻的識別率正常來說不能達到99%，平均在70%、80%左右，我們按照識別率到90%來算，一個中型城市每天的過車量大概在1500萬左右，每天產生10%左右的數據就達到150萬，一天是150萬，全年下來這個數據是很驚人的。10%左右的錯誤數據，對于交通管理來說還是很痛苦的。

所以，海燕二次分析系統就針對交通管理的痛點、實時的貨車數據和歷史的貨車數據進行二次識別，它的性能目前來說能夠達到識別400多種車標和5000多種細分車型，包括車頭和車尾識別，還支持對一些車身細節包括遮陽板、安全帶、用手機等不安全駕駛行為的識別。同時支持以圖搜圖，就是海燕搜索的方式，包括車標、細分車型、語義等功能。最后再結合大數據分析研判的數據模型，提供一些類似于公安的記賬法的應用。

這就是海燕二次分析系統的整體架構。海燕分析系統具有三大特點，第一大特點是基于GPU的集群架構，它相對于傳統的CPO來講，我們對比過同樣的配置GPU的處理速度達到每秒鐘20張左右圖片，CPO可能只有3張到4張左右。第二是深度學習的算法是采用多層神經網絡學習的功能，可以自主的去學習，隨著樣本量的增加它的識別效果和識別率也會大大增強。第三方面是車輛大數據，車輛大數據我們采用的是ES大數據，相對于傳統的數據庫來講它的檢索速度要快很多，可以達到3000億條數據的秒級響應。

這是傳統的視頻算法和深度學習算法的對比，我們可以看到，傳統的方法對那些大角度不清晰的角度車輛識別效果非常差。而深度學習方法，對于大角度、模糊變形和陰陽牌，在光線效果不好的情況下，它的識別率是非常高的。

另外一方面是以圖搜圖，相對于傳統的方法命中率是特別高的，上面最左邊這張圖片是原始圖片，通過原始圖片搜索相似的圖片，按照相似的百分比去排名。這是我們的系統跟友商的對比，總過車數量為4861張，其中卡口是3538張，電警是1323張。電警測試的車輛均為有牌車輛。

海燕系統的部署方式有三種：

● 端網部署，有一個缺點是無法對接公安系統里面的數據，無法獲取在車駕網的信息，從而去做一些假、套牌或者其它方面的研判。

● 專網內部二次分析的引擎做分析，將非結構化數據轉為結構化數據之后傳到公安網內進行比對。

●專網和公安網都部署一套，這樣使用起來就更加方便一點，但是成本也相對比較高。

接下來是海燕的一些基礎功能，首先第一個是地圖檢索，單一的海燕帶有地圖，但是檢索這一塊比如拼音首字母的智能檢索、路徑的檢索，只能是點對點，在這個卡口到那個卡口點對點的。當然如果結合科達有的KGIS+地圖，可以實現我們規劃，我們可以模擬這個路來識別這個路徑是怎么走的。

海燕二次分析系統的主體功能，第一是二次識別引擎，第二是搜車，第三是大數據分析研判，第四是稽查布控。第一個是把圖片進行結構化分析完以后，第二塊是傳統的以圖搜圖，當然它還支持其它的一些檢索方式。第三塊在車輛特征識別基礎上建立了一些數學分析的模型，就類似于公安的記賬法，從而來實現一些大數據的分析挖掘。第四是公安交警這邊有一些稽查布控的需求。

二次識別的引擎

第一二次識別的引擎，海燕二次分析系統可以識別的車輛特征是非常多的，包括行李架顏色、紙巾盒、打電話等等。總體來說，基本信息就是車牌號碼、車標、細分車型、年款、車身顏色、套牌、套牌種類、車輛類別等。

細節信息可以識別年檢標簽、天窗、掛件、行李架、紙巾盒、污損號牌、臨時號牌等。駕駛行為可以識別開車未系安全帶、開車打電話、玩手機、放下遮陽板、戴口罩、抽煙等，這些都可以識別。

海燕搜車

第二塊內容是海燕搜車，海燕搜車的檢索條件非常多，我們可以通過語義檢索，比如要搜索一輛紅色的馬自達或者黑色的大眾轎車，可直接輸入拼音首字母就可以進行檢索。同時號牌、號碼、時間段、車輛類別、車輛品牌、細分車型這些檢索類型都可以實現。車輛類別的檢索，我們可以對機動車這一塊細分，包括轎車、SUV、MPV、跑車、皮卡、面包車子、小客車等等類型，非機動車可以檢索自行車、電瓶車、摩托車、三輪車、行人。

基于車輛特征的以圖搜圖，本地上傳一張圖片上去，當場就可以對圖片進行結構化分析，通過結構化分析的結果去以圖搜圖，按照圖片的相似度的排名在右邊這邊顯示出來，同時也可以手動的去選取車輛的特征，比如說這輛車是一輛嫌疑車，車輛特征是前方有一個大燈壞了，我們可以手動選取局部特征，目前可以支持8個局部特征的檢索。以圖搜圖的效率我們實測下來，1000萬的量檢測出來的結果大概在1秒鐘左右。這是海燕搜車的一個輔助功能，檢測的結果可以手動下載下來，用于民警布控等等都可以。

車輛大數據研判

這是第一個記賬法叫車輛落腳點分析，這個數學模型的原理是這輛車經過相鄰的兩個點，一個是A卡口、一個是B卡口。它A點之后，在B點沒有出現一段時間，比如時間可以設定為兩個小時，我們可以認定為這輛車的落腳點可能在A卡口左右附近。第二是隱匿車輛分析，隱匿車輛是說比如有一個案件發生之前，這輛車在這附近經常出現，但是發生之后這輛車就突然一下消失了，我們可以設定出現的次數、時間，查處隱匿的嫌疑車輛。第三是假、套牌分析，這是海燕一個比較實戰的應用。

它的原理分為三點：

● 車駕管不符，我們對接平臺之后發現這輛車的車牌對應的車輛信息跟檢索出來的是不一樣的。

● 時空分析，這個車牌同時在兩個地點相差很長的時間內出現了。

● 兩次識別不符，意思是說一個車牌識別出來這個車牌對應的車輛細節信息，比如說車標、年款和細節顏色信息不符，這輛車就可能是套牌車。

路徑策略分析可以按照指定的路徑找出指定路徑的行駛車輛，它的輸入條件主要是一些開始和結束時間，包括車牌和卡口，選擇兩個設備調整卡口的順序。輸出是在檢測的時間段查詢出通過卡口設備的車輛，并且時間上按卡口排列先后順序出現的，算出符合路徑的車輛，統計出車輛的過車次數。還有跟車策略，這輛車跟著那輛車經過一條路上或者很多個卡口點都經過一次，我們可以按照經過的次數進行一個頻次的分析。

還有區域徘徊，就是經常在這個區域來回的徘徊活動。晝伏夜出，跟頻次分析一樣。還有初次入城，我們在整個城市中的實有車輛庫里面都沒有發現這輛車，這輛車是第一次通過外圍的高速或者外圍的卡口，捕獲到這輛車，可以進行軌跡的跟蹤。真實號牌查找，這個主要是在一車一檔找出這輛車的號牌。

稽查布控

第四塊是稽查布控，稽查布控公安這邊用得比較多一點，因為交警有一個平臺，有稽查布控的模塊，我們只要把分析的數據給他做布控，在上面能夠報警就可以了。批量布控、單點布控、區域布控、地圖布控、無牌車布控都可以。

目前這套系統的性能指標，車牌的準確率是99%，車輛類別、品牌、顏色、天窗、掛件、臨時號牌、紙巾盒、不系安全帶等最低在85%以上，這些所有的指標都是有檢測報告作為依據的。而且隨著目前的樣本量的增加，這些指標的準確值也在不斷往上升。

接下來，我們看一下這套系統目前來說實際的應用案例。整個來說我們這套系統部署的地方已經很多了，包括主要是一些公安和交警用戶，當然我們這邊還有一些法院、交委那邊也使用我們這套系統。

在蘇州交警支隊，當時日過車輛是120GB，經過分析的數據，每天的過車量是1200萬，實現1200萬車輛的實時分析。我們部署了9天查處了不系安全帶和開車打電話約3000多起的行為。

同時對于假、套牌做了一些分析，破獲了一些案件，這是一個實際的案件。這是廈門市公安局2014年底就上了我們這套系統，已經破獲了假、套牌的涉車案件100多起。

2016年底進行了升級，主要是遮陽板、探測打電話等特征的升級，2017年的時候也服務了廈門的金磚會議。這是使用假、套牌在國道進行碰瓷，我們對其它事故車輛進行關聯，發生事故的這輛車每次用的牌是不一樣的，但是車輛特征是一樣的，根據車輛特征是一樣的把多起事故進行關聯。這是用假、套牌進行暴力犯罪的，大家知道正常使用假、套牌都是會干一些壞事的，要么就是出租車用假、套牌比較多。

柳州公安局情報大隊2016年上線了我們的海燕，2017年進行了升級改造。已經破獲了好幾起案件，第一起是“柳城縣1016”傷人致死案。安全描述大概是這樣的，2017年底有人打倒在地，打倒完之后就搶救無效死亡。

案發后我們形成了一個主要是駕車逃跑，逃跑完之后我們就鎖定了嫌疑車輛，并根據他啟動的一些軌跡使用車輛分析系統路徑排查，就是說他提供的軌跡信息錄入進去之后，我們檢索出在這段時間內行駛同樣路徑的嫌疑車輛，經過排查之后找出33輛嫌疑車。再通過33輛軌跡高度符合的嫌疑車輛，發現該車的卡口軌跡數據一致之后再找現場的嫌疑人進行辨認，最終鎖定了嫌疑車。

第二個是碰瓷詐騙的，他是采用了小轎車跑了，他是掛了一個假牌。我們也是通過追查他的行駛軌跡，以圖搜圖的功能排查嫌疑車輛，針對車輛特征進行盤查，搜出10多輛同類型的車，通過發現現代轎車的嫌疑特征完全匹配，然后找出這輛車。這是一個套牌車，然后鎖定了它。

以上就是我給大家分享的內容，謝謝大家！