廣州英碼信息科技有限公司朱君偉

1　項目目標和概述

1.1　行業現狀與挑戰

當前高速公路治理上的客觀難點可總結為三點，首先高速公路通車里程不斷增加，隨之帶來的是道理監管更加困難的問題；其次是高速公路警力資源少，警力缺口大，高速公路標準警力配置為每公里0.5~1.2名巡邏交警，絕大部分城市達不到標準水平，并且夜間場景沒有巡邏交警，發生問題后的處理嚴重滯后；第三是高速環境復雜，安全隱患突出，受惡劣天氣、超速、超載等因素的影響，高速事故中重大事故占比高，傷亡較大。面對這樣的現狀，高速安全防控的關鍵在于提高道路感知以及突發事件的處理能力。積極開展智能交通管理系統的建設，最大限度地提高交通設施的利用率和交通管理的水平是非常必要的。

1.2　項目目標

公安交警智能交通管理系統是現代智能交通運輸體系和智慧城市的重要組成部分，是智能交通系統得以實現的基礎保證。國內的智能交通管理系統在“十二五”期間實現了點的應用和面的拓展，造就了一批國內交通自動控制制造和專業軟件開發商，項目建設技術已日趨成熟。

以人工智能賦能交管實戰，通過視頻感知分析技術，對原有高速公路場景下路側監控、門架監控等視頻監控資源全面進行后端融合分析，實時監測并識別交通突發警情，出現道路異常警情第一時間上報指揮中心，采集道路交通車流量、排隊長度等交通參數，滿足交通監管部門道路警情快速識別、交通態勢精準感知等實戰需求。通過本系統為公安交管部門對高速路面交通管理實現全方位感知、全自研利舊、全業務增效的目標，綜合提升出處警效率與指揮效果；為交通參與者提供安全、順暢、高體驗感的交通出行服務。

1.3　系統概述和價值點

作為公安交通集成指揮平臺采集層（事件檢測）組成部分，通過視頻AI分析技術，實時監測并識別交通突發警情，針對道路異常警情第一時間上報指揮中心，實現交通態勢實時感知、突發警情即時發現特色功能，解決交警指揮中心指揮調度面臨的突發警情發現效率低、處置效率低，缺少自動化警情識別手段的問題，提供帶有突發警情自主識別功能的軟硬一體化產品，綜合提升出處警效率與指揮效果。

（1）算法應用場景覆蓋全，事故檢測行業領先

支持高速公路場景下路側監控、門架監控等視頻監控資源進行實時視頻分析，支持行人闖入、高速事故、應急停車、匝道排隊、主線擁堵、服務區飽和等6類異常事件自動檢測識別、查詢，并進行快速上報，交管人員可通過平臺查看事件詳情與記錄視頻，進而輔助指揮調度與快速處置。其中針對事故檢測，基于百萬場景數據，提取10+核心判定關鍵要素，構建精準事故判定模型，事故檢測準確率行業領先。支持包括道路斷面流量、空間占有率、時間占有率、車輛密度在內的交通參數采集，滿足交警部門快速掌握路況、道路警情迅速識別等實戰需求。有效解決以往事件發現不及時、不準確、不詳細等問題。

交通事件及交通流參數檢測算法均自主研發，具備開放場景適應性，支持場景應用效果持續自學習調優。

（2）結合獨特業務模型，打造場景化應用算法

結合行業應用難題，圍繞應用場景研究包括環境條件、視覺條件兩大類7種以上環境干擾因素以及目標遮擋、頻繁過人等5種以上行為干擾因素，構建典型事件判定模型，打造場景化應用算法，全面提升業務應用效果。即時精準指揮，綜合處置效率提升20%以上。

傳統警情發現主要依靠人工視頻巡檢、122電話舉報等手段，極易錯失出處警有效時機，據實際項目統計，基于互聯網手段出警時間間隔長達30分鐘，目前基于視頻實時檢測分析的警情自主發現手段可有效縮短至5分鐘以內，綜合處置效率提升20%，真正實現快速、精準出警。

2　案例介紹

2.1　系統架構

高速異常感知系統架構采用三層框架系統結構設計，包括數據接入層、引擎服務層、平臺應用層，按照分層的方式來架構，可以使各個層之間解耦合。

數據接入層：主要功能是通過各種接口協議，將高清監控視頻、存儲視頻和離線的臨時數據接入到系統核心模組進行識別和分析。通過接口協議可直接對接現有視頻聯網平臺、電警系統、接口系統、存儲系統和離線數據，也可通過對接統一視頻接入平臺數據總線，提取視頻圖像信息中行人、車輛目標信息，進行結構化解析及分析后，提取有效數據信息。

引擎服務層：主要功能是通過不同模塊的相應功能，對數據接入層提交的原始數據進行數據解析、目標檢測、特征分析、事件識別等算法分析服務。該層作為整個系統的核心部分，提供相關服務運行部署及監控、視頻預覽、任務調度、視圖存儲等功能，為應用層提供模塊化服務支撐。

平臺應用層：主要功能是通過標準化的接口定義，與應用平臺進行無縫融合。由統一集成管理平臺提供基礎資源管理及服務監控功能，由交通視覺感知分析應用平臺面向上層警情識別業務提供相關配置、預警、查詢、統計及可視化功能。

2.2　系統組成

高速異常感知系統主要由五部分組成，如圖1所示，分別是：前端視頻采集系統、網絡傳輸系統、高速異常感知分析引擎、統一集成管理平臺和高速異常感知分析應用平臺。

（1）前端視頻采集系統：需要200萬像素以上的路側監控、門架監控等視頻源。由視頻監控設備采集道路交通視頻，以視頻流的方式傳輸到后端統一視頻接入平臺，作為高速異常感知分析的數據來源。

（2）網絡傳輸系統：網絡傳輸設備實現實時視頻流接入與解碼以及圖像傳輸，提供統一視頻接入網關設備，用于與已建海康、大華、宇視等主流視頻平臺以GB28181協議方式接入。

（3）高速異常感知分析引擎：按照應用平臺配置的事件、交通流參數檢測規則，通過智能算法分析交通視頻流，進行交通事件、交通流參數檢測及事件信息、圖片上報。

（4）統一集成管理平臺：實現前端設備管理、道路/路口管理、用戶權限管理以及基礎視頻監控預覽功能。

（5）高速異常感知平臺：結合高速異常感知分析引擎，實現高速事故、主線擁堵、應急停車、行人闖入、匝道排隊，服務區飽和等異常事件實時預警以及斷面流量、空間占有率、時間占有率、車輛密度等交通流參數采集與交通態勢可視化呈現功能，支持交通事件算法配置、消息查詢、統計分析等基礎功能。

圖1 系統架構設計

硬件采用中心部署方案，接入視頻分析引擎，感知端復用道路交通已建電子警察、卡口、路側監控、高點等視頻監控資源，支持與已建海康、大華、宇視等主流視頻平臺以GB28181協議方式接入。

2.3　網絡結構

2.3.1　方案描述

高速異常感知分析一體機采用軟硬一體的方式，同高速異常感知應用平臺、網絡傳輸及存儲設備一起部署在監控中心機房。

統一集成管理平臺為高速異常感知分析引擎配置獲取視頻流的URL，高速異常感知分析引擎獲取到視頻流后，進行實時檢測分析，檢測到異常事件后上報到高速異常感知應用平臺。高速異常感知分析引擎進行事件檢測的同時進行交通流參數信息的檢測，并按照一定周期上報到高速異常感知分析應用平臺。

高速異常感知分析應用平臺對事件信息進行實時預警提示，并進行事件信息管理以及交通參數信息統計分析。

2.3.2　組網方式

典型組網方式如圖2所示。

圖2 網絡架構圖

高速異常感知分析引擎，主要提供以下功能：

獲取視頻流的同時進行分析檢測，當檢測到交通事件時，高速異常感知分析引擎將產生的報警信息和相關的事件圖片發送給高速異常感知分析應用平臺。將檢測到的交通參數信息上傳給高速異常感知分析應用平臺。支持從視頻監控平臺中獲取視頻流分析。

2.4　核心功能設計

2.4.1　高速場景警情識別

如圖3所示，針對車輛、道路異常事件實時檢測分析，通過對高速公路場景下路側監控、門架監控等視頻監控以及普通視頻監控等前端監控采集的視頻圖像信息進行實時結構化分析處理，實現高速交通事故、匝道擁堵、高速應急停車、高速行人闖入、高速服務器飽和異常等事件自動檢測識別、查詢，并進行快速上報，交管人員可通過高速安全保衛查看事件詳情與記錄視頻，進而輔助指揮調度與快速處置。

圖3 警情看板頁，實時推送警情識別結果

（1）高速事故識別

針對高速公路場景下交通事故事件進行實時檢測分析，如圖4所示，支持自定義檢測區域，包括行車道、應急車道等，支持單車肇事/故障、車車事故兩類事故類型檢測，支持事故預警消息實時推送及語音提醒，支持事件信息發送至第三方應用平臺（交管大隊的統一指揮平臺），事故事件數據輸出內容包括點位編號，事故標識，事件時間，車牌信息。

圖4 典型高速事故場景

（2）主線擁堵識別

針對高速公路場景下主線擁堵事件進行實時檢測分析，支持擁堵、緩行、暢通3類交通通行狀態檢測識別，支持擁堵事件預警消息實時推送及語音提醒，支持事件信息發送至第三方應用平臺。

（3）應急停車識別

針對高速公路場景下應急停車事件進行實時檢測分析，支持自定義檢測區域，配置應急車道區域，支持單車異常停車、多車異常停車兩類異常停車事件檢測識別，支持應急停車事件預警消息實時推送及語音提醒，支持事件信息發送至第三方應用平臺。

（4）行人闖入識別

針對高速公路場景下行人闖入事件進行實時檢測分析，支持自定義檢測區域，包括行車道、應急車道等，行人闖入事件定義為非擁堵情況下，行人出現在檢測區域內，如應急車道內行走、行車道內穿越等，支持行人闖入事件預警消息實時推送及語音提醒，支持事件信息發送至第三方應用平臺。

（5）匝道排隊識別

針對高速公路收費站、服務區等匝道場景自定義檢測區域內車輛排隊事件進行實時檢測分析，上報信息包含：正常、排隊，2類。支持車輛排隊事件預警消息實時推送及語音提醒，支持信息發送至第三方應用平臺。

（6）服務區飽和分析

支持高速公路服務區自定義檢測區域，自定義飽和度閾值，并根據閾值分析服務區車輛飽和度狀態，上報信息包含：正常、飽和，2類。（可以通過誘導屏進行信息公示，引導司機去往別的服務區休息）

2.4.2　交通流參數檢測

針對高速公路道路交通流參數進行實時檢測，能夠實現車流密度、空間占有率、時間占有率、斷面流量等交通流參數檢測。

（1）車流密度

支持單位長度的車道或道路中的車輛數量實時檢測及分析。

（2）空間占有率

支持道路單位長度或空間區域內車輛空間占比檢測及分析。

（3）時間占有率

支持單位時間內道路通行車輛數量占比檢測及分析。

（4）斷面流量

支持機動車輛包括掛車、隨車吊（車上有吊桿）、大型貨車、渣土車、混凝土攪拌車、欄板卡車、罐車、小型貨車、皮卡車、微面（五菱宏光）、大型客車、押運車、小型客車、轎車、越野車、商務車、輕客、三輪車、工程搶修車、救援車、消防車在內21種車輛類型流量檢測計數。

2.4.3　業務應用模塊平臺功能

（1）警情分析能力（異常預警）

系統提供異常事件自主識別與主動預警功能，當系統檢測到異常事件時，可實時推送消息預警，并提供語音提醒功能，及時通知交通管理人員進行處理。

（2）事件詳情

系統提供警情圖片或視頻存儲功能，點擊可查閱警情發生詳情，如圖5所示，支持警情事件相關行人、非機動車、機動車目標結構化信息檢測與上報功能，支持警情事件發生前后30s視頻回放。

圖5 警情詳情

（3）事件查詢

系統提供包括警情條件查詢、警情記錄詳情2項功能，警情條件查詢支持按照點位名稱、警情類型（多選）、自定義時間段進行警情記錄查詢，異常檢索結果默認按照列表-詳情模式展示，支持警情結果圖文卡片模式切換展示。警情記錄詳情包括警情記錄列表/圖文、警情詳情兩部分，用于查閱警情詳細信息。

（4）電子地圖

系統提供實時道路警情事件上圖展示功能，如圖6所示，提供各類警情統計結果圖表展示、實時警情列表展示、地圖設備資源點位及狀態展示，包括警情綜合統計、警情類型分布、警情TOP5、歷史警情趨勢、實時警情、地圖設備點位等，支持警情事件地圖篩選，支持當日警情分布情況統計與排名，支持按照點位查看當日警情記錄情況。

圖6 警情看板-電子地圖

（5）任務配置

系統提供設備資源檢索、視覺檢測算法配置2項功能。支持按照設備類型、配置算法（多選）、設備名稱/設備編號等條件進行設備列表檢索。可選擇已接入視頻點位自動獲取當前視頻點位幀圖像，結合實際道路交通場景下的具體業務應用選擇對應算法進行實時檢測任務配置。支持通過按照當前點位視頻幀圖像進行算法應用場景配置，支持封閉多邊形、線條等自定義檢測區域及預警位置標記，支持算法檢測時段自定義，支持事件持續周期及上報時間周期設置。在線且已配置算法設備支持檢測任務的單項啟動、批量啟動、批量停止和批量重啟等操作，在線設備支持實時視頻查看操作。

2.4.4　系統基礎模塊平臺功能

統一集成管理平臺用于支撐高速異常感知分析應用平臺操作所需的系統設置，包括路口管理、設備管理、算法管理、資源管理、日志管理、服務監控等。

（1）路口管理

本功能主要實現對路口名稱、路口編碼、路口類型、所屬道路、進口方向及實際經緯度信息進行管理。

（2）設備管理

本功能主要用于門架監控，路側監控等普通視頻監控等視頻分析前端設備基礎信息管理，包括設備ID、名稱、所屬資源、設備廠商、設備類型、接入方式、路口路段信息、資產信息等。

（3）算法管理

本功能主要實現對異常事件及交通參數算法授權及其他管理，支撐上層的業務應用。

（4）資源管理

本功能主要實現系統資源的管理，包括服務器節點、算力資源及數據實例等的管理。

（5）日志管理

本功能主要對系統的所有操作進行實時跟蹤記錄，確保所有經授權或未經授權的活動都留有痕跡，以提高系統的安全性，為操作審計留下線索。系統日志內容包括操作用戶、所屬部門、IP地址、操作模塊、操作內容、操作時間等。

（6）服務監控

本功能主要實現交通視覺感知分析引擎硬件環境狀態及AITS相關服務監控功能，包括GPU、CPU、內存、存儲剩余狀態監控以及引擎相關rmmt、vas、vss、wmfs、wmits、wmvs服務運行狀態監控，確保系統穩定運行，支持引擎服務一鍵重啟。

2.5　部署方案

2.5.1　異常事件檢測算法

包括高速事故、應急停車、匝道排隊、行人闖入、主線擁堵、服務區飽和6類交通事件檢測算法外場選點規范：

（1）適用于高速公路場景下路側監控、門架監控等視頻監控資源，建議為星/黑光級日夜全彩攝像機。

（2）輸入視頻圖像的質量應達到GB50198-2011中描述的4級及以上。

（3）視頻畫面滿足200萬像素及以上，視頻拍攝方位與行車道傾斜角度≤40°，覆蓋實際場景檢測范圍約50米以內。

（4）視頻畫面目標大小滿足：車輛目標，寬≥60px；高≥60px；行人目標，寬≥40px；高≥80px；非機動車目標，寬≥40px；高≥40px。

（5）部分算法及點位需結合實際道路交通流特點，參考專家經驗模型進行選點。

2.5.2　流量參數檢測算法

（1）適用于出口道電子警察視頻監控，建議為星/黑光級日夜全彩攝像機。

（2）輸入視頻圖像的質量應達到GB50198-2011中描述的4級及以上。

（3）視頻畫面滿足200萬像素及以上。

3　代表性及推廣價值

本項目運用AI視覺識別技術，實現了更高效的交通流量實時監測和分析、更精準的事故檢測與有效管理。極大地提升了交通管理的安全性、效率和準確性，通過實時監測和分析交通流量、識別違規行為、優化信號控制等，有效緩解了交通擁堵，提高了道路通行能力，同時降低了人工監控的成本，為智慧城市的構建提供了強有力的技術支撐。方案已在多個項目驗證，具備較高成熟度，可大量復制到不同城市的交通管理中，提升交通智能化程度，為社會帶來更安全和更順暢的通行效果，提升經濟效益。

摘自《自動化博覽》2025年2月刊