數(shù)字視網(wǎng)膜平臺(tái)：助推交通視覺的智慧演進(jìn)

數(shù)字視網(wǎng)膜平臺(tái)：助推交通視覺的智慧演進(jìn)前言：隨著智慧交通建設(shè)的不斷深入，現(xiàn)有視頻監(jiān)控體系雖然基本可以實(shí)現(xiàn)“眼觀六路”，但依然無(wú)法做到“慧眼千里”。不久前，中國(guó)國(guó)際大數(shù)據(jù)產(chǎn)業(yè)博覽會(huì)領(lǐng)先科技成果獎(jiǎng)?wù)焦?，拓維信息的端邊云協(xié)同架構(gòu)的“數(shù)字視網(wǎng)膜平臺(tái)”成功入選“新技術(shù)”獎(jiǎng)項(xiàng)，方案將動(dòng)物視網(wǎng)膜仿生而來(lái)的“數(shù)字視網(wǎng)膜”技術(shù)與“邊緣計(jì)算”相融合，打造交通視覺“慧眼”，助推交通視覺的智慧演進(jìn)。近年來(lái)隨著我國(guó)國(guó)民經(jīng)濟(jì)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(chǔ)設(shè)施建設(shè)、運(yùn)營(yíng)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(yùn)營(yíng)，相關(guān)交通管理部門和高速運(yùn)營(yíng)方建設(shè)了大量高速公路視頻應(yīng)用系統(tǒng)，然而系統(tǒng)的不斷完善也意味著將面臨數(shù)據(jù)爆炸后云端存儲(chǔ)、云端算力、傳輸網(wǎng)絡(luò)等要求更高的挑戰(zhàn)，還要面對(duì)巨大的網(wǎng)絡(luò)、計(jì)算、存儲(chǔ)建設(shè)運(yùn)營(yíng)成本壓力，同時(shí)高速上視頻監(jiān)控設(shè)備的品牌、規(guī)格各異，質(zhì)量、清晰度也差異很大，導(dǎo)致AI算法難以識(shí)別，視頻檢索困難，上述問(wèn)題都是目前工作重點(diǎn)，是亟待解決的問(wèn)題。一主要目標(biāo)及技術(shù)概述數(shù)字視網(wǎng)膜平臺(tái)基于國(guó)產(chǎn)自主可控鯤鵬底座的IoT、邊緣AI計(jì)算、視頻/圖片的特征識(shí)別和緊湊表達(dá)等關(guān)鍵技術(shù)，充分利用高速公路原有的攝像監(jiān)控設(shè)備，通過(guò)邊緣融合計(jì)算和云端高效事件響應(yīng)處理，構(gòu)建面向智慧交通的視頻大數(shù)據(jù)分析引擎、多目標(biāo)檢測(cè)與識(shí)別、交通態(tài)勢(shì)感知與預(yù)警等模型和方法。同時(shí)為解決智慧交通領(lǐng)域視頻監(jiān)控?cái)?shù)據(jù)存儲(chǔ)壓力大、有價(jià)值數(shù)據(jù)占比小、交通事件不能及時(shí)發(fā)現(xiàn)預(yù)警、交通案件回溯檢索困難以及日益增長(zhǎng)的交通安全需求同交通管理服務(wù)能力相矛盾等重大問(wèn)題，以打造智慧交通為目標(biāo)，構(gòu)建面向交通行業(yè)的企業(yè)級(jí)能力復(fù)用平臺(tái)，整合交通領(lǐng)域的各類數(shù)據(jù)資源，研制成為智慧交通數(shù)字視網(wǎng)膜平臺(tái)。數(shù)字視網(wǎng)膜平臺(tái)采用視頻編碼流、特征編碼流、神經(jīng)網(wǎng)絡(luò)算法和模型更新流的可伸縮端邊云協(xié)同視覺計(jì)算架構(gòu)，結(jié)合5G、大數(shù)據(jù)、AI等智能化技術(shù)，通過(guò)廣泛部署在高速公路的出入口、公路兩側(cè)、門架、卡口的攝像頭端或邊緣側(cè)對(duì)視頻進(jìn)行高質(zhì)量視頻編碼和視覺特征提取編碼，在邊緣側(cè)以高性能的實(shí)時(shí)計(jì)算分析，全面精準(zhǔn)地感知高速路網(wǎng)的各種狀態(tài)和各類事件，并通過(guò)云端及時(shí)響應(yīng)，將事件信息上報(bào)處理，做到發(fā)現(xiàn)早、定位準(zhǔn)、響應(yīng)快，為全知、全息的智慧高速賦能。二方案介紹

（一）系統(tǒng)架構(gòu)系統(tǒng)總體方案架構(gòu)如下圖所示。數(shù)字視網(wǎng)膜平臺(tái)整體架構(gòu)包括終端、數(shù)字視網(wǎng)膜底座和應(yīng)用三層。終端的攝像頭是視網(wǎng)膜平臺(tái)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(duì)攝像頭進(jìn)行更換升級(jí)。數(shù)字視網(wǎng)膜底座進(jìn)行模型訓(xùn)練、事件識(shí)別，并將云端AI應(yīng)用、函數(shù)計(jì)算等能力下發(fā)到邊緣一體機(jī)，將云上的強(qiáng)大服務(wù)能力延伸到邊緣一體機(jī)，使其擁有云端相同能力，能夠?qū)崟r(shí)處理終端設(shè)備計(jì)算需求。平臺(tái)提供了Web化的服務(wù)管理平臺(tái)，具體包括設(shè)備管理、規(guī)則管理、軟固件升級(jí)以及監(jiān)控運(yùn)維等管理功能。邊緣一體機(jī)通過(guò)AI推理芯片和集成的模型算法對(duì)圖像/視頻特征進(jìn)行識(shí)別編碼，實(shí)現(xiàn)車輛識(shí)別、流量感知、事故識(shí)別、違章識(shí)別、天氣識(shí)別和路況識(shí)別等高速事件，并實(shí)現(xiàn)有效視頻智能提取和AI流量卸載處理。在應(yīng)用層則通過(guò)高速公路事件檢測(cè)識(shí)別、高速天氣識(shí)別、高速流量識(shí)別等核心業(yè)務(wù)應(yīng)用能力構(gòu)建交通綜合監(jiān)測(cè)、安全預(yù)警、快速處置、決策分析等應(yīng)用系統(tǒng)，實(shí)現(xiàn)對(duì)高速公路全網(wǎng)運(yùn)行狀況的實(shí)時(shí)監(jiān)測(cè)、預(yù)警和快速響應(yīng)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(yùn)營(yíng)效率。（二）硬件平臺(tái)——邊緣AI一體機(jī)邊緣AI一體機(jī)采用昇騰人工智能計(jì)算平臺(tái)，部署在高速收費(fèi)站、隧道變電站等靠近監(jiān)控終端的位置。在邊緣側(cè)通過(guò)邊緣計(jì)算引擎實(shí)現(xiàn)AI圖片壓縮、AI圖片增強(qiáng)分析、分級(jí)存儲(chǔ)、運(yùn)行監(jiān)測(cè)和業(yè)務(wù)網(wǎng)關(guān)，運(yùn)行狀態(tài)監(jiān)測(cè)和邊緣側(cè)基礎(chǔ)數(shù)據(jù)的智能感知、智能取證、圖片存儲(chǔ)等功能。采用自主研發(fā)的算法實(shí)現(xiàn)圖片AI處理后的結(jié)構(gòu)化數(shù)據(jù)為省中心提供統(tǒng)一的基礎(chǔ)數(shù)據(jù)。智能邊緣平臺(tái)IEF通過(guò)站部鏈路對(duì)邊緣一體機(jī)進(jìn)行統(tǒng)一管理，提供配置、安裝、升級(jí)、運(yùn)行狀態(tài)監(jiān)測(cè)等功能。1、業(yè)務(wù)協(xié)同網(wǎng)關(guān)業(yè)務(wù)網(wǎng)關(guān)提供標(biāo)準(zhǔn)化接口協(xié)議，實(shí)現(xiàn)全流水接入。同時(shí)可接入圖片業(yè)務(wù)和運(yùn)行檢測(cè)業(yè)務(wù)的標(biāo)準(zhǔn)擴(kuò)展協(xié)議。2、機(jī)電設(shè)備物聯(lián)可通過(guò)機(jī)電一體化物聯(lián)平臺(tái)，將路段所有機(jī)電化設(shè)備進(jìn)行連接。采集全業(yè)務(wù)流水?dāng)?shù)據(jù)，并在云端提供統(tǒng)一的設(shè)備/應(yīng)用監(jiān)控、日志采集等運(yùn)維能力，提供完整的邊緣和云協(xié)同的一體化服務(wù)能力。3、AI流量卸載圖片智能壓縮可為滿足行業(yè)應(yīng)用在百億級(jí)別圖片中快速查詢提供技術(shù)基礎(chǔ)，也將降低圖片傳輸?shù)膸捫枨螅瑥亩鴾p少接入網(wǎng)網(wǎng)絡(luò)投資成本。圖片壓縮采用基于深度神經(jīng)網(wǎng)絡(luò)的對(duì)象檢測(cè)技術(shù)，將在圖片背景中自動(dòng)識(shí)別出主體對(duì)象（如車牌或者人臉）并逐一定位，通過(guò)車牌識(shí)別實(shí)現(xiàn)主體車輛對(duì)象和背景的分離。圖片壓縮流量卸載子系統(tǒng)將具備對(duì)圖片壓縮20~50倍的能力，千萬(wàn)張級(jí)別的圖片文件數(shù)據(jù)量經(jīng)壓縮流量卸載處理后，存儲(chǔ)空間大約占TB級(jí)別，網(wǎng)絡(luò)帶寬需求也將為壓縮前的1/20~1/50。4、事件識(shí)別算法通過(guò)構(gòu)建算法引擎，建立高速路段異常事件模型。將路段流水?dāng)?shù)據(jù)及車輛特征分析數(shù)據(jù)進(jìn)行擬合比對(duì)，利用圖片AI增強(qiáng)識(shí)別能力，構(gòu)建事件識(shí)別算法，實(shí)現(xiàn)在邊緣側(cè)實(shí)時(shí)識(shí)別異常事件。（三）軟件平臺(tái)——智慧交通數(shù)字視網(wǎng)膜云平臺(tái)1、AI中臺(tái)AI中臺(tái)的主要作用是根據(jù)交通的實(shí)際業(yè)務(wù)場(chǎng)景采集數(shù)據(jù)并標(biāo)注，然后構(gòu)建和訓(xùn)練AI模型，最終應(yīng)用到實(shí)際項(xiàng)目上去。AI中臺(tái)的主要功能有數(shù)據(jù)集管理、模型管理、訓(xùn)練管理和模型推理，是一個(gè)針對(duì)AI開發(fā)的全生命周期管理平臺(tái)。AI中臺(tái)通過(guò)對(duì)智能服務(wù)的共享復(fù)用、對(duì)智能服務(wù)研發(fā)相關(guān)角色進(jìn)行管理，以及研發(fā)流程的標(biāo)準(zhǔn)化、自動(dòng)化，對(duì)前臺(tái)業(yè)務(wù)提供個(gè)性化智能服務(wù)的迅速構(gòu)建能力支持。解決傳統(tǒng)煙囪式開發(fā)的資源浪費(fèi)、過(guò)程重復(fù)、缺乏能力沉淀等問(wèn)題。AI中臺(tái)統(tǒng)一資源管理和服務(wù)規(guī)范，對(duì)模型開發(fā)提供標(biāo)準(zhǔn)化開發(fā)指導(dǎo)，以及可復(fù)用服務(wù)、方案封裝能力。AI中臺(tái)的模型開發(fā)流程為數(shù)據(jù)收集-數(shù)據(jù)預(yù)處理-數(shù)據(jù)標(biāo)注-模型開發(fā)-模型訓(xùn)練-模型部署。以車輛檢測(cè)為例，首先要收集一大批現(xiàn)場(chǎng)的數(shù)據(jù)接入到數(shù)據(jù)管理模塊。這些圖片數(shù)據(jù)經(jīng)過(guò)數(shù)據(jù)預(yù)處理后進(jìn)行數(shù)據(jù)集的標(biāo)注，要標(biāo)注車輛的位置及類型等信息。標(biāo)注過(guò)的數(shù)據(jù)經(jīng)過(guò)篩選和數(shù)據(jù)均衡后就可以發(fā)布成數(shù)據(jù)集管理里面的一個(gè)新的數(shù)據(jù)集版本，以備后續(xù)的各種模型開發(fā)。數(shù)據(jù)集準(zhǔn)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(lái)完成。模型定義好之后將數(shù)據(jù)集和模型發(fā)布成一個(gè)訓(xùn)練任務(wù)，提交給訓(xùn)練管理模塊，訓(xùn)練管理模塊會(huì)調(diào)度GPU資源來(lái)訓(xùn)練出一個(gè)合適的模型并保存。模型訓(xùn)練完成之后就可以通過(guò)模型部署模塊發(fā)布成通用的API或者部署到邊緣側(cè)推理。2、數(shù)據(jù)中臺(tái)數(shù)據(jù)中臺(tái)是數(shù)字視網(wǎng)膜平臺(tái)的核心之一，數(shù)據(jù)中臺(tái)把數(shù)字視網(wǎng)膜平臺(tái)的數(shù)據(jù)進(jìn)行統(tǒng)一存儲(chǔ)、加工、治理、共享、應(yīng)用，提供數(shù)據(jù)分析能力，持續(xù)不斷把客戶的數(shù)據(jù)變成資產(chǎn)并服務(wù)于業(yè)務(wù)。數(shù)據(jù)中臺(tái)通過(guò)內(nèi)外部多源異構(gòu)的數(shù)據(jù)采集、建模、分析，應(yīng)用，使數(shù)據(jù)對(duì)內(nèi)優(yōu)化管理提高業(yè)務(wù)，對(duì)外可以釋放數(shù)據(jù)合作價(jià)值，成為客戶數(shù)據(jù)資產(chǎn)管理中樞。數(shù)據(jù)中臺(tái)是聚合和治理跨域數(shù)據(jù)，將數(shù)據(jù)抽象封裝成服務(wù)，提供給前臺(tái)以業(yè)務(wù)價(jià)值的邏輯概念，涵蓋了數(shù)據(jù)資產(chǎn)、數(shù)據(jù)服務(wù)、數(shù)據(jù)模型、數(shù)據(jù)中心等多個(gè)層次的體系化建設(shè)方法，實(shí)現(xiàn)了數(shù)據(jù)的分層與水平解耦，沉淀公共的數(shù)據(jù)能力。相比于傳統(tǒng)的數(shù)據(jù)平臺(tái)，數(shù)字視網(wǎng)膜數(shù)據(jù)中臺(tái)注重的是對(duì)交通業(yè)務(wù)的積累和沉淀，構(gòu)建了從數(shù)據(jù)生產(chǎn)到消費(fèi)，消費(fèi)后產(chǎn)生的數(shù)據(jù)再回流到生產(chǎn)流程的閉環(huán)過(guò)程。業(yè)務(wù)積累和沉淀的過(guò)程體現(xiàn)在數(shù)據(jù)中臺(tái)對(duì)外提供的數(shù)據(jù)服務(wù)，數(shù)據(jù)中臺(tái)作為整個(gè)企業(yè)組織所有業(yè)務(wù)的數(shù)據(jù)消費(fèi)需求的提供方，通過(guò)業(yè)務(wù)對(duì)數(shù)據(jù)服務(wù)的不斷滋養(yǎng)，會(huì)形成一系列穩(wěn)健的數(shù)據(jù)服務(wù)，這樣當(dāng)出現(xiàn)新的市場(chǎng)機(jī)會(huì)需要構(gòu)建新的前臺(tái)應(yīng)用時(shí)，數(shù)據(jù)中臺(tái)可以無(wú)差別地進(jìn)行數(shù)據(jù)服務(wù)供給，從而保證了客戶能夠在數(shù)據(jù)中臺(tái)基礎(chǔ)上進(jìn)行快速交通業(yè)務(wù)創(chuàng)新。數(shù)據(jù)中臺(tái)通過(guò)“AI+大數(shù)據(jù)”技術(shù)，融合路段視頻數(shù)據(jù)、邊緣智能分析系統(tǒng)的海量感知數(shù)據(jù)，通過(guò)海量數(shù)據(jù)模型訓(xùn)練和深度學(xué)習(xí)，進(jìn)行數(shù)據(jù)計(jì)算、數(shù)據(jù)分析、數(shù)據(jù)挖掘、綜合研判，實(shí)現(xiàn)智能監(jiān)管、交通態(tài)勢(shì)分析、預(yù)測(cè)預(yù)警、應(yīng)急處置等智慧監(jiān)測(cè)應(yīng)用。同時(shí)，通過(guò)數(shù)據(jù)門戶向外部系統(tǒng)和應(yīng)用提供數(shù)據(jù)目錄、API、數(shù)據(jù)應(yīng)用和可視化展示。高速公路視頻聯(lián)網(wǎng)后的大數(shù)據(jù)分析不僅能夠?qū)崿F(xiàn)行業(yè)運(yùn)行態(tài)勢(shì)實(shí)時(shí)監(jiān)測(cè)、預(yù)測(cè)預(yù)警，還能夠?yàn)樾袠I(yè)運(yùn)營(yíng)管理決策提供科學(xué)依據(jù)，也能夠?qū)β毮芎蜆I(yè)務(wù)流程監(jiān)管、分權(quán)分域管理、可視化業(yè)務(wù)展示提供數(shù)據(jù)支撐，提高運(yùn)營(yíng)管理效率。3、業(yè)務(wù)中臺(tái)業(yè)務(wù)中臺(tái)包括車輛檢測(cè)、車道檢測(cè)和各種交通事件的識(shí)別等。其中車輛檢測(cè)采用拓維信息優(yōu)化后的深度學(xué)習(xí)目標(biāo)檢測(cè)算法識(shí)別車輛的位置和類別等基礎(chǔ)信息。主要用于車流量統(tǒng)計(jì)和車輛軌跡識(shí)別。車道檢測(cè)算法主要用于違規(guī)變道、占用應(yīng)急車道和路面能見度的識(shí)別。通過(guò)檢測(cè)出的車道位置和車的行駛軌跡來(lái)識(shí)別車輛的違法性，同時(shí)通過(guò)識(shí)別出的車道長(zhǎng)度來(lái)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(guān)注，特別是山區(qū)天氣復(fù)雜多變，很難通過(guò)天氣預(yù)報(bào)來(lái)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(xué)習(xí)道路天氣識(shí)別算法，通過(guò)道路上的攝像頭精準(zhǔn)識(shí)別每個(gè)區(qū)域的天氣情況，如天晴、下雨、團(tuán)霧等，并及時(shí)發(fā)送到業(yè)務(wù)平臺(tái)提醒附近的車輛謹(jǐn)慎駕駛。另外各種交通事件對(duì)道路安全駕駛影響極大，如不能及時(shí)預(yù)警可能引發(fā)一系列的交通事故。拓維信息通過(guò)多種深度學(xué)習(xí)模型加傳統(tǒng)算法相融合的方式來(lái)識(shí)別交通擁堵、追尾、拋灑等交通事件，并結(jié)合交通部門的業(yè)務(wù)系統(tǒng)做到早預(yù)警、早處理，最大限度地減少每個(gè)事件對(duì)交通的影響。4、開放API開放API的主要目的是將已有的服務(wù)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(tǒng)部署模式遇到的應(yīng)用環(huán)境配置復(fù)雜、應(yīng)用可移植性差、資源利用率低等問(wèn)題，采用新型的開發(fā)運(yùn)營(yíng)模式代替?zhèn)鹘y(tǒng)的部署模式，將用戶的精力集中在應(yīng)用開發(fā)上，達(dá)到敏捷開發(fā)的效果。利用微服務(wù)架構(gòu)思想將應(yīng)用拆分成多個(gè)服務(wù)，每個(gè)服務(wù)獨(dú)立開發(fā)部署，提高了應(yīng)用開發(fā)的效率。結(jié)合微服務(wù)架構(gòu)思想和應(yīng)用編排工具對(duì)容器云平臺(tái)進(jìn)行了設(shè)計(jì)與實(shí)現(xiàn)，容器云平臺(tái)的應(yīng)用管理模塊通過(guò)鏡像將用戶的API服務(wù)打包成容器運(yùn)行在云上，然后結(jié)合編排工具對(duì)用戶的應(yīng)用進(jìn)行資源調(diào)度、監(jiān)控等操作。同時(shí)將所有的AI服務(wù)都封裝成SDK，實(shí)現(xiàn)少量代碼調(diào)用AI服務(wù)。（四）數(shù)據(jù)通訊在后撤站時(shí)代，現(xiàn)已形成了四級(jí)協(xié)同數(shù)據(jù)傳輸架構(gòu)（站-分中心-省中心-部中心網(wǎng)絡(luò)架構(gòu)），充分利用原有的高速網(wǎng)絡(luò)，基于統(tǒng)一數(shù)據(jù)的傳輸交換平臺(tái)，站級(jí)交換平臺(tái)將收費(fèi)站、門架等系統(tǒng)業(yè)務(wù)數(shù)據(jù)收集并上傳至分中心、省中心、部中心交換平臺(tái)，利用云邊端協(xié)同+數(shù)據(jù)與AI融合的方式，充分保證數(shù)據(jù)的穩(wěn)定可靠。在視頻聯(lián)網(wǎng)的基礎(chǔ)上，結(jié)合GIS地圖、物聯(lián)網(wǎng)、人工智能、大數(shù)據(jù)等技術(shù)，通過(guò)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(shù)字化—體化平臺(tái)。數(shù)字視網(wǎng)膜系統(tǒng)模仿了人類視覺信息處理過(guò)程：人類獲取外界的圖像信息需要經(jīng)過(guò)視網(wǎng)膜-視神經(jīng)-視覺中樞三個(gè)階段，以眼球視網(wǎng)膜感光成像、特征提取為原理設(shè)計(jì)的數(shù)據(jù)入口——數(shù)字視網(wǎng)膜，具有AI推理、特征提取、編碼特征、流量卸載等能力，通過(guò)以人體視神經(jīng)為原理設(shè)計(jì)的數(shù)據(jù)傳輸網(wǎng)絡(luò)，具有傳輸視頻流、特征流、編碼流的能力，最后數(shù)據(jù)進(jìn)入以人體視覺中樞信息整合、視覺認(rèn)知為原理設(shè)計(jì)的視網(wǎng)膜云平臺(tái)，具有模型訓(xùn)練、事件識(shí)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。三代表性及推廣價(jià)值（一）應(yīng)用情況及效果1、應(yīng)用于某省高速，增效降本、全面優(yōu)化高速業(yè)務(wù)。在某省高速中構(gòu)建綜合監(jiān)測(cè)預(yù)警處置體系，結(jié)合交通狀態(tài)精準(zhǔn)感知，打造高速數(shù)字視網(wǎng)膜實(shí)現(xiàn)高速公路擁堵、事故、天氣、路況等多類警情的實(shí)時(shí)自動(dòng)檢測(cè)預(yù)警，全面取代人工，達(dá)到高速路網(wǎng)全覆蓋的警情自動(dòng)巡檢和快速處置，打造更安全、更暢通的智慧高速。通過(guò)對(duì)車輛檢測(cè)、異常事件檢測(cè)、道路狀態(tài)檢測(cè)、天氣狀態(tài)檢測(cè)、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(duì)高速上可能出現(xiàn)的場(chǎng)景進(jìn)行全覆蓋。在工作效率方面，通過(guò)AI+大數(shù)據(jù)分析得來(lái)的結(jié)果進(jìn)行分析處理預(yù)警，集團(tuán)整體工作效率相較于使用前提高了1.5倍，同時(shí)對(duì)高速上實(shí)時(shí)發(fā)生的各類事件的識(shí)別率已達(dá)90%，為高速的整體運(yùn)營(yíng)及管理提供了精準(zhǔn)、最優(yōu)質(zhì)的數(shù)據(jù)，更方便于決策制定研判。2、應(yīng)用于城市智慧隧道建設(shè)，助力城市交通治理。拓維信息與聯(lián)智科技雙方在智慧隧道領(lǐng)域進(jìn)行了探索性合作，并于第二十三屆中國(guó)高速公路信息化大會(huì)上共同發(fā)布了“智慧隧道一體機(jī)”。目前，該一體機(jī)已經(jīng)在長(zhǎng)沙市某隧道項(xiàng)目上運(yùn)行，基于安全狀態(tài)評(píng)價(jià)指標(biāo)體系，融合分析運(yùn)行實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)，實(shí)時(shí)甄別和分析安全事件類型、級(jí)別，其中也包括近年來(lái)頻發(fā)的汛期城市內(nèi)澇問(wèn)題。針對(duì)安全事件評(píng)價(jià)結(jié)果，及時(shí)發(fā)布安全預(yù)警報(bào)警，事故識(shí)別率90%以上，精度90%以上，事故發(fā)生率降低20%。3、在中部某省某高速隧道中試運(yùn)行，風(fēng)險(xiǎn)研判，隧道安全智能預(yù)警。該省山區(qū)多，隧道大多建設(shè)在有高山河流阻擋的地方，地質(zhì)環(huán)境復(fù)雜，隧道空間狹窄，隧道內(nèi)部的環(huán)境變化、交通情況、暴雨火災(zāi)等突發(fā)事件極易引發(fā)安全事故。因此，對(duì)隧道進(jìn)行實(shí)時(shí)監(jiān)測(cè)和安全風(fēng)險(xiǎn)評(píng)估，預(yù)警可能引發(fā)的安全風(fēng)險(xiǎn)事件非常關(guān)鍵。數(shù)字視網(wǎng)膜解決方案采用了隧道安全風(fēng)險(xiǎn)研判技術(shù)。系統(tǒng)可辨別火災(zāi)、?；奋囕v事故、車輛逆行、車輛超速、交通擁堵等15余種事故類型，對(duì)道路結(jié)冰、強(qiáng)降雨、積雪、積水、能見度不達(dá)標(biāo)等惡劣天氣影響進(jìn)行預(yù)警，及時(shí)通報(bào)風(fēng)機(jī)、燈具、火焰探測(cè)器、消防水泵、信號(hào)燈、情報(bào)板等設(shè)備的故障情況。其后，系統(tǒng)還可對(duì)識(shí)別的情況進(jìn)行級(jí)別評(píng)定，針對(duì)不同嚴(yán)重級(jí)別的情況進(jìn)行相應(yīng)的應(yīng)對(duì)處置，做到智能預(yù)警、綜合決策。（二）技術(shù)的示范效應(yīng)1、系統(tǒng)上線累計(jì)圖片處理量超過(guò)500億張，性能提高1.5倍，日均處理200萬(wàn)車輛流量和3000萬(wàn)圖片增量；2、AI賦能：內(nèi)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(chǎng)景分析，90%以上精確度覆蓋各種交通事件；3、國(guó)產(chǎn)自主可控：邊緣一體機(jī)集成鯤鵬處理器、華為昇騰AI加速卡、IoT設(shè)備物聯(lián)等國(guó)產(chǎn)自主可控產(chǎn)品；4、低成本：節(jié)省網(wǎng)絡(luò)帶寬80%、云端存儲(chǔ)50%、云端算力90%，綜合成本降低25%；5、高性能+高時(shí)效：整體運(yùn)行效率提升30%，時(shí)效性提高10倍；6、云邊協(xié)同