才 智

（遼寧艾特斯智能交通技術有限公司，遼寧 沈陽110166）

1 引言

長智慧高速［1］是將專線網絡、交通數(shù)據、業(yè)務響應賦予高效智能，創(chuàng)新驅動業(yè)務數(shù)字化轉型，進一步支撐集團數(shù)字化轉型戰(zhàn)略落地，是集團數(shù)字化轉型先行先試的代表，實現(xiàn)高速公路產業(yè)數(shù)字化和數(shù)字化產業(yè)，提升效率及效益。

智慧高速將是交通企業(yè)數(shù)字化轉型的載體，成為數(shù)字化轉型重要示范。一是產業(yè)數(shù)字化：將信息化系統(tǒng)進行全網連接、梳理數(shù)據、優(yōu)化流程，融入新一代信息技術，提供全景化的管控服務，支持智能化的決策，實現(xiàn)管理效率提升。二是數(shù)字產業(yè)化：建設覆蓋全省、高效應用、數(shù)據賦能的交通大數(shù)據共享平臺，積極開展數(shù)據產品和開放共享業(yè)務，依托智慧大腦實現(xiàn)救援商業(yè)化，運維商業(yè)化等，實現(xiàn)經濟效益提升。

2 智慧高速公路的核心

2.1 建設智慧高速公路的必要性

賦予高速公路智慧的必要性有以下四點。

一是解決 “反射弧長” 問題：在每日千萬級數(shù)據增長的業(yè)務背景下迫切亟需提高效率。

二是解決 “人海戰(zhàn)術” 問題：運營管理、指揮調度、應急救援、出行服務等業(yè)務工作中大量的較簡單重復性腦力勞動有待被解放出來。

三是解決 “數(shù)據沉睡” 問題：省域大量的抓拍圖片和視頻、入出口交易、門架交易、路面磨損、路段流量、路段鄰接關系、濕滑系數(shù)、溫濕度、交通事件等類型數(shù)據沒有利用大數(shù)據信息平臺很好整合利用起來［2］。

四是向科學決策提供 “炮彈” ：將信息化和智能化應用于運營、養(yǎng)護、服務和監(jiān)管等各個環(huán)節(jié)，在全要素感知的基礎上基于邏輯推理、案例推理、專家經驗、強化學習、高級人機交互等實現(xiàn)智能決策和智能協(xié)同。

2.2 業(yè)務角度的智慧核心

業(yè)務角度的智慧核心是指利用分布式存儲架構、算力資源、IoT、深度學習、強化學習等技術，建立一套對內管理和對外服務的平臺，如圖1所示。該平臺一是向內為高速公路管理部門提供智能化管理服務，實現(xiàn)精準保暢（擁堵預警、事件處置）、增加營收（智慧稽核）、降低成本（精準養(yǎng)護、節(jié)能）、提升服務（智能客服、提高通行收費站流量、減少通行收費站時間）等覆蓋收費、養(yǎng)護、機電、服務區(qū)核心業(yè)務的需求；二是向外為選擇高速公路出行的車輛提供安全順暢的交通保障，實現(xiàn)平均車速提升、伴隨式通行服務和預警等通行車輛安全快捷需求。智慧核心即輔助完成采集、分析和挖掘高速公路的客觀規(guī)律和有效信息、高速公路的智慧運營和科學決策的基礎保障、高速公路安全性和暢通性的提升，高速公路服務能力和水平的完善等。

圖1 智慧高速的業(yè)務核心

2.3 技術角度的智慧核心

技術角度的智慧的核心是整合數(shù)據倉庫、數(shù)據挖掘、機器知覺 （圖像、視頻、語音）、知識表示、故障診斷、自動推理、自動規(guī)劃、進化計算、深度學習、自然語言理解、語義分割、決策支持、專家系統(tǒng)等類人腦的通用人工智能技術（Strong AI），基于高速公路全要素感知物理基礎（公路主體及附屬設施監(jiān)測、交通運行狀態(tài)監(jiān)測、公路氣象環(huán)境監(jiān)測）的 “神經元或神經組織” 進行類似高等生物所具有高級創(chuàng)造思維能力，如圖2所示。智慧高速的能力包含對高速公路的感知、記憶、理解、分析、聯(lián)想、邏輯、辨識、計算、判斷、決策、推理、經驗學習、高級人機交互等多種能力。而上述能力目前主要依托于云端邊架構的計算資源［3］。

圖2 智慧高速的技術核心

基于文獻［4］不難看出，尤其是人工智能技術的快速發(fā)展和算力資源的支持，智慧高速公路的建設的核心在不斷進化。

3 智慧高速核心的思考與設計

3.1 智慧高速要解決的關鍵問題

建設智慧高速需解決的關鍵問題有以下幾點。

（1）覆蓋高速公路全業(yè)務領域知識和多源異構的海量數(shù)據存儲和分析；

（2）多維出行信息的高效快速融合技術；

（3）基于深度學習、強化學習等算法來輔助人員高效獲取業(yè)務領域知識和特征；

（4）與非網聯(lián)車、網聯(lián)車、自動駕駛車等分別合理實現(xiàn)準閉環(huán)和閉環(huán)交互，提升綜合出行服務；

（5）研究動態(tài)多維度高速公路出行數(shù)據可視化方法，分析大規(guī)模、多維度、動態(tài)演化的高速公路管理信息；

（6）基于智慧大腦的算力、智力、學習能力找出未來的業(yè)務效益增長點和經營成本壓縮空間、預測未來的業(yè)務趨勢和潛在風險。

3.2 體現(xiàn)智慧高速的核心功能

3.2.1 數(shù)據中臺

目前遼寧省高速公路產生的數(shù)據已經達到PB級的規(guī)模，數(shù)據類型的種類也日益復雜，必須借助計算機群集采用新型的處理方式對數(shù)據進行統(tǒng)計、比對、解析以得到更具有洞察力的結果。

智慧高速的機器學習類的分析工作負載極為多樣化。在實踐中要服務需要許多不同類型的模型。這種多樣性對數(shù)據中臺堆棧中的所有層都有影響。此外數(shù)據中臺上存儲的所有數(shù)據中，相當大一部分流經機器學習管道，這在將數(shù)據傳遞到高性能分布式訓練數(shù)據流中提出了重大挑戰(zhàn)。對計算的要求也很苛刻，需要充分利用GPU和CPU平臺進行培訓，并利用豐富的CPU能力進行實時推理。

3.2.2 AI算法中臺

一是傳統(tǒng)結構化數(shù)據分析算法引擎。以稽核逃費為例，由于遼寧省高速公路中偷逃通行費的行為次數(shù)占全部海量收費數(shù)據的比例還是很小的。在用隨機森林或者SVM等分類器直接進行分類訓練時會導致分類精度無法滿足稽查要求。傳統(tǒng)的方法是通過采用過采樣和欠采樣等手段，但是會對模型帶來一定的負面作用。

二是圖像、視頻和語音的分析引擎。隨著遼寧省高速公路路網安裝布設的高清攝像頭數(shù)據和布局飽和度逐漸增大，相應的大量抓拍圖像和攝錄視頻成為實現(xiàn)智慧核心的重要手段之一。

三是語義分析智能對話引擎。對話引擎核心問題是自然語言處理（natural language processing，NLP），由于語言的固有時序特征，自然語言處理問題都是序列化的。引擎的業(yè)務知識需要系統(tǒng)全面覆蓋收費通行介質、車型判別、路徑判別、優(yōu)免政策判別、操作規(guī)程、稽核管理、養(yǎng)護維修、監(jiān)控照明、通信能耗等日常營運事務。

3.2.3 數(shù)據倉庫和BI

數(shù)據倉庫負責整合信息孤島，從全局角度尋優(yōu)；改善判斷合理性，找出本質的業(yè)務缺陷；基于歷史規(guī)律科學中長期預判；幫助企業(yè)開源和節(jié)流增加利潤；幫助企業(yè)進行風險預警；提高員工的工作效率，化數(shù)據為經濟效益。

由于遼寧省高速公路的監(jiān)控和管理信息十分復雜和龐大，而且高速公路又具有特定的地理位置信息特點，采用支持含有地理信息的數(shù)據可視化技術呈現(xiàn)數(shù)據挖掘和商業(yè)智能分析的結果，用 “視覺語言” 實現(xiàn)與管理人員的高級人工交互。

3.2.4 多源數(shù)據融合平臺

多源數(shù)據融合平臺研究著重于繪制時空模式并利用多源數(shù)據檢測交通擁堵的潛在驅動因素。首先，基于從在線地圖上獲取的實時交通數(shù)據，應用聚類算法對擁擠道路的時空分布進行分類。然后，挖掘每種時空模式的潛在因素。分析多源數(shù)據提煉出區(qū)域內道路和區(qū)域間道路的多種擁堵模式和事件高發(fā)路段特征。此外，多源數(shù)據在融合時要考慮到不同數(shù)據的采樣頻率不一致的多采樣率特征。

3.2.5 高速公路業(yè)務能力

智慧大腦在數(shù)據中臺、AI算法中臺、數(shù)據倉庫/BI、多源數(shù)據融合平臺的 “必修課” 基礎之上，對于應急指揮調度、動態(tài)路網交通管控服務、路網態(tài)勢分析預測預警、精準綜合養(yǎng)護決策服務等 “必修課” 具有理解、學習和輔助交通管理人員執(zhí)行的智力任務的能力。治理任務指基于高速公路相關精確全面數(shù)據、系列數(shù)據分析模型、專家業(yè)務知識庫、既往管理經驗庫等，利用知識規(guī)則和邏輯推理向外輸出感知智能、認知智能、決策智能、協(xié)同智能的能力。

3.3 智慧的關鍵技術實現(xiàn)

3.3.1 數(shù)據倉庫

數(shù)據倉庫是交通企業(yè)集團級數(shù)據倉庫，其目的是支持對從異構數(shù)據源收集的數(shù)據進行分析，對存儲在大數(shù)據系統(tǒng)中的數(shù)據進行分析。企業(yè)使數(shù)據倉庫數(shù)據和方案適應業(yè)務需求以及數(shù)據源變化的問題。此外，還需開發(fā)創(chuàng)新的方法來提出一種數(shù)據倉庫架構，該架構可以執(zhí)行各種類型的分析任務，包括類似OLAP的分析，從多個具有不同延遲的異構數(shù)據源加載的大數(shù)據上，并且能夠處理數(shù)據源的變化以及不斷變化的分析要求。該體系結構的操作粒度基于元數(shù)據。

3.3.2 數(shù)據挖掘

數(shù)據挖掘（data mining）的總體目標是從高速公路大數(shù)據集中提取信息，并將其轉換成可理解的結構，以進一步使用。擁塞模式的分類在交通規(guī)劃和管理的策略評估，數(shù)據庫設計到預測和實時控制許多領域都很重要。應用機器學習技術進行分類的關鍵限制之一是具有清晰且無可爭議的標簽（例如標簽）的足夠數(shù)據（交通模式）的可用性以及對照現(xiàn)實物理含義的流量模式。

最重要的是使用基于區(qū)域的特征向量的分類器在其決定模式分類的決策中獲得相應的平均置信度，這決定特征向量空間是否高度可分離。

3.3.3 機器知覺

機器知覺包括計算機視覺、計算機聽覺（聲場和事件的檢測和分類）。

首先，采用計算機視覺技術面向293處收費站、1857條車道、71對服務區(qū)、694處門架的圖像、視頻數(shù)據，檢測出各種類型車輛，或者用與判斷并選擇出具體車輛等，應用在自動化在線對交通流進行監(jiān)視與定位。視覺系統(tǒng)主要用在目標檢測和事件檢測方面，包括用于提高運營效率、事件檢測、車輛的分類和屬性也集成于檢測功能中。

第二，計算機聽覺（聲場和事件的檢測和分類），一是計算環(huán)境音頻分析任務包括：聲場分類、聲音事件檢測和定位、音頻標記、現(xiàn)實應用中的挑戰(zhàn)（例如，罕見事件，重疊聲音事件，弱標簽）；二是計算環(huán)境音頻分析的方法包括：信號處理方法、機器學習方法、聽覺激勵方法、跨學科方法。三是計算環(huán)境音頻分析的資源包括：應用程序和評估、公開可用的數(shù)據集或軟件、分類法和本體、評估程序、應用領域、提交給高速公路各業(yè)務系統(tǒng)的描述。

3.3.4 知識表示

知識表示和推理是以計算機系統(tǒng)可以用來解決諸如診斷交通狀況或顯示對話框之類的形式來表示高速公路通行態(tài)勢有關的信息。知識表示法結合了如何解決問題和表示知識的發(fā)現(xiàn)，以便設計知識表示形式，使復雜的系統(tǒng)更易于設計和構建。知識表示和推理還結合了邏輯發(fā)現(xiàn)，為后續(xù)實現(xiàn)各種自動化推理如規(guī)則的應用或集與子集的關系奠定基礎。

3.3.5 自動推理

自動化推理是計算機科學（涉及知識表示和推理）和形而上學的一個領域，自動推理的研究有助于生成允許計算機完全或幾乎完全自動推理的計算機程序。

自動推理的工具和技術包括經典邏輯和計算，模糊邏輯，貝葉斯推理，具有最大熵的推理和許多非正式形式的臨時技術。

3.3.6 深度學習

深度學習（也稱為深度結構化學習）是基于帶有表示學習的人工神經網絡的更廣泛的機器學習方法系列的一部分。車路協(xié)同最重要的任務之一是車輛交通狀態(tài)和前后交通流檢測，可為駕駛員提供道路上交通標志的全局視圖。檢測應用程序應該能夠檢測和了解每個車輛的行駛狀態(tài)。為此需使用深度學習技術來處理視覺數(shù)據。這些視覺數(shù)據是在實際環(huán)境條件下從高速公路上捕獲的。而且深度學習之后的程序要求輕量級模型大小和快速的推理速度，保證可以輕松地將其用于路側單元的嵌入式實現(xiàn)。

3.3.7 決策支持

決策支持系統(tǒng) （Decision Support Systems，簡稱DSS），是協(xié)助進行商業(yè)級或組織級決策活動的信息系統(tǒng)。DSS一般面向中高層面管理，服務于組織機構內部管理、操作和規(guī)劃級的決策，幫助決策者對快速變化并且很難提前確定的問題進行決策，通常是非結構化（Non-structured）和半結構化（Semi-structured）的決策問題。決策支持系統(tǒng)針對常規(guī)簡單任務采用自動化處置模式，針對復雜特殊情況采用人工交互介入決策的處置模式。

3.3.8 專家系統(tǒng)

專家系統(tǒng)具有優(yōu)于人類專家的優(yōu)勢，例如可訪問性，一致性，時間限制，穩(wěn)定性和效率，主要包含基于規(guī)則、基于知識、神經系統(tǒng)、模糊以及交通建模等方式。在交通工程中，諸如柔性路面，剛性路面，混合設計混凝土交通緩和，路面評估和修復，路面維護，交通燈控制，交通事故，高速公路幾何設計等專家系統(tǒng)方法論和實施的發(fā)展方向是必要的。專家系統(tǒng)使工程師能夠分析、確定和定制信息，以在決策過程中為相關方提供幫助。還可以結合不斷發(fā)展的技術和方法開發(fā)更復雜的模型。

4 結束語

智慧高速的價值在于通過感知所有環(huán)節(jié)、服務所有流程、全過程管控、全數(shù)字運營、全業(yè)務協(xié)同，實現(xiàn)運營監(jiān)測自動化、指揮調度智能化、生產運營數(shù)字化、決策管理精準化、人民出行品質化。