范昌华：AI赋能交通

苏州科达科技股份有限公司交警行业大区技术总监范昌华发表了《AI赋能交通-科达海燕系统介绍》主题演讲。

以下为范昌华演讲内容。

（苏州科达科技股份有限公司交警行业大区技术总监范昌华）

今天我给大家带来的演讲题目是《AI赋能交通--科达海燕系统》，科达海燕系统的全名叫车辆二次分析系统，这是人工智能在车辆管理方面的一方面应用，它的主要原理是采用深度学习的算法去对车辆的图片进行深度的挖掘，从而挖掘出更多的信息服务于公安、交通的一些管理。

这个产品推出来的背景，首先第一大方面是机动车保有量的增加，2016年机动车的统计数量为1.94亿，2017年已经达到2.17亿。这个数量的增加是很惊人的，车辆数量的增加之后，伴随着涉车案件的增加。由于传统的交通管理手段还是采用视频、电警卡口，传统视频的识别率正常来说不能达到99%，平均在70%、80%左右，我们按照识别率到90%来算，一个中型城市每天的过车量大概在1500万左右，每天产生10%左右的数据就达到150万，一天是150万，全年下来这个数据是很惊人的。10%左右的错误数据，对于交通管理来说还是很痛苦的。

所以，海燕二次分析系统就针对交通管理的痛点、实时的货车数据和历史的货车数据进行二次识别，它的性能目前来说能够达到识别400多种车标和5000多种细分车型，包括车头和车尾识别，还支持对一些车身细节包括遮阳板、安全带、用手机等不安全驾驶行为的识别。同时支持以图搜图，就是海燕搜索的方式，包括车标、细分车型、语义等功能。最后再结合大数据分析研判的数据模型，提供一些类似于公安的记账法的应用。

这就是海燕二次分析系统的整体架构。海燕分析系统具有三大特点，第一大特点是基于GPU的集群架构，它相对于传统的CPO来讲，我们对比过同样的配置GPU的处理速度达到每秒钟20张左右图片，CPO可能只有3张到4张左右。第二是深度学习的算法是采用多层神经网络学习的功能，可以自主的去学习，随着样本量的增加它的识别效果和识别率也会大大增强。第三方面是车辆大数据，车辆大数据我们采用的是ES大数据，相对于传统的数据库来讲它的检索速度要快很多，可以达到3000亿条数据的秒级响应。

这是传统的视频算法和深度学习算法的对比，我们可以看到，传统的方法对那些大角度不清晰的角度车辆识别效果非常差。而深度学习方法，对于大角度、模糊变形和阴阳牌，在光线效果不好的情况下，它的识别率是非常高的。

另外一方面是以图搜图，相对于传统的方法命中率是特别高的，上面最左边这张图片是原始图片，通过原始图片搜索相似的图片，按照相似的百分比去排名。这是我们的系统跟友商的对比，总过车数量为4861张，其中卡口是3538张，电警是1323张。电警测试的车辆均为有牌车辆。

海燕系统的部署方式有三种：

● 端网部署，有一个缺点是无法对接公安系统里面的数据，无法获取在车驾网的信息，从而去做一些假、套牌或者其它方面的研判。

● 专网内部二次分析的引擎做分析，将非结构化数据转为结构化数据之后传到公安网内进行比对。

●专网和公安网都部署一套，这样使用起来就更加方便一点，但是成本也相对比较高。

接下来是海燕的一些基础功能，首先第一个是地图检索，单一的海燕带有地图，但是检索这一块比如拼音首字母的智能检索、路径的检索，只能是点对点，在这个卡口到那个卡口点对点的。当然如果结合科达有的KGIS+地图，可以实现我们规划，我们可以模拟这个路来识别这个路径是怎么走的。

海燕二次分析系统的主体功能，第一是二次识别引擎，第二是搜车，第三是大数据分析研判，第四是稽查布控。第一个是把图片进行结构化分析完以后，第二块是传统的以图搜图，当然它还支持其它的一些检索方式。第三块在车辆特征识别基础上建立了一些数学分析的模型，就类似于公安的记账法，从而来实现一些大数据的分析挖掘。第四是公安交警这边有一些稽查布控的需求。

二次识别的引擎

第一二次识别的引擎，海燕二次分析系统可以识别的车辆特征是非常多的，包括行李架颜色、纸巾盒、打电话等等。总体来说，基本信息就是车牌号码、车标、细分车型、年款、车身颜色、套牌、套牌种类、车辆类别等。

细节信息可以识别年检标签、天窗、挂件、行李架、纸巾盒、污损号牌、临时号牌等。驾驶行为可以识别开车未系安全带、开车打电话、玩手机、放下遮阳板、戴口罩、抽烟等，这些都可以识别。

海燕搜车

第二块内容是海燕搜车，海燕搜车的检索条件非常多，我们可以通过语义检索，比如要搜索一辆红色的马自达或者黑色的大众轿车，可直接输入拼音首字母就可以进行检索。同时号牌、号码、时间段、车辆类别、车辆品牌、细分车型这些检索类型都可以实现。车辆类别的检索，我们可以对机动车这一块细分，包括轿车、SUV、MPV、跑车、皮卡、面包车子、小客车等等类型，非机动车可以检索自行车、电瓶车、摩托车、三轮车、行人。

基于车辆特征的以图搜图，本地上传一张图片上去，当场就可以对图片进行结构化分析，通过结构化分析的结果去以图搜图，按照图片的相似度的排名在右边这边显示出来，同时也可以手动的去选取车辆的特征，比如说这辆车是一辆嫌疑车，车辆特征是前方有一个大灯坏了，我们可以手动选取局部特征，目前可以支持8个局部特征的检索。以图搜图的效率我们实测下来，1000万的量检测出来的结果大概在1秒钟左右。这是海燕搜车的一个辅助功能，检测的结果可以手动下载下来，用于民警布控等等都可以。

车辆大数据研判

这是第一个记账法叫车辆落脚点分析，这个数学模型的原理是这辆车经过相邻的两个点，一个是A卡口、一个是B卡口。它A点之后，在B点没有出现一段时间，比如时间可以设定为两个小时，我们可以认定为这辆车的落脚点可能在A卡口左右附近。第二是隐匿车辆分析，隐匿车辆是说比如有一个案件发生之前，这辆车在这附近经常出现，但是发生之后这辆车就突然一下消失了，我们可以设定出现的次数、时间，查处隐匿的嫌疑车辆。第三是假、套牌分析，这是海燕一个比较实战的应用。

它的原理分为三点：

● 车驾管不符，我们对接平台之后发现这辆车的车牌对应的车辆信息跟检索出来的是不一样的。

● 时空分析，这个车牌同时在两个地点相差很长的时间内出现了。

● 两次识别不符，意思是说一个车牌识别出来这个车牌对应的车辆细节信息，比如说车标、年款和细节颜色信息不符，这辆车就可能是套牌车。

路径策略分析可以按照指定的路径找出指定路径的行驶车辆，它的输入条件主要是一些开始和结束时间，包括车牌和卡口，选择两个设备调整卡口的顺序。输出是在检测的时间段查询出通过卡口设备的车辆，并且时间上按卡口排列先后顺序出现的，算出符合路径的车辆，统计出车辆的过车次数。还有跟车策略，这辆车跟着那辆车经过一条路上或者很多个卡口点都经过一次，我们可以按照经过的次数进行一个频次的分析。

还有区域徘徊，就是经常在这个区域来回的徘徊活动。昼伏夜出，跟频次分析一样。还有初次入城，我们在整个城市中的实有车辆库里面都没有发现这辆车，这辆车是第一次通过外围的高速或者外围的卡口，捕获到这辆车，可以进行轨迹的跟踪。真实号牌查找，这个主要是在一车一档找出这辆车的号牌。

稽查布控

第四块是稽查布控，稽查布控公安这边用得比较多一点，因为交警有一个平台，有稽查布控的模块，我们只要把分析的数据给他做布控，在上面能够报警就可以了。批量布控、单点布控、区域布控、地图布控、无牌车布控都可以。

目前这套系统的性能指标，车牌的准确率是99%，车辆类别、品牌、颜色、天窗、挂件、临时号牌、纸巾盒、不系安全带等最低在85%以上，这些所有的指标都是有检测报告作为依据的。而且随着目前的样本量的增加，这些指标的准确值也在不断往上升。

接下来，我们看一下这套系统目前来说实际的应用案例。整个来说我们这套系统部署的地方已经很多了，包括主要是一些公安和交警用户，当然我们这边还有一些法院、交委那边也使用我们这套系统。

在苏州交警支队，当时日过车辆是120GB，经过分析的数据，每天的过车量是1200万，实现1200万车辆的实时分析。我们部署了9天查处了不系安全带和开车打电话约3000多起的行为。

同时对于假、套牌做了一些分析，破获了一些案件，这是一个实际的案件。这是厦门市公安局2014年底就上了我们这套系统，已经破获了假、套牌的涉车案件100多起。

2016年底进行了升级，主要是遮阳板、探测打电话等特征的升级，2017年的时候也服务了厦门的金砖会议。这是使用假、套牌在国道进行碰瓷，我们对其它事故车辆进行关联，发生事故的这辆车每次用的牌是不一样的，但是车辆特征是一样的，根据车辆特征是一样的把多起事故进行关联。这是用假、套牌进行暴力犯罪的，大家知道正常使用假、套牌都是会干一些坏事的，要么就是出租车用假、套牌比较多。

柳州公安局情报大队2016年上线了我们的海燕，2017年进行了升级改造。已经破获了好几起案件，第一起是“柳城县1016”伤人致死案。安全描述大概是这样的，2017年底有人打倒在地，打倒完之后就抢救无效死亡。

案发后我们形成了一个主要是驾车逃跑，逃跑完之后我们就锁定了嫌疑车辆，并根据他启动的一些轨迹使用车辆分析系统路径排查，就是说他提供的轨迹信息录入进去之后，我们检索出在这段时间内行驶同样路径的嫌疑车辆，经过排查之后找出33辆嫌疑车。再通过33辆轨迹高度符合的嫌疑车辆，发现该车的卡口轨迹数据一致之后再找现场的嫌疑人进行辨认，最终锁定了嫌疑车。

第二个是碰瓷诈骗的，他是采用了小轿车跑了，他是挂了一个假牌。我们也是通过追查他的行驶轨迹，以图搜图的功能排查嫌疑车辆，针对车辆特征进行盘查，搜出10多辆同类型的车，通过发现现代轿车的嫌疑特征完全匹配，然后找出这辆车。这是一个套牌车，然后锁定了它。

以上就是我给大家分享的内容，谢谢大家！