徐奧林呂潭呂婷張斌斌

1.安徽科力信息產(chǎn)業(yè)有限責(zé)任公司；

2.城市交通管理集成與優(yōu)化技術(shù)公安部重點(diǎn)實(shí)驗(yàn)室；3.安徽省智能交通重點(diǎn)實(shí)驗(yàn)室

隨著經(jīng)濟(jì)社會(huì)快速發(fā)展，機(jī)動(dòng)車(chē)和非機(jī)動(dòng)車(chē)數(shù)量迅速增長(zhǎng)，隨之而來(lái)的交通事故也不斷攀升，特別是以電動(dòng)車(chē)為代表的非機(jī)動(dòng)車(chē)違法行為普遍存在，既危及交通安全，也嚴(yán)重影響文明城市形象，社會(huì)各界強(qiáng)烈呼吁要求加強(qiáng)非機(jī)動(dòng)車(chē)的治理管控，而當(dāng)前對(duì)非機(jī)動(dòng)車(chē)的管理還停留在現(xiàn)場(chǎng)查糾模式，雖投入大量警力，但管控范圍、管理時(shí)段有限，成效不明顯，迫切需要探索管理新模式。本論文旨在利用人工智能識(shí)別技術(shù)，通過(guò)人臉識(shí)別、號(hào)牌識(shí)別、視頻分析自動(dòng)檢測(cè)非機(jī)動(dòng)車(chē)闖紅燈、占用機(jī)動(dòng)車(chē)道、逆向行駛、載人等多種應(yīng)用場(chǎng)景違法行為，確認(rèn)非機(jī)動(dòng)車(chē)號(hào)牌及駕駛?cè)藛T，通過(guò)聲光警示系統(tǒng)、違法曝光平臺(tái)、社區(qū)聯(lián)動(dòng)機(jī)制等手段實(shí)現(xiàn)對(duì)非機(jī)動(dòng)車(chē)交通違法行為的精準(zhǔn)治理管控。

隨著城市規(guī)模的擴(kuò)大和人口的不斷增加，電動(dòng)車(chē)成為人們正常出行生活中必不可少的交通工具，而電動(dòng)車(chē)數(shù)量多、車(chē)速快、騎行隨意、難以管理等特性給交通出行安全帶來(lái)很大安全隱患。因此，提升非機(jī)動(dòng)車(chē)駕駛?cè)藛T的文明守法意識(shí)、加強(qiáng)非機(jī)動(dòng)車(chē)駕駛員安全駕駛的監(jiān)管成為交通治理工作中的重要環(huán)節(jié)。在交通治理過(guò)程中，管理部門(mén)投入大量警力資源到各個(gè)路口進(jìn)行現(xiàn)場(chǎng)治理，雖投入大量警力，但管控范圍、管理時(shí)段有限，成效不明顯。一方面難以全面覆蓋各個(gè)路口，無(wú)法起到持續(xù)性廣泛性的震懾作用；另一方面對(duì)于現(xiàn)場(chǎng)執(zhí)法的成效也很難做出精準(zhǔn)的評(píng)價(jià)，迫切需要探索管理新模式，實(shí)現(xiàn)非機(jī)動(dòng)車(chē)的有效管理，減少事故和傷亡人數(shù)，基于這種背景提出利用人工智能技術(shù)賦能非機(jī)動(dòng)車(chē)治理管控。

1 總體思路

本項(xiàng)研究的總體思路為利用AI識(shí)別技術(shù)通過(guò)人臉識(shí)別、號(hào)牌識(shí)別、視頻分析，自動(dòng)檢測(cè)非機(jī)動(dòng)車(chē)違法行為、確認(rèn)非機(jī)動(dòng)車(chē)號(hào)牌及駕駛?cè)藛T，從而治理管控非機(jī)動(dòng)車(chē)交通違法。主要解決非機(jī)動(dòng)車(chē)闖紅燈、占用機(jī)動(dòng)車(chē)道、逆向行駛、載人等多種應(yīng)用場(chǎng)景的治理管控，首先利用視頻專(zhuān)網(wǎng)內(nèi)卡口和反向電警設(shè)備，通過(guò)AI識(shí)別獲取非機(jī)動(dòng)車(chē)號(hào)牌和駕駛員人臉圖片，其次通過(guò)時(shí)間、位置關(guān)聯(lián)自動(dòng)識(shí)別違法行為并與公安網(wǎng)內(nèi)非機(jī)動(dòng)車(chē)登記系統(tǒng)和臉譜平臺(tái)比對(duì)確認(rèn)非機(jī)動(dòng)車(chē)和駕駛?cè)藛T信息，最后將違法取證信息與聲光報(bào)警系統(tǒng)、違法曝光平臺(tái)對(duì)接發(fā)布，并建立社區(qū)聯(lián)動(dòng)機(jī)制，實(shí)現(xiàn)非機(jī)動(dòng)車(chē)綜合治理管控。

2 研究?jī)?nèi)容

2.1 數(shù)據(jù)來(lái)源

論文中數(shù)據(jù)來(lái)源為路口路段電警視頻、普通卡口/人臉卡口、公安人口庫(kù)、非機(jī)動(dòng)車(chē)管理系統(tǒng)、外賣(mài)騎手運(yùn)營(yíng)商平臺(tái)等，獲取非機(jī)動(dòng)車(chē)駕駛員違法行駛視頻數(shù)據(jù)、非機(jī)動(dòng)車(chē)號(hào)牌、人員身份信息、非機(jī)動(dòng)車(chē)車(chē)輛信息等，并通過(guò)后臺(tái)上傳違法數(shù)據(jù)信息給其他業(yè)務(wù)平臺(tái)。

2.2 非機(jī)動(dòng)車(chē)號(hào)牌識(shí)別技術(shù)

基于獲取的大量電警卡口視頻數(shù)據(jù)實(shí)現(xiàn)號(hào)牌識(shí)別算法的迭代優(yōu)化[1]，算法流程主要包括收集訓(xùn)練樣本和標(biāo)定樣本數(shù)據(jù)（非機(jī)動(dòng)車(chē)標(biāo)定了約3000張，車(chē)牌標(biāo)定了約10000張，號(hào)牌標(biāo)定了約30000張），通過(guò)算法訓(xùn)練平臺(tái)進(jìn)行迭代訓(xùn)練，不斷提高非機(jī)動(dòng)車(chē)號(hào)牌識(shí)別準(zhǔn)確率。

非機(jī)動(dòng)車(chē)號(hào)牌識(shí)別算法是在收集到非機(jī)動(dòng)車(chē)行駛樣本視頻和圖片后，基于A(yíng)I算法平臺(tái)，通過(guò)對(duì)非機(jī)動(dòng)車(chē)號(hào)牌及行駛視頻特征值訓(xùn)練，實(shí)現(xiàn)對(duì)非動(dòng)車(chē)號(hào)牌的識(shí)別及抓拍。非機(jī)動(dòng)車(chē)號(hào)牌視頻、圖片來(lái)源為不同場(chǎng)景多個(gè)道路的非機(jī)動(dòng)車(chē)行駛視頻。

將優(yōu)化的非機(jī)動(dòng)車(chē)號(hào)牌識(shí)別算法導(dǎo)入到前端電警卡口設(shè)備或者終端服務(wù)器上，更新驗(yàn)證算法。

通過(guò)長(zhǎng)時(shí)間不斷的訓(xùn)練完善非機(jī)動(dòng)車(chē)號(hào)牌識(shí)別算法，提高識(shí)別準(zhǔn)確率。

2.3 基于智能識(shí)別技術(shù)的非機(jī)動(dòng)車(chē)管控應(yīng)用

2.3.1 非機(jī)動(dòng)車(chē)占道行為治理管控應(yīng)用

利用人工智能識(shí)別技術(shù)，結(jié)合先前已經(jīng)設(shè)定的車(chē)道屬性判斷車(chē)輛是否存在違法占用車(chē)道行駛的交通違法行為[2]。當(dāng)有車(chē)輛進(jìn)入視頻檢測(cè)區(qū)域（此區(qū)域?yàn)榭焖俾返冉狗菣C(jī)動(dòng)車(chē)行駛道路區(qū)域）時(shí)，后方電警相機(jī)識(shí)別非機(jī)動(dòng)車(chē)號(hào)牌信息，抓拍圖片，同時(shí)前方人臉卡口抓拍人臉圖片，通過(guò)時(shí)間和位置的聯(lián)動(dòng)性，將同一時(shí)間同一區(qū)域的號(hào)牌和人臉圖片合成圖片，與非機(jī)動(dòng)車(chē)管理系統(tǒng)和人口臉譜平臺(tái)作比對(duì)，確定駕駛員信息和車(chē)輛信息。

對(duì)于確認(rèn)的非機(jī)動(dòng)車(chē)和駕駛?cè)藛T，主要通過(guò)以下三種方式進(jìn)行精準(zhǔn)治理管控應(yīng)用[3]。

(1)違法占道警示系統(tǒng)，當(dāng)非機(jī)動(dòng)車(chē)違法占道時(shí)，利用太陽(yáng)能發(fā)光道釘和高音喇叭語(yǔ)音提示進(jìn)行聲光警告，提醒非機(jī)動(dòng)車(chē)及時(shí)回歸非機(jī)動(dòng)車(chē)道；(2)違法曝光發(fā)布平臺(tái)，對(duì)系統(tǒng)抓拍的違法圖片，通過(guò)違法曝光平臺(tái)在媒體、路口大屏進(jìn)行發(fā)布；(3)社區(qū)聯(lián)動(dòng)機(jī)制，對(duì)確認(rèn)的違法行為人或非機(jī)動(dòng)車(chē)車(chē)主，由轄區(qū)交警大隊(duì)聯(lián)系其所在社區(qū)，并由社區(qū)工作人員通知當(dāng)事人到交警大隊(duì)接受教育、處罰。違法占道治理管控業(yè)務(wù)應(yīng)用模型如圖1所示。

圖1 違法占道治理管控業(yè)務(wù)應(yīng)用模型Fig.1 Application model of illegal road occupation governance and control business

2.3.2 非機(jī)動(dòng)車(chē)闖紅燈行為治理管控應(yīng)用

研究基于A(yíng)I的非機(jī)動(dòng)車(chē)闖紅燈自動(dòng)判別和管控，在識(shí)別算法方面與違法占道行為治理管控模型類(lèi)似，后方電警相機(jī)識(shí)別非機(jī)動(dòng)車(chē)號(hào)牌信息并抓拍，同時(shí)前方人臉卡口抓拍人臉，通過(guò)時(shí)間和位置的聯(lián)動(dòng)性，將同一時(shí)間同一區(qū)域的號(hào)牌和人臉圖片合成一張圖片，保存至前端相機(jī)；在闖紅燈行為判別中，利用軌跡提取法提取非機(jī)動(dòng)車(chē)的運(yùn)動(dòng)軌跡以此來(lái)判斷非機(jī)動(dòng)車(chē)是否存在闖紅燈違法行為[4]。

對(duì)于確認(rèn)的非機(jī)動(dòng)車(chē)闖紅燈人員主要通過(guò)以下兩種方式進(jìn)行精準(zhǔn)治理管控：(1)非機(jī)動(dòng)車(chē)闖紅燈行為曝光，通過(guò)后端平臺(tái)在網(wǎng)絡(luò)媒體、手機(jī)端或是發(fā)布屏通報(bào)；(2)與非機(jī)動(dòng)車(chē)闖紅燈人員所在社區(qū)實(shí)現(xiàn)聯(lián)動(dòng)，由確認(rèn)的闖紅燈人員所在轄區(qū)交警大隊(duì)聯(lián)系其所在社區(qū)，由社區(qū)工作人員通知其到交警大隊(duì)接受教育、處罰。闖紅燈治理管控業(yè)務(wù)應(yīng)用模型如圖2所示。

圖2 闖紅燈治理管控業(yè)務(wù)應(yīng)用模型Fig.2 Red light running management and control business application model

2.3.3 非機(jī)動(dòng)車(chē)逆向行駛行為治理管控應(yīng)用

當(dāng)有車(chē)輛進(jìn)入視頻檢測(cè)區(qū)域時(shí)，利用AI識(shí)別技術(shù)對(duì)非機(jī)動(dòng)車(chē)輛行駛軌跡進(jìn)行跟蹤分析，根據(jù)行駛軌跡方向和車(chē)道正確的行駛方向判斷車(chē)輛是否存在逆行交通違法行為。若有逆行行為，則車(chē)輛后方電警和前方人臉卡口分別抓拍非機(jī)動(dòng)車(chē)號(hào)牌和人臉圖片，通過(guò)后臺(tái)將非機(jī)動(dòng)車(chē)號(hào)牌和人臉合成圖片，同時(shí)在非機(jī)動(dòng)車(chē)管理系統(tǒng)和人口臉譜平臺(tái)作比對(duì)確定逆行人員相關(guān)信息和非機(jī)動(dòng)車(chē)信息[5]。

對(duì)于非機(jī)動(dòng)車(chē)逆向行駛?cè)藛T的精準(zhǔn)治理管控主要是包括公開(kāi)通報(bào)、社區(qū)勸導(dǎo)和交警教育、處罰等方式，實(shí)現(xiàn)對(duì)非機(jī)動(dòng)車(chē)逆向行駛行為的警示、曝光和批評(píng)，起到威懾作用，提高非機(jī)動(dòng)車(chē)駕駛?cè)税踩{駛意識(shí)和危險(xiǎn)防范意識(shí)，降低違法行為發(fā)生率。逆向行駛治理管控業(yè)務(wù)應(yīng)用模型如圖3所示。

圖3 逆行治理管控業(yè)務(wù)應(yīng)用模型Fig.3 Retrograde governance management and control business application model

2.4 違法數(shù)據(jù)統(tǒng)計(jì)分析和宣傳監(jiān)管應(yīng)用

對(duì)違法和事故高發(fā)時(shí)間、高發(fā)地點(diǎn)、駕駛員違法頻率等進(jìn)行統(tǒng)計(jì)分析，并深入分析高發(fā)原因和開(kāi)展實(shí)地調(diào)研，一方面用于道路管理決策；另一方面對(duì)于高頻違法人員進(jìn)行針對(duì)性宣傳教育，提高安全駕駛意識(shí)，精準(zhǔn)治理非機(jī)動(dòng)車(chē)輛[6]。

2.5 下一步研究應(yīng)用方向

下一步將與外賣(mài)、共享單車(chē)等平臺(tái)對(duì)接，通過(guò)運(yùn)營(yíng)商實(shí)現(xiàn)對(duì)外賣(mài)、共享單車(chē)駕駛員共同監(jiān)督和管理[7]，對(duì)于違法情況嚴(yán)重的駕駛?cè)丝梢越档推湔餍欧謹(jǐn)?shù)，實(shí)現(xiàn)全面治理管控非機(jī)動(dòng)車(chē)的目標(biāo)。

3 結(jié)語(yǔ)

通過(guò)本文應(yīng)用可以改變傳統(tǒng)現(xiàn)場(chǎng)攔截非機(jī)動(dòng)車(chē)的業(yè)務(wù)模式，實(shí)現(xiàn)了非機(jī)動(dòng)車(chē)治理的精細(xì)化、智能化、全面化，對(duì)非機(jī)動(dòng)車(chē)違法駕駛員起到了很好的教育督導(dǎo)作用，可以規(guī)范非機(jī)動(dòng)車(chē)駕駛行為，有效降低非機(jī)動(dòng)車(chē)的違法行為和事故率，順應(yīng)了交通管理的未來(lái)發(fā)展趨勢(shì)，具有較大的應(yīng)用研究?jī)r(jià)值。

引用

[1] 路雪,劉坤,程永翔.一種深度學(xué)習(xí)的非機(jī)動(dòng)車(chē)輛目標(biāo)檢測(cè)算法[J].計(jì)算機(jī)工程與應(yīng)用,2019,55(8):182-188.

[2] 葉佳林,蘇子毅,馬浩炎,等.改進(jìn)YOLOv3的非機(jī)動(dòng)車(chē)檢測(cè)與識(shí)別方法[J].計(jì)算機(jī)工程與應(yīng)用,2012,57(1):194-199.

[3] 江一凡.深圳市非機(jī)動(dòng)車(chē)交通安全管理方法研究[J].交通企業(yè)管理,2020,35(1):97-99.

[4] 徐倩.GB 17761-2018《電動(dòng)自行車(chē)安全技術(shù)規(guī)范》解讀[J].中國(guó)質(zhì)量技術(shù)監(jiān)督,2019(3):63-65.

[5] 王志瑞,閆彩良.圖像特征提取方法的綜述[J].吉首大學(xué)學(xué)報(bào)(自然科學(xué)版),2011,32(5):43-47.

[6] 韓超.電動(dòng)自行車(chē)交通安全法律規(guī)制[J].環(huán)球市場(chǎng)信息導(dǎo)報(bào),2017(37):139.

[7] 方恩升.城市電動(dòng)自行車(chē)治理的困境解讀與破解路徑[J].經(jīng)濟(jì)與社會(huì)發(fā)展,2017(5):25-31.