广州英码信息科技有限公司朱君伟

1　项目目标和概述

1.1　行业现状与挑战

当前高速公路治理上的客观难点可总结为三点，首先高速公路通车里程不断增加，随之带来的是道理监管更加困难的问题；其次是高速公路警力资源少，警力缺口大，高速公路标准警力配置为每公里0.5~1.2名巡逻交警，绝大部分城市达不到标准水平，并且夜间场景没有巡逻交警，发生问题后的处理严重滞后；第三是高速环境复杂，安全隐患突出，受恶劣天气、超速、超载等因素的影响，高速事故中重大事故占比高，伤亡较大。面对这样的现状，高速安全防控的关键在于提高道路感知以及突发事件的处理能力。积极开展智能交通管理系统的建设，最大限度地提高交通设施的利用率和交通管理的水平是非常必要的。

1.2　项目目标

公安交警智能交通管理系统是现代智能交通运输体系和智慧城市的重要组成部分，是智能交通系统得以实现的基础保证。国内的智能交通管理系统在“十二五”期间实现了点的应用和面的拓展，造就了一批国内交通自动控制制造和专业软件开发商，项目建设技术已日趋成熟。

以人工智能赋能交管实战，通过视频感知分析技术，对原有高速公路场景下路侧监控、门架监控等视频监控资源全面进行后端融合分析，实时监测并识别交通突发警情，出现道路异常警情第一时间上报指挥中心，采集道路交通车流量、排队长度等交通参数，满足交通监管部门道路警情快速识别、交通态势精准感知等实战需求。通过本系统为公安交管部门对高速路面交通管理实现全方位感知、全自研利旧、全业务增效的目标，综合提升出处警效率与指挥效果；为交通参与者提供安全、顺畅、高体验感的交通出行服务。

1.3　系统概述和价值点

作为公安交通集成指挥平台采集层（事件检测）组成部分，通过视频AI分析技术，实时监测并识别交通突发警情，针对道路异常警情第一时间上报指挥中心，实现交通态势实时感知、突发警情即时发现特色功能，解决交警指挥中心指挥调度面临的突发警情发现效率低、处置效率低，缺少自动化警情识别手段的问题，提供带有突发警情自主识别功能的软硬一体化产品，综合提升出处警效率与指挥效果。

（1）算法应用场景覆盖全，事故检测行业领先

支持高速公路场景下路侧监控、门架监控等视频监控资源进行实时视频分析，支持行人闯入、高速事故、应急停车、匝道排队、主线拥堵、服务区饱和等6类异常事件自动检测识别、查询，并进行快速上报，交管人员可通过平台查看事件详情与记录视频，进而辅助指挥调度与快速处置。其中针对事故检测，基于百万场景数据，提取10+核心判定关键要素，构建精准事故判定模型，事故检测准确率行业领先。支持包括道路断面流量、空间占有率、时间占有率、车辆密度在内的交通参数采集，满足交警部门快速掌握路况、道路警情迅速识别等实战需求。有效解决以往事件发现不及时、不准确、不详细等问题。

交通事件及交通流参数检测算法均自主研发，具备开放场景适应性，支持场景应用效果持续自学习调优。

（2）结合独特业务模型，打造场景化应用算法

结合行业应用难题，围绕应用场景研究包括环境条件、视觉条件两大类7种以上环境干扰因素以及目标遮挡、频繁过人等5种以上行为干扰因素，构建典型事件判定模型，打造场景化应用算法，全面提升业务应用效果。即时精准指挥，综合处置效率提升20%以上。

传统警情发现主要依靠人工视频巡检、122电话举报等手段，极易错失出处警有效时机，据实际项目统计，基于互联网手段出警时间间隔长达30分钟，目前基于视频实时检测分析的警情自主发现手段可有效缩短至5分钟以内，综合处置效率提升20%，真正实现快速、精准出警。

2　案例介绍

2.1　系统架构

高速异常感知系统架构采用三层框架系统结构设计，包括数据接入层、引擎服务层、平台应用层，按照分层的方式来架构，可以使各个层之间解耦合。

数据接入层：主要功能是通过各种接口协议，将高清监控视频、存储视频和离线的临时数据接入到系统核心模组进行识别和分析。通过接口协议可直接对接现有视频联网平台、电警系统、接口系统、存储系统和离线数据，也可通过对接统一视频接入平台数据总线，提取视频图像信息中行人、车辆目标信息，进行结构化解析及分析后，提取有效数据信息。

引擎服务层：主要功能是通过不同模块的相应功能，对数据接入层提交的原始数据进行数据解析、目标检测、特征分析、事件识别等算法分析服务。该层作为整个系统的核心部分，提供相关服务运行部署及监控、视频预览、任务调度、视图存储等功能，为应用层提供模块化服务支撑。

平台应用层：主要功能是通过标准化的接口定义，与应用平台进行无缝融合。由统一集成管理平台提供基础资源管理及服务监控功能，由交通视觉感知分析应用平台面向上层警情识别业务提供相关配置、预警、查询、统计及可视化功能。

2.2　系统组成

高速异常感知系统主要由五部分组成，如图1所示，分别是：前端视频采集系统、网络传输系统、高速异常感知分析引擎、统一集成管理平台和高速异常感知分析应用平台。

（1）前端视频采集系统：需要200万像素以上的路侧监控、门架监控等视频源。由视频监控设备采集道路交通视频，以视频流的方式传输到后端统一视频接入平台，作为高速异常感知分析的数据来源。

（2）网络传输系统：网络传输设备实现实时视频流接入与解码以及图像传输，提供统一视频接入网关设备，用于与已建海康、大华、宇视等主流视频平台以GB28181协议方式接入。

（3）高速异常感知分析引擎：按照应用平台配置的事件、交通流参数检测规则，通过智能算法分析交通视频流，进行交通事件、交通流参数检测及事件信息、图片上报。

（4）统一集成管理平台：实现前端设备管理、道路/路口管理、用户权限管理以及基础视频监控预览功能。

（5）高速异常感知平台：结合高速异常感知分析引擎，实现高速事故、主线拥堵、应急停车、行人闯入、匝道排队，服务区饱和等异常事件实时预警以及断面流量、空间占有率、时间占有率、车辆密度等交通流参数采集与交通态势可视化呈现功能，支持交通事件算法配置、消息查询、统计分析等基础功能。

图1 系统架构设计

硬件采用中心部署方案，接入视频分析引擎，感知端复用道路交通已建电子警察、卡口、路侧监控、高点等视频监控资源，支持与已建海康、大华、宇视等主流视频平台以GB28181协议方式接入。

2.3　网络结构

2.3.1　方案描述

高速异常感知分析一体机采用软硬一体的方式，同高速异常感知应用平台、网络传输及存储设备一起部署在监控中心机房。

统一集成管理平台为高速异常感知分析引擎配置获取视频流的URL，高速异常感知分析引擎获取到视频流后，进行实时检测分析，检测到异常事件后上报到高速异常感知应用平台。高速异常感知分析引擎进行事件检测的同时进行交通流参数信息的检测，并按照一定周期上报到高速异常感知分析应用平台。

高速异常感知分析应用平台对事件信息进行实时预警提示，并进行事件信息管理以及交通参数信息统计分析。

2.3.2　组网方式

典型组网方式如图2所示。

图2 网络架构图

高速异常感知分析引擎，主要提供以下功能：

获取视频流的同时进行分析检测，当检测到交通事件时，高速异常感知分析引擎将产生的报警信息和相关的事件图片发送给高速异常感知分析应用平台。将检测到的交通参数信息上传给高速异常感知分析应用平台。支持从视频监控平台中获取视频流分析。

2.4　核心功能设计

2.4.1　高速场景警情识别

如图3所示，针对车辆、道路异常事件实时检测分析，通过对高速公路场景下路侧监控、门架监控等视频监控以及普通视频监控等前端监控采集的视频图像信息进行实时结构化分析处理，实现高速交通事故、匝道拥堵、高速应急停车、高速行人闯入、高速服务器饱和异常等事件自动检测识别、查询，并进行快速上报，交管人员可通过高速安全保卫查看事件详情与记录视频，进而辅助指挥调度与快速处置。

图3 警情看板页，实时推送警情识别结果

（1）高速事故识别

针对高速公路场景下交通事故事件进行实时检测分析，如图4所示，支持自定义检测区域，包括行车道、应急车道等，支持单车肇事/故障、车车事故两类事故类型检测，支持事故预警消息实时推送及语音提醒，支持事件信息发送至第三方应用平台（交管大队的统一指挥平台），事故事件数据输出内容包括点位编号，事故标识，事件时间，车牌信息。

图4 典型高速事故场景

（2）主线拥堵识别

针对高速公路场景下主线拥堵事件进行实时检测分析，支持拥堵、缓行、畅通3类交通通行状态检测识别，支持拥堵事件预警消息实时推送及语音提醒，支持事件信息发送至第三方应用平台。

（3）应急停车识别

针对高速公路场景下应急停车事件进行实时检测分析，支持自定义检测区域，配置应急车道区域，支持单车异常停车、多车异常停车两类异常停车事件检测识别，支持应急停车事件预警消息实时推送及语音提醒，支持事件信息发送至第三方应用平台。

（4）行人闯入识别

针对高速公路场景下行人闯入事件进行实时检测分析，支持自定义检测区域，包括行车道、应急车道等，行人闯入事件定义为非拥堵情况下，行人出现在检测区域内，如应急车道内行走、行车道内穿越等，支持行人闯入事件预警消息实时推送及语音提醒，支持事件信息发送至第三方应用平台。

（5）匝道排队识别

针对高速公路收费站、服务区等匝道场景自定义检测区域内车辆排队事件进行实时检测分析，上报信息包含：正常、排队，2类。支持车辆排队事件预警消息实时推送及语音提醒，支持信息发送至第三方应用平台。

（6）服务区饱和分析

支持高速公路服务区自定义检测区域，自定义饱和度阈值，并根据阈值分析服务区车辆饱和度状态，上报信息包含：正常、饱和，2类。（可以通过诱导屏进行信息公示，引导司机去往别的服务区休息）

2.4.2　交通流参数检测

针对高速公路道路交通流参数进行实时检测，能够实现车流密度、空间占有率、时间占有率、断面流量等交通流参数检测。

（1）车流密度

支持单位长度的车道或道路中的车辆数量实时检测及分析。

（2）空间占有率

支持道路单位长度或空间区域内车辆空间占比检测及分析。

（3）时间占有率

支持单位时间内道路通行车辆数量占比检测及分析。

（4）断面流量

支持机动车辆包括挂车、随车吊（车上有吊杆）、大型货车、渣土车、混凝土搅拌车、栏板卡车、罐车、小型货车、皮卡车、微面（五菱宏光）、大型客车、押运车、小型客车、轿车、越野车、商务车、轻客、三轮车、工程抢修车、救援车、消防车在内21种车辆类型流量检测计数。

2.4.3　业务应用模块平台功能

（1）警情分析能力（异常预警）

系统提供异常事件自主识别与主动预警功能，当系统检测到异常事件时，可实时推送消息预警，并提供语音提醒功能，及时通知交通管理人员进行处理。

（2）事件详情

系统提供警情图片或视频存储功能，点击可查阅警情发生详情，如图5所示，支持警情事件相关行人、非机动车、机动车目标结构化信息检测与上报功能，支持警情事件发生前后30s视频回放。

图5 警情详情

（3）事件查询

系统提供包括警情条件查询、警情记录详情2项功能，警情条件查询支持按照点位名称、警情类型（多选）、自定义时间段进行警情记录查询，异常检索结果默认按照列表-详情模式展示，支持警情结果图文卡片模式切换展示。警情记录详情包括警情记录列表/图文、警情详情两部分，用于查阅警情详细信息。

（4）电子地图

系统提供实时道路警情事件上图展示功能，如图6所示，提供各类警情统计结果图表展示、实时警情列表展示、地图设备资源点位及状态展示，包括警情综合统计、警情类型分布、警情TOP5、历史警情趋势、实时警情、地图设备点位等，支持警情事件地图筛选，支持当日警情分布情况统计与排名，支持按照点位查看当日警情记录情况。

图6 警情看板-电子地图

（5）任务配置

系统提供设备资源检索、视觉检测算法配置2项功能。支持按照设备类型、配置算法（多选）、设备名称/设备编号等条件进行设备列表检索。可选择已接入视频点位自动获取当前视频点位帧图像，结合实际道路交通场景下的具体业务应用选择对应算法进行实时检测任务配置。支持通过按照当前点位视频帧图像进行算法应用场景配置，支持封闭多边形、线条等自定义检测区域及预警位置标记，支持算法检测时段自定义，支持事件持续周期及上报时间周期设置。在线且已配置算法设备支持检测任务的单项启动、批量启动、批量停止和批量重启等操作，在线设备支持实时视频查看操作。

2.4.4　系统基础模块平台功能

统一集成管理平台用于支撑高速异常感知分析应用平台操作所需的系统设置，包括路口管理、设备管理、算法管理、资源管理、日志管理、服务监控等。

（1）路口管理

本功能主要实现对路口名称、路口编码、路口类型、所属道路、进口方向及实际经纬度信息进行管理。

（2）设备管理

本功能主要用于门架监控，路侧监控等普通视频监控等视频分析前端设备基础信息管理，包括设备ID、名称、所属资源、设备厂商、设备类型、接入方式、路口路段信息、资产信息等。

（3）算法管理

本功能主要实现对异常事件及交通参数算法授权及其他管理，支撑上层的业务应用。

（4）资源管理

本功能主要实现系统资源的管理，包括服务器节点、算力资源及数据实例等的管理。

（5）日志管理

本功能主要对系统的所有操作进行实时跟踪记录，确保所有经授权或未经授权的活动都留有痕迹，以提高系统的安全性，为操作审计留下线索。系统日志内容包括操作用户、所属部门、IP地址、操作模块、操作内容、操作时间等。

（6）服务监控

本功能主要实现交通视觉感知分析引擎硬件环境状态及AITS相关服务监控功能，包括GPU、CPU、内存、存储剩余状态监控以及引擎相关rmmt、vas、vss、wmfs、wmits、wmvs服务运行状态监控，确保系统稳定运行，支持引擎服务一键重启。

2.5　部署方案

2.5.1　异常事件检测算法

包括高速事故、应急停车、匝道排队、行人闯入、主线拥堵、服务区饱和6类交通事件检测算法外场选点规范：

（1）适用于高速公路场景下路侧监控、门架监控等视频监控资源，建议为星/黑光级日夜全彩摄像机。

（2）输入视频图像的质量应达到GB50198-2011中描述的4级及以上。

（3）视频画面满足200万像素及以上，视频拍摄方位与行车道倾斜角度≤40°，覆盖实际场景检测范围约50米以内。

（4）视频画面目标大小满足：车辆目标，宽≥60px；高≥60px；行人目标，宽≥40px；高≥80px；非机动车目标，宽≥40px；高≥40px。

（5）部分算法及点位需结合实际道路交通流特点，参考专家经验模型进行选点。

2.5.2　流量参数检测算法

（1）适用于出口道电子警察视频监控，建议为星/黑光级日夜全彩摄像机。

（2）输入视频图像的质量应达到GB50198-2011中描述的4级及以上。

（3）视频画面满足200万像素及以上。

3　代表性及推广价值

本项目运用AI视觉识别技术，实现了更高效的交通流量实时监测和分析、更精准的事故检测与有效管理。极大地提升了交通管理的安全性、效率和准确性，通过实时监测和分析交通流量、识别违规行为、优化信号控制等，有效缓解了交通拥堵，提高了道路通行能力，同时降低了人工监控的成本，为智慧城市的构建提供了强有力的技术支撑。方案已在多个项目验证，具备较高成熟度，可大量复制到不同城市的交通管理中，提升交通智能化程度，为社会带来更安全和更顺畅的通行效果，提升经济效益。

摘自《自动化博览》2025年2月刊