3月28日，中国公路学会养护与管理养护与管理分会第十二届学术年会在杭州正式召开。会上，时空智能基础设施公司千寻位置网络有限公司（以下简称“千寻位置”）对外全面展示了“北斗+AI”道路智能巡检系统——千寻驰观。该系统结合北斗+AI技术，挑战道路病害“0漏检、0重检”，打造“实用”级别的道路智能巡检系统。
大规模道路养护时代，道路智能巡检正成为各地积极探索的新工具。根据赛文交通网的调研，当前道路智能巡检技术应用以AI为主，整体处于早期阶段，“识别精度不高、采集数据不准、与实际应用尚存在距离”等反馈在业内频频出现。
（千寻驰观道路智能巡检系统整体架构）
针对行业痛点，千寻驰观深度整合时空智能、视觉智能、边缘计算等高新技术能力，持续迭代，通过“车道级”目标位置估计、像素级面积计算、病害+路产联合识别等多项产品功能，显著提升道路巡检作业效率，降低作业人力成本。据了解，该系统日均产生55万张照片，达到人工目检测的近40倍，道路病害召回率和准确率分别高达95%和90%。
百万级样本，病害+路产“联合”识别
“AI技术的落地应用主要取决于数据、算力和算法。”千寻位置行业解决方案专家何喆卿表示，数据体量是应用的基础，算力要能支持大规模的模型训练，算法则必须达到一定精度。
2020年，千寻位置启动业内首个高精度定位大规模路测。测试车辆搭载千寻位置自研的时空智能算法和北斗高精度定位服务，跑遍全国高速公路和主要城市高速路，路测覆盖25个省和200个城市，不断验证迭代算法和服务。
大规模路测提供的百万级样本为千寻驰观的“实用”打下坚固基础。“通过路测，我们采集了不同城市、不同环境下的海量图像数据，构建了百万级别的样本数据；除了聚焦于路面病害，千寻位置针对交通标志牌、龙门架、护栏、摄像头等目标还进行了专门的模型训练。”何喆卿介绍。
目前，千寻驰观能有效支持7种道路表面病害，24大类总计355种细分类道路基础及附属设施的模型训练，支持目标的覆盖率达到95%。在模型训练完成后，千寻位置还测试了模型的泛化能力，在不同路况、环境中完成了初步验证。
像素级目标还原，所见即所得
交通领域强调“实时动态”，定位的精度至关重要。业内人士表示，北斗高精度的定位、高清晰的地图和高准确的时间同步能力在交通等传统基础设施的建设、运营维护和管理中能发挥不可或缺的作用。
与一般AI道路巡检系统不同，通过北斗高精度定位与计算机视觉技术融合，千寻驰观能将在路面采集到的每帧画面均赋予高精度位置及时间信息。一方面使得识别目标的定位结果和不规则病害面积的计算结果更为精准，减少估算误差；另一方面，检测对象精准的绝对位置坐标可与道路公里桩进行绑定，并根据需求定制相应的业务报表，有效支撑养护运维。
“计算结果更为精准，养护决策也会更科学。”何喆卿表示，千寻驰观还通过边缘计算方案的设计，让所有数据均在车端完成存储和计算，数据安全更有保障，系统运行更加稳定高效。
数据自动融合去重，挑战0漏检0重检
经实地检验，千寻位置技术人员发现，AI识别病害，除注重其准确性（不错报）之外，亦需要将召回率（不漏报）纳入重要的模型评价指标。如果病害模型不精准，会造成目标因大小位置变化导致的重复报告。
为解决这一痛点，千寻驰观在算法模型中引入了新的能力：单次采集数据去重，以及多次、多天采集数据自动融合。
单次采集数据去重，是将空间信息、时间信息、语义信息和视觉特征进行有效的融合，识别特定目标并编号，赋予其唯一的身份信息，使其不会随着大小及位置的变化而重复报告。
多次多天检测成果融合则意味着，通过AI+视频和时空数据分析能力，将巡查结果进行数据整合、数据挖掘和AI推理等一系列操作，形成目标的全过程跟踪，完善病害及路产库，做到病害演变“可测”及路产的全生命周期管理。
何喆卿表示，通过“数据去重”，可直接优化养护工作人员对道路智能巡检系统的使用体验，让识别更精准。
目前，千寻驰观提供了轻量化的安装方案，整体架构包含RTK+惯导的高精定位系统，高性能AI边缘计算平台和北斗+视觉AI感知终端。遵循小型化，轻型化，易安装原则，可灵活适配各种车型。同时，基于边缘计算能力，千寻驰观可实时输出巡查结果，支持生成道路资产电子台账，根据日常巡检的结果自动更新。
据了解，千寻驰观道路智能巡检系统已在山东、辽宁、云南、江苏等全国多个省市的高速公路及国省干线落地，助力交通行业智慧道路巡检养护的规模化复制推广。未来，千寻驰观将持续迭代，推动机器视觉、时空智能、边缘计算等技术与道路养护行业的深度融合。
免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。
