高速公路運營管理的總體目標是，在按照標準收取通行費的同時提供安全暢通的通行服務在目前已經大量建成使用的機電設施基礎上，借助一定的技術手段，可以更好地解決運營管理中遇到的棘手問題，提高高速公路的運營管理效率，提升服務水平。

看點01高速公路運營管理面臨的難題

按照傳統的劃分方式，高速公路機電系統主要包含收費、監控、通信三大系統，其中通信系統是信息化的基礎設施，收費和監控系統與高速公路的業務密切相關。

收費系統主要負責收費業務與數據的采集和梳理，通行費用的收取主要以出入收費站記錄的車牌、車型等車輛信息為依據，但在收費運營過程中發現存在以下幾個典型問題:

典型問題：

1、高速公路路網的擴大帶來的路徑二義性較為普遍，從而造成行駛里程和通行費的不確定，導致通行費流失、拆分結算爭議或收費公平性問題。

2、利用管理和技術漏洞偷逃通行費的現象屢禁不絕， 并且逃費手段不斷更新，單獨依賴收費系統采集的車輛信息數據難以有效遏制。

雖然針對路徑二義性和逃費問題已經有很多種處理手段，但受限于成本和技術等因素，效果并不盡如人意。

監控系統用來對路網的運行狀態進行全面監控，以保障高速公路通行的安全和暢通，發現問題第一時間相應，做好高速公路出行服務。其中，隧道地處偏遠，內部環境封閉且復雜，大多數地段無人值守，所以監控難度最大。一旦出現安全事故，嚴重程度也往往高于普通交通事故。同時目前針對隧道監控的各種產品和技術，由于準確度達不到一定標準，且各系統相互鼓勵，不能做到統一管理和有效聯動，所以隧道雖然建設離復雜的監控系統，但是在大部分管理部門并沒有起到良好的效果。

看點02基于人工智能的視頻分析

傳統的交通流量統計、車牌識別和事件監測產品往往依賴于特定的前端設備。一方面，在現有的收費或監控系統之外，需要額外安裝相應硬件設備，并且對設備所處位置、角度和光照度都有極高的要求。另一方面，前段設備計算能力有限，一旦出廠安裝，則處理能力固化，不具備自學習的更新完善的能力。而通過視頻分析提取交通流量、車輛信息和事件，現有產品大部分都在前段內置芯片或放置專用主機進行處理，單因技術成熟度等原因目前誤報率偏高，導致識別準確率達不到可用程度。

隨著收費和監控聯網在各省份的逐步落地，高速公路信息網絡已具備大寬帶傳輸條件，可將視頻匯聚到管理中心或獨立的運營管理公司，利用后端的強大計算資源，引入人工智能，對所選點位視頻進行深度分析，可大大提高視頻分析的準確率。機器學習是實現人工智能的一種方法，機器學習的最基本做法就是通過算法來解析數據，從中學習，然后對真實世界中的時間做出決策和預測。

(1)深度學習算法

深度學習是機器學習研究中的一個新領域，其動機在于建立、模擬人腦進行分析學習的神經網絡，給系統輸入海量的數據來訓練網絡，其核心是海量的計算能力和自學習能力，通過模擬人腦的機制來解析包括圖形圖像、聲音和文本的數據。如圖一所示，通過深度學習算法可以識別出視頻圖像中界面內的車輛、車型、騎自行車和過馬路的行人，其原理是根據給定的物體（包含車輛、行人、拋灑物等）特征，利用高性能計算進行特征匹配，并在這個過程中反過來作用于原有算法，實現算法的更新迭代，不斷提升模型的識別能力，使準確率越來越高。

這種算法不依賴于圖像不同幀之間的差異對別，而是直接從圖像中提取物體的特征，因此對背景的統一性沒有要求，即便攝像機因為抖動等原因發生畫面移動也不會有任何影響。同時，無論物體是運動狀態還是靜止狀態，都能準確識別出畫面中的物體。

同時，除了物體之外，還能對文本進行識別，典型的應用就是車牌識別，如圖二所示。相對于專用的車牌識別攝像機，這種算法對拍攝角度、光照度和分辨率要求更低，利用高性能計算獲得更高的車牌識別準確率。

(2)系統架構

基于人工智能的視頻分析系統，可以建立在現有的視頻監控系統基礎上，無需額外安裝前端設備，視頻分析平臺只需從后端獲取對應點位視頻碼流，通過平臺的視頻分析算法和計算資源，將視頻數據結構化，輸出車流量統計、車牌、車型、事件檢測等數據，結合第三方業務軟件，實現目標任務的監控和報警聯動，或進一步對車牌車型等進行數據挖掘，以擴展更多應用。

以隧道監控應用場景味蕾，基于人工智能的視頻分析架構如圖三所示。整套系統的優勢在于可以充分借助監控系統現有資源，無論是前端還是后端，只需在后臺將視頻分析系統與視頻管理平臺對接即可。

對于高速公路運營管理單位淶水，可以免除部署特定設備帶來的巨大成本支出和冗長施工周期，不失為一個較為均衡的解決方案。

看點03智能視頻分析的應用

(1)路徑識別

在關鍵路口如互動或分叉口設置監控點位，實時分析來往車輛，獲取車牌、車型和車身顏色等信息，則該點位可以用來作為路徑識別點，從而讓各級相關管理單位都能獲得通行車輛的真實路徑，解決通行費爭議和偷逃通行費的問題。

(2)打擊偷逃通行費

打擊車輛偷逃通行費一直以來是高速公路管理單位收費管理的重點和難點工作。換卡、倒卡、套牌、甩掛、假“綠通”等惡意逃費行為，雖然各有對應的預防和處理手段，但依然存在準確率低級管理或技術漏洞等缺陷，導致逃費行為發現難、對證難、杜絕難。

前端進行視頻監控、抓拍和錄像，后臺集中進行視頻分析，通過車牌車輛大數據挖掘手段，結合車輛通行實踐和通行卡記錄的信息，識別車輛套牌、改換路線、甩掛等惡意逃費行為，并保留視頻和抓拍圖片等證據，可作為輔助手段打擊逃費。

(3)路網營銷

高速公路經營環境正在發生變化，隨著近些年公路基礎設施的大規模建設，高速公路網絡不斷完善。同時，提供類似產品和服務的普通公路也在迅速發展。路網的發展，意味著車輛有更多的路線選擇，意味著分流和通行費收入的不確定。另外，高鐵產業化應用進入高峰期，且具有舒適、安全、性價比高等獨特優勢，消費者自主選擇運輸方式的空間越來越廣闊。

交通流量的自然增長與競爭帶來的分流效應同于存在，高速公路運營企業如果依然靠被動收取通行費，企業未來的生存與發展將會面臨非常大的不確定性。如何使用營銷手段促進車流量增長，增強在路網中的競爭實力，已經成為高速公路運營公司亟待解決的問題。

利用視頻分析獲得的車牌數據，可以從車輛歸屬地、所屬單位、形式路徑、通行消費行為等維度進行大數據分析，從而針對普通消費者和大客戶展開市場音效。例如針對價格敏感型的消費者，利用價格杠桿吸引通行；針對商務出行消費者，需要提高服務質量吸引通行。對于運輸量大的客戶，還可以考慮在收費政策上建立靈活多樣的會員制，如面向大中型物流、客運站、旅行社等大客戶，實行按月或按季度包繳；對于運輸業務不確定，但能達到一定通行次數的車輛可實行按次包繳；對長期客戶在告訴公路累計消費達到一定額度后進行折扣和返點等獎勵消費。最終目的是提供更完善的個性化通行服務，吸引客貨過境。

(4)隧道監控

隧道安全暢通是運營管理單位最為關注的問題。獲取隧道出入口和隧道內的視頻，通過人工智能視頻分析，不僅可以獲得隧道內實時車輛數量、車型、密度等信息，而且能用于事件檢測，包括非機動車檢測、行人檢測、違停檢測、逆行檢測、拋灑物檢測等，發現異常事件行為實時報警（如圖四所示）。

關聯視頻監控系統，集成IP廣播和信息發布系統，還可實現報警聯動，自動切換事件對應現場視頻，發送廣播和發布情報板信息。

基于人工智能的視頻分析算法具備強大的自學習能力，以現有的視頻監控資源為輸入，可以大幅提高車輛和事件識別的準確率，再結合車牌、車型等大數據挖掘，在收費業務方面可用于路徑識別，進一步可用于打擊逃費和業務營銷；在監控業務方面可以用于隧道監控和支撐打逃對證等。對于提高高速公路的運營效率，解決管理難題，能夠起到較好的輔助效果。

想了解更多IT資訊，請訪問中培偉業官網：中培偉業