400-0032-988

首页

安天下集团 业务中心

安保一体化平台安保共享招聘服务平台安保风控平台安保在线培训平台风险评估平台安保设备租/销平台软件开发系统集成安全咨询

解决方案 客户案例 企业新闻 联系我们
当前位置:首页 - 企业新闻

安防技术在智慧交通领域中关键技术都有什么?

发布日期:2021.03.03 作者:安天下运营中心

自我国发布《交通强国建设纲要》以来,交通领域基础建设被提升上新的高度,各地也在加快推进纲要落地。近日,交通部又发布《交通运输部关于推动交通运输领域新型基础设施建设的指导意见》提出,要想快速实现交通强国目标,需要以技术创新为驱动,以数字化、网络化、智能化为主线,以促进交通运输提效能、扩功能、增动能为导向。

“智慧交通”诸多场景安防可关注这些领域

从交通运输部印发的《关于推动交通运输领域新型基础设施建设的指导意见》,提出到2035年,实现先进信息技术深度赋能交通基础设施,精准感知、精确分析、精细管理和精心服务能力全面提升。泛在感知设施、先进传输网络、北斗时空信息服务在交通运输行业深度覆盖,行业数据中心和网络安全体系基本建立,智能列车、自动驾驶汽车、智能船舶等逐步应用。

1614761991821807.jpg

《意见》提出三大主要任务一是打造融合高效的智慧交通基础设施,二是助力信息基础设施建设,三是完善行业创新基础设施。在智慧交通基础设施方面,重点围绕智慧公路、智能铁路、智慧航道、智慧港口、智慧民航、智慧邮政、智慧枢纽等几大重点应用领域开展。

其中智慧公路方面,《意见》提出将深化高速公路电子不停车收费系统(ETC)门架应用,应用智能视频分析等技术,建设监测、调度、管控、应急、服务一体的智慧路网云控平台。建设智慧服务区,促进融智能停车、能源补给、救援维护于一体的现代综合服务设施建设。

智慧民航方面,打造数据共享、协同高效、智能运行的智慧机场。鼓励应用智能化作业装备,在智能运行监控、智能视频分析等领域取得突破。

智慧枢纽方面,推进综合客运枢纽智能化升级,推广应用道路客运电子客票,鼓励发展综合客运一体衔接的全程电子化服务模式,推动售取票、检票、安检、乘降、换乘、停车等客运服务“一码通行”。

在信息基础设施建设方面,重点包括第五代移动通信技术(5G)等协同应用、北斗系统和遥感卫星行业应用、网络安全保护、数据中心、人工智能应用。其中在人工智能方面,持续推动自动驾驶、智能航运、智慧工地等研发应用。

AI+视频是重点

在智慧交通领域,视频监控与采集技术可以实现将视频图像和模式识别相结合,此技术为更好地解决交通问题打下了基础。视频检测系统将视频采集设备采集到的连续模拟图像转换成离散的数字图像后,经分析处理得到车辆牌号码、车型等信息,能够计算出交通流量、车速、车头时距、占有率等交通参数。

1614762013853340.jpg

基于视频技术的重要性,2019年交通运输部办公厅印发通知,发布《全国高速公路视频联网监测工作实施方案》和《全国高速公路视频联网技术要求》,全面加快推进可视、可测、可控、可服务的高速公路运行监测体系建设,不断优化服务能力和监管水平,更好地满足人民群众高品质出行需求。

另外,随着5G和物联网的发展,智能交通系统开始实现不停车收费、交通信号灯智能控制、智能抓拍违章车辆等功能。以智能公交车为例,通过结合公交车辆的运行特点,建设公交智能调度系统,对线路、车辆进行规划调度,从而实现智能排班。

安全运输环境建立在从一系列传感器和数据库收集的信息以及视频数据和分析数据的基础上。面部识别、行为分析、车牌识别和其他智能解决方案都变得越来越普遍,这意味着实时有效地收集、分析、存储和处理所有这些信息对于实现安全和操作目标至关重要。

尽管大多数运输依靠视频、安全和物联网平台来更好地保护和优化其运营和乘客,但是这些解决方案通常分散、不连贯、容易出现故障且维护成本高。随着数据量和收集量的扩大,传统的IT基础架构无法满足这些环境的需求。

除了有效地监视,存储,保护,处理和移动来自成千上万个摄像机和传感器的数据外,运输机构的IT基础架构解决方案还必须与现有和新的IoT技术无缝集成,使用物联网和视频分析可确保安全需要技术的帮助。

那么安防技术在智慧交通领域都能用上哪些技术?

边缘计算

边缘计算是指靠近物或数据源头的一侧,采用网络、计算、存储、应用核心能力为一体的开放平台。在智慧交通中,通过边缘计算,实现道路卡口、电子警察、道路监控等采集设备数据的实时分析,实时提取车辆、行人、非机动车等道路交通关键要素的特征信息,实现现场交通状态的全域感知,同时减轻中心端计算压力,为交管指挥中心决策提供数据支撑。

基于深度学习的视图智能分析技术

大数据时代,深度学习相较于传统人工智能有极大的优势,深度学习成为主流图像识别方法。深度学习构建具有很多隐层的机器学习模型,每个层都提取一定的特征和信息,这一层的输出作为下一层的输入。通过海量的训练数据对输入信息进行分级表达来学习更有用的特征,从而最终提升分类或预测的准确性。目前基于深度学习,东方网力车辆识别已支持16种车型、8000+以上车辆年款,同时支持车头场景、车尾场景、混合场景的识别。

多维异构数据接入治理

采用微服务架构,基于中间件、组件进程隔离技术,实现交通道路中视频、图片、物联感知等结构化、非结构化数据,和各交管业务平台中各类业务数据的统一接入、清洗、数据分类入库及数据质量管理,打破单一对象烟囱式存储模式。在数据质量管理方面,基于定义好的数据定义与模型,实现对数据质量进行管理和监控,包括数据规则检测、统一数据语义、数据项检测、数据质量报告等,实现数据资源目录管理和服务管理。

大数据分析挖掘技术

大数据分析挖掘是一个闭环且反复循环的过程,通过对多维异构数据资源抽取出有意义的、潜在有价值的信息和知识,并进行提炼,可以基于交管业务应用,对未来做出一个较为完整、合理、准确的分析和预测。通过大数据分析挖掘技术,实现对交管业务中生产的海量数据的统一管理和挖掘,实现对城市交通车辆、交通行为、交通环境、交通规模等各个维度信息的实时分析,并可通过可视化图表的方式进行直观展示,为交通业务的精准管理提供技术支撑,理论指导。