Page 76 - a4
P. 76
S Smart City
智慧城市
的到来已是进行时。 动的发展前景。
典型应用：大华新一代慧系列深度学习电警相机 现在比较成熟的SCATS信号控制系统优势在于采用
深度学习技术已经应用于浙江大华多项产品线，以 了简单的负反馈原理，使交叉口各个流向的饱和度趋于
电子警察行业为例，大华在国内电警行业占有约30%的 均衡；相比采用复杂数学模型生成控制方案的控制系统
市场份额，目前主流产品已经切换为慧系列深度学习相 配置简单，适应能力更强。这是基于SCATS系统开发时，
机，其核心技术和功能也不再仅仅是车牌和部分特征、 只有线圈这种单一采集方式的客观条件下最优选择。
行为识别，而更侧重于更准确的进行更多人/车细节特征 线圈只能采集道路断面的数据，无法获得交通全场
识别、各类人/车行为检测、交通信息采集、事件检测、 景的车辆通行状态，基于不完全数据下的数学模型，想
机非人属性结构化等方面，实现更多智能功能。 要适应各种交通场景是难度很大的。
随着信息技术的发展，现在已经能够采集越来越丰
富的数据，加上海量数据实时分析技术，未来交通控制
将可能有如下发展趋势。
第一步，实现基于完整采集数据的实时区域控制技
术。未来的信号控制将不再受制于采集数据仅限于路网
切面的局限性，而是可以获得完整的数据，实现对每一
辆车的实时跟踪和预测，基于所有的车辆数据和所有的
路网环境数据，结合城市数据计算平台和AI算法，将会
诞生新的区域控制理论和控制算法，实现城市整体的区
产品支持的30余功能业务，以无牌车抓拍为例，说 域实时控制。
明深度学习算法的价值。以往的电子警察相机是以机动 第二步，实现信号灯、可变车道、匝道控制、诱导屏、
车牌作为车辆识别特征，对于无牌车经过，电子警察不 车载导航的区域协同，针对交通数据采集的实时变化，
能发现车辆特征（车牌），是无法识别的。而对于慧系 最大程度利用路网的通行能力；将信号灯状态实时发送
列深度学习相机，采集的车辆特征细节多样化，不仅能 到车辆，规划指引驾驶员的行驶速度，减少因人为因素
识别无牌车；随着相机不断学习，检测精度也能持续提 降低交通运行效率的概率。
升。 第三步，实现覆盖全国的交通控制大脑。除了物理
距离较近的城市外，城市与城市相距较远，并不需要实
未来交通的发展方向 现联动控制。覆盖全国的交通控制大脑的价值在于可以
总体上来说，未来智慧交通发展会是数据驱动、业 收集大量的采集数据与控制数据，一方面使得训练以及
务联动的方向。从业务应用角度分类，可以将发展方向分 优化算法的时间大幅缩短，例如一个算法需要一万天的
成两个角度，一是单业务的创新，主要难点在技术上；二 数据样本才能训练完成，对1个城市来说，是无法承受的
是数据融合与业务联动，具体又分为不同交通方式之间 时间长度，但100个城市只需要100天就可以完成；另一方
（交通枢纽）的联动、交通与智慧城市其他业务的联动。 面可以将不同城市的管理经验用数据分享的方式相互借
除了要解决技术上的难点，还要打破各部门间的壁垒。 鉴，通过客观的数据实现理性的决策。
交通技术单业务的技术革新 数据融合与多业务的联动
因涉及业务众多，现以交通控制为例，介绍数据驱 数据融合与多业务联动是指把多个部门的数据进行
58 第七届深圳国际智能交通与卫星导航位置服务展览会(2018.6.22-6.24深圳会展中心)www.its-expo.com
4智慧城市.indd 58 2018/5/24 14:32:54
