编者按：近日，在第五届(2022)智慧高速产业发展论坛，千寻位置智慧交通解决方案专家何喆卿发表了《千寻驰观--道路智能巡检系统》主题演讲。该报告详细分析了道路智能巡检系统的建设背景和亟需解决的问题，并介绍了千寻位置的解决方案、技术架构和准确率等方面的内容。

　　何喆卿指出，AI智能巡检是公路养护的发展需求，但仍有一些问题亟待解决。千寻位置从感知、算力、算法建构出自己的解决方案和技术架构，实现了道路检测目标“车道级”的位置估计、像素级的面积计算以及病害+路产“端侧联合”智能识别。未来，千寻位置仍需继续进步，从单目迁移到多传感器融合，尝试服务定检、数字孪生整合等技术探索。

　　《单子知陈必亡》提到“道茀不可行，司空不视涂”，意思是道路上长满了杂草不可通行，管路的人视而不见，就知道陈国有问题，必然灭亡。这说明，道路是衡量一个国家的管理水平精细化程度的重要因素。

　　当前，国内公路养护现状有三个特征：路网建设趋于饱和，路网密度非常高；在信息化和数字化转型的时代，传统的人工普查的模式无法跟上520多万公里路网的养护任务，需要有效提升公路巡检自动化能力；由于养护经费相对紧张，在做预防性养护的决策时，需要思考如何利用有限的养护经费制定预防性养护方案。

　　目前，AI在各个领域应用普遍且取得了优异成果。在道路智能巡检应用方面，AI应用有以下四个特征：

　　一是AI的解决方案以路面病害巡检为主，对附属设施、路基等公路的重要信息缺乏有效识别和处理。

　　二是智能检测成果未与MQI等行业标准形成对应匹配关系，无法进行有效转换。

　　三是识别精度不高，量化指标判定与实际应用尚存在距离。

　　四是AI的方案成本较高，不便推广。

　　基于这些现状，AI在道路智能巡检方面有三大问题亟待解决：

　　一是提高可用性，要减少误检、漏报，提升自动化采集的程度和智能算法可用性。

　　二是提高效率，目前的AI难以兼顾道路病害和路产的同步巡查作业，且云端计算流程长。

　　三是提高精度，一方面是检测对象的绝对位置能否转换成绝对的位置坐标，跟公里桩进行绑定，有效支撑养护运维；另一方面需要在巡检过程中对面积进行初步估算，减少当前面积等量化指标估算误差大的问题。

　　针对这些问题，千寻位置给出了基于高精度定位的AI道路智能巡检方案，通过自研基于视觉及组合导航设备的车载地面移动检测系统，结合全息感知+AI算法引擎，自动检测出所有巡视数据的结果，对路产设施及路面病害进行精确识别。

　　千寻位置AI道路智能巡检方案的核心能力分成三部分：感知、算力、算法。

　　从算力上看，随着硬件、云架构、边缘计算的发展，算力渐渐不再是问题。

　　从感知上看，感知侧的AI训练非常重要，因为它高度依赖于样本库。其能力来源于千寻位置自研的高精度地图采集车(图右上)。跟普通图商使用的激光点云的采集车不同，千寻位置采用视觉点云的技术，为AI的技术应用拓展及训练样本积累奠定了基础。

　　从算法上看，千寻位置在该系统中集成并延用了一系列核心算法，例如：融合定位算法、精细分割算法、多目标检测分类算法等。

　　以上即是AI道路智能巡检方案的核心能力。千寻位置的整体方案架构是整合出一辆高精度地图采集车，包含RTK+惯导的高精定位系统，高性能AI边缘计算平台和1080p高清云台。方案遵循小型化，轻型化，易安装原则，可灵活适配各种车型。

　　千寻位置AI道路智能巡检整体方案的技术架构主要围绕以下四个方面构建：

　　1.高精度的定位、病害加路产的联合识别、对检测目标“车道级”的位置估计、像素级的面积计算。

　　2.千寻的道路病害+路产“端侧联合”智能检测能够支持14类的道路病害和路产检测，召回率和准确率均优于90%、处理速度(端侧)优于10帧/秒、巡检速度大于80 km/h(和高速公路的隧道限速相匹配，避免过慢影响正常交通)。

　　3. 检测模型可识别特定目标并编号，赋予其唯一的身份信息，不会随着大小及位置的变化而重复报告。巡检过程中，高清摄像头识别了病害/目标的编号，锁定该目标的信息，完成对目标的精确跟踪。要实现这一目的，需要将空间信息、时间信息、语义信息和视觉特征有效的融合。

　　4.千寻位置检测模型使用的训练样本来源于精细化地图采集过程中搜集的道路样本。在模型训练完成后，千寻位置测试了模型的泛化能力，并在不同的天气场景中完成了初步验证。

　　如何评价千寻位置产品模型的准确性？

　　一个好的模型应该容许一定的误报率，但大概率能被准确地召回。

　　召回率跟准确率是矛盾的，千寻位置对平衡两者间的关系有应对的策略：面对重要的缺陷，更重视召回率。缺陷发生时，重要的是能将其找出来；面对一般的缺陷，则更重视准确率，避免误报。

　　目前，千寻位置AI道路智能巡检方案已能实现三大功能：

　　一是巡检结果的结构化输出，可以把作业信息、位置信息跟公里桩绑定，根据需求定制相应的业务报表。

　　二是实现像素级的面积的精细化计算。可以计算目标的经纬度位置，估计对应的面积等量化指标。

　　三是实现MQTT协议的远程传输，直接通过协议将边缘计算结果上传到平台，同步作业和实时巡检画面。

　　在这些成果外，千寻位置仍在不断进步，未来将从多维度探索更多可能：

　　一是由单目迁移到多传感器融合，更精准地去寻找目标、判定其指标参数。

　　二是对定检做一些能力的迁移，换一套算法，为定检做服务。

　　三是和数字孪生技术融合，和自研的时空基础设施管理平台进行整合，在高精度地图上进行孪生，借助千寻位置覆盖全国的地基增强站网所提供无缝连接的高精度位置服务，实现行业赋能。