产品概况：

基于AI深度学习的高速公路事件检测技术，属于人工智能领域，主要应用于高速公路行业中，通过AI深度学习技术，实现各类交通异常事件，如车辆停驶、行人穿越、抛洒物、烟雾、火灾、拥堵等的自动感知、全面感知、精准感知。相对于传统的模式识别技术来讲，基于AI深度学习的高速公路事件检测技术，能够在识别准确率，识别效率与识别性能上有极大的突破，为高速公路管理提供新的解决方案，为高速公路提高管理效率奠定坚实的基础。

随着AI算法的不断完善与芯片性能的不断提升，AI技术日趋成熟，各大厂家均开始研究AI算法，然而基于AI深度学习的高速公路事件检测技术依然处于相对空白状态。

传统的高速公路事件检测技术，采用模式识别技术进行识别，存在识别范围小，识别效率低，识别精度差的缺陷，已经无法满足当前高速公路管理的需求，而基于AI深度学习的高速公路事件检测技术，能够实现全面感知，及时感知与精准感知，具有极大的优势。

基于深度学习的高速公路事件检测技术，能够有效弥补传统模式识别技术的问题，满足高速公路日益增长的智能识别需求，为提高高速公路管理效率，保障高速公路通行奠定坚实基础。

关键技术指标：

深度学习(Deep Learning)是以人工神经网络为基础的，能够从观测数据中学习，找出它自己的解决问题的办法，无需告知计算机如何解决问题。

基于其具有自主学习的优越性，我们将深度学习应用到高速公路事件检测方面。通过大量的训练，使得系统能够掌握车辆停驶、行人、异物、火灾、烟雾、车流量、路况、逆行、非法慢行等异常事件，进行实时报警。

具体的技术方案是首先对需求进行调研，将调研数据进行归纳汇总，区别不同类型的事件；其次，采集多种路况下的事件视频，包括隧道、匝道、单向、双向、雨天、晴天、傍晚、雪天等多种路况；再次，进行人工标记，利用深度学习进行训练，得出最优的算法模型和训练模型；从次，将直接可以通过训练得出的事件进行上报，通过联动报警等机制，对事件进行处理。将需要进一步逻辑判断分析的事件类型进行逻辑判断，将处理结果进行上报，并联动报警；最后，将漏报、误报等视频数据进行回归分析，找出漏报、误报的原因，进行调参设置，重新训练，将训练模型调至最优，避免类似情况再次发生。

产品创新点：

采用基于AI深度学习的高速公路事件检测技术具有以下技术创新点：

1、目标识别升级为行为识别

2、多场景数据保障技术泛化能力

3、AI+传统逻辑判断

4、支持多种事件类型上报

5、自主调参和训练

6、多功能联动集成

7、兼容多家视频平台

国内外市场推广情况：

在交通事件的检测方式上与传统的基于模式识别的方式相比，基于AI深度学习的高速国内公路事件检测技术，有比较大的优势：

1、准确率高

2、可快速拓展检测种类

3、无需事前标定，适应性高

基于AI深度学习的高速公路事件检测技术，能够广泛的应用于交通事件自动报警，重点位置流量检测，易堵点检测等高速公路管理场景中。目前该技术已在山东省内成功试点，并开始在全省乃至全国进行推广。由于其相对于模式识别技术巨大的优势，基于AI深度学习的高速公路事件检测技术将会在高速公路管理的各个环节广泛应用，未来前景十分广阔。