9月24日，在深圳特区成立40周年之际，深圳市与华为宣布携手共建鹏城智能体，协助深圳完善智慧城市顶层设计，共同深化智慧城市建设应用。作为城市智能体的核心底座，华为在交通智能体的落地实践方面，要走得更早，早在2018年，华为就发布了与深圳交警合作在深圳落地交通智能体的初步实践进展。
可以说，“交通智能体”就是华为与深圳交警等交管单位不断探索、不断完善的智慧结晶。“交通智能体”是华为智慧交警业务的大旗，旨在提供面向交管的“最亮双眼”、“最强大脑”和“最快双手”的系统方案。而“最亮双眼”是整个方案的核心，也是交通管理和服务的基础。这几年，“交通大脑”概念风靡全行业，但随着时间推移，行业慢慢发现，如果“感知”层的数据采集、汇聚、分析没有做好，那“大脑”就是无源之水无本之木。
那么如何炼就智慧交管的“最亮双眼”，我们来看华为是如何探索和落地的。
“最亮双眼”是怎样炼成的
今年5月底，华为发布了十大场景化解决方案，最让智慧交管行业关注的，莫过于“全息路口”。全息路口解决方案，由华为AI超微光卡口、毫米波雷达、专用的边缘计算节点——ITS800等组成构建，方案的创新之处，在于雷达+视频的一体化组合采集，也在于算力高达32TOPS的边缘计算节点设备——ITS800。
整体而言，雷达+视频可以实现全天候、多场景、多目标、高精度等交通流检测，可实现多目标轨迹跟踪检测、目标可视化、数据结构化，可具体到某一条车道的流量，具体到某一台车的轨迹、动态。
全息路口解决方案基于雷视轨迹拟合算法，把视频和雷达获得的数据进行位置标定、坐标转化、时钟同步、轨迹合一，可提供路口时空内的车牌、车速、位置、姿态、属性、分向车道流量、交通事件检测等精准元数据，结合高精度地图为交管用户提供数字化全息视角，可合成路口通行速度、车头时距、排队长度、停车次数等40+种交管数据，比传统设备采集的交管数据更精确、更稳定，比分钟级采样的互联网浮动车数据更精细、更实时。据华为介绍，该方案的全路口轨迹跟踪准确率大于95%，结合高精度地图的车道级定位精度小于50厘米。
这些数据全面的反映了路口所发生的一切，基于这些数据可以支持各种解决方案的运行，比如路口交通事件检测、路口优化、信号配时调整等，当数据积累到一定时间后，还可以进行交通仿真、进行交通隐患、交通黑点的识别，交通热力图一画，就知道哪里是黑点，哪里要进行交通组织优化，哪个车道要由直行变成左转加直行等。
将“全息路口”称之为“最亮双眼”的最佳解决方案，毫不为过，更为重要的是，“全息路口”具备成长性，在算力的支持下，可以远程加载许多算法，可以支持包括未来车路协同、自动驾驶所需要的路侧感知、端侧信息交互等等，可以说“一机在手，十年不愁”。
除了“全息路口”，华为“最亮双眼”产品系列中还有哪些压箱底的“宝贝”？
十大挑战与华为的解决之道
在首届全国智慧交管行业峰会上，华为机器视觉总裁段爱国就“交通管理智能深化面临的十大挑战”提出华为的解决方案。
哪十大挑战？
感知检测方面有四大挑战，一是“麻雀杆”多；二是光污染；三是全局和细节不能兼顾；最后非机动车有效管理难。
如何消除“麻雀杆”现象？
要完成这个挑战，最核心的问题在于监控设备的智能化，也就是在算力支持下的功能扩容和升级，不再重蹈以往要一个功能就要新上马新设备的覆辙，华为的“软件定义摄像机”就此应运而生。如果一个监控设备或者方案，能够实现多种违法抓拍、流量检测、事件识别等等功能，那么路口的“麻雀杆”现象一定会成为历史。
如何降低光污染？
华为提出了以算力换图像的概念，其AI超微光卡口像素达到了900万，内置两颗芯片，算力达到了20TOPS，基于此，应用深度卷积算法，做到精准补光，并利用AI进行图像降噪和图像增强。测试结果表明，AI超微光卡口通过图像增强，其主驾驶位的图像抓拍率也达到了98%。而AI超微光卡口，就是“全息路口”的重要组成部分。
如何兼顾全局和细节？
行业常见的方案是枪球一体机、枪球联动，效果欠佳。华为坚持走智能赛道，推出“二郎神”相机，其配备的墨子1号镜头采用F1.0大光圈镜片，基本不改变球机整机结构和成本，并通过双目协同（广角/变焦同步联动），可在保持全景可视的同时，保持全局和细节的协同。“二郎神”相机非常适合交通枢纽、较大路口、高速公路等既需要纵观全局，也能识别事件的交通场景。
如何有效实现非机动车管理？
现有交通监控设备很少复用于非机动车违法抓拍，因为已有设备很多不是智能化设备，只能将视频图像采集回来后，在后端进行分析，但这种模式会对后端带来较大的算力负担，因为行人和非机动车交通行为的不固定，会导致后端70%的算力浪费在无目标时的视频解析上。华为推出经济型全结构化摄像机，前端将机动车、非机动车、行人全部识别出来，然后再传给后端进行识别，同一个后端芯片以往每秒只能对16路视频进行解析，现在每秒可以识别150张图像，测试结果表明，这种做法能让TCO下降40%，而且极大的节省了芯片算力，闲时还可复用于其他算法的实现。为什么是经济型？因为这样一款全结构化摄像机，市场定价也不过千元左右。
除了感知检测方面有四大挑战，建设施工方面也有三大挑战，一是施工难；二是执行交通保卫工作时，补点难；三是布网、取电难。
如何解决施工难、取电难？
华为是通信专家，又如何探索解决这些问题？答案是“‘无网’的子母机”，一个标准路口四个方向的电警，将其中一个电警作为“母机”，利用微波快速组网，其他“子机”不再需要连接有线网络，其他4~8台电警卡口设备，即可将结构化图片自动回传给“母机”，由“母机”传输给后端，从而降低对网络的需求，减少施工难度。
华为也在探索研发“四无”摄像机，哪四无？无电、无网、无光、无现场运维，现在重点突破是无网、无电。一是无电，华为采用了最新自研单晶硅光伏板、超级刀片锂电，光伏面积仅仅是0.4平米，比业界小30%，节能和储能也是业内领先。二是无网，通过5G以及子母机概念，其链型组网可实现8级级联，链路覆盖距离可到16公里，而星型组网可实现2KM的区域覆盖。
如何解决执行交通警保卫工作时的监控设备补点难？
在珠峰大本营不间断直播的华为5G无线摄像机其实已经告诉了我们答案，无线设备任务来时“牵马即上战场”，任务结束，就可“马放南山”。
数据应用方面，也有三大挑战，一是数据不精准，路口管理不精细；二是路段点位少，监管弱；三是人车数据不关联，执法取证难。
“全息路口”对路口管理不精细的挑战已给了解决之法，那么如何解决路段监控点位少监管弱的问题？实际上，复用同在公安系统的天网、雪亮工程等视频设备，也就成了比较现实的选择。和其他平台只跑一种算法不同，华为提出了算法仓概念，平台上既有A企业算法，也有B企业算法，用户可以将多种算法识别后的结果进行叠加，得出更为精准的结果。如何解决人车数据不关联，执法取证难的问题？华为在业界第一次采用了256位车辆特征识别，从而极大的提升以图搜车的成功率，华为在千万级干扰集底库的以图搜车（遮挡车牌）测试结果表明，TOP50召回率和其他厂家相比，提高了近一倍。
小结
看完华为智慧交管深化应用十大挑战的解决之法，您是否有豁然开朗的感觉？是否觉得华为机器视觉的未来大有可为？华为机器视觉总裁段爱国自豪的表示，截至9月初，华为机器视觉产品发货量增长速度十分亮眼，“全息路口”方案已经在深圳、天津等多个城市进行测试和商用。正是包括AI超微光卡口、“无网”“无电”相机、5G摄像机等在内的智能化感知设备，将人、车、路等更多要素连接到万物互联的智能世界，有理由相信，在交通管理数字化、智能化升级以及通往车路协同、自动驾驶的道路上，一定会有华为机器视觉不懈探索、孜孜以求的身影。
