高速公路运营管理的总体目标是，在按照标准收取通行费的同时提供安全畅通的通行服务在目前已经大量建成使用的机电设施基础上，借助一定的技术手段，可以更好地解决运营管理中遇到的棘手问题，提高高速公路的运营管理效率，提升服务水平。

看点01高速公路运营管理面临的难题

按照传统的划分方式，高速公路机电系统主要包含收费、监控、通信三大系统，其中通信系统是信息化的基础设施，收费和监控系统与高速公路的业务密切相关。

收费系统主要负责收费业务与数据的采集和梳理，通行费用的收取主要以出入收费站记录的车牌、车型等车辆信息为依据，但在收费运营过程中发现存在以下几个典型问题:

典型问题：

1、高速公路路网的扩大带来的路径二义性较为普遍，从而造成行驶里程和通行费的不确定，导致通行费流失、拆分结算争议或收费公平性问题。

2、利用管理和技术漏洞偷逃通行费的现象屡禁不绝， 并且逃费手段不断更新，单独依赖收费系统采集的车辆信息数据难以有效遏制。

虽然针对路径二义性和逃费问题已经有很多种处理手段，但受限于成本和技术等因素，效果并不尽如人意。

监控系统用来对路网的运行状态进行全面监控，以保障高速公路通行的安全和畅通，发现问题第一时间相应，做好高速公路出行服务。其中，隧道地处偏远，内部环境封闭且复杂，大多数地段无人值守，所以监控难度最大。一旦出现安全事故，严重程度也往往高于普通交通事故。同时目前针对隧道监控的各种产品和技术，由于准确度达不到一定标准，且各系统相互鼓励，不能做到统一管理和有效联动，所以隧道虽然建设离复杂的监控系统，但是在大部分管理部门并没有起到良好的效果。

看点02基于人工智能的视频分析

传统的交通流量统计、车牌识别和事件监测产品往往依赖于特定的前端设备。一方面，在现有的收费或监控系统之外，需要额外安装相应硬件设备，并且对设备所处位置、角度和光照度都有极高的要求。另一方面，前段设备计算能力有限，一旦出厂安装，则处理能力固化，不具备自学习的更新完善的能力。而通过视频分析提取交通流量、车辆信息和事件，现有产品大部分都在前段内置芯片或放置专用主机进行处理，单因技术成熟度等原因目前误报率偏高，导致识别准确率达不到可用程度。

随着收费和监控联网在各省份的逐步落地，高速公路信息网络已具备大宽带传输条件，可将视频汇聚到管理中心或独立的运营管理公司，利用后端的强大计算资源，引入人工智能，对所选点位视频进行深度分析，可大大提高视频分析的准确率。机器学习是实现人工智能的一种方法，机器学习的最基本做法就是通过算法来解析数据，从中学习，然后对真实世界中的时间做出决策和预测。

(1)深度学习算法

深度学习是机器学习研究中的一个新领域，其动机在于建立、模拟人脑进行分析学习的神经网络，给系统输入海量的数据来训练网络，其核心是海量的计算能力和自学习能力，通过模拟人脑的机制来解析包括图形图像、声音和文本的数据。如图一所示，通过深度学习算法可以识别出视频图像中界面内的车辆、车型、骑自行车和过马路的行人，其原理是根据给定的物体（包含车辆、行人、抛洒物等）特征，利用高性能计算进行特征匹配，并在这个过程中反过来作用于原有算法，实现算法的更新迭代，不断提升模型的识别能力，使准确率越来越高。

这种算法不依赖于图像不同帧之间的差异对别，而是直接从图像中提取物体的特征，因此对背景的统一性没有要求，即便摄像机因为抖动等原因发生画面移动也不会有任何影响。同时，无论物体是运动状态还是静止状态，都能准确识别出画面中的物体。

同时，除了物体之外，还能对文本进行识别，典型的应用就是车牌识别，如图二所示。相对于专用的车牌识别摄像机，这种算法对拍摄角度、光照度和分辨率要求更低，利用高性能计算获得更高的车牌识别准确率。

(2)系统架构

基于人工智能的视频分析系统，可以建立在现有的视频监控系统基础上，无需额外安装前端设备，视频分析平台只需从后端获取对应点位视频码流，通过平台的视频分析算法和计算资源，将视频数据结构化，输出车流量统计、车牌、车型、事件检测等数据，结合第三方业务软件，实现目标任务的监控和报警联动，或进一步对车牌车型等进行数据挖掘，以扩展更多应用。

以隧道监控应用场景味蕾，基于人工智能的视频分析架构如图三所示。整套系统的优势在于可以充分借助监控系统现有资源，无论是前端还是后端，只需在后台将视频分析系统与视频管理平台对接即可。

对于高速公路运营管理单位涞水，可以免除部署特定设备带来的巨大成本支出和冗长施工周期，不失为一个较为均衡的解决方案。

看点03智能视频分析的应用

(1)路径识别

在关键路口如互动或分叉口设置监控点位，实时分析来往车辆，获取车牌、车型和车身颜色等信息，则该点位可以用来作为路径识别点，从而让各级相关管理单位都能获得通行车辆的真实路径，解决通行费争议和偷逃通行费的问题。

(2)打击偷逃通行费

打击车辆偷逃通行费一直以来是高速公路管理单位收费管理的重点和难点工作。换卡、倒卡、套牌、甩挂、假“绿通”等恶意逃费行为，虽然各有对应的预防和处理手段，但依然存在准确率低级管理或技术漏洞等缺陷，导致逃费行为发现难、对证难、杜绝难。

前端进行视频监控、抓拍和录像，后台集中进行视频分析，通过车牌车辆大数据挖掘手段，结合车辆通行实践和通行卡记录的信息，识别车辆套牌、改换路线、甩挂等恶意逃费行为，并保留视频和抓拍图片等证据，可作为辅助手段打击逃费。

(3)路网营销

高速公路经营环境正在发生变化，随着近些年公路基础设施的大规模建设，高速公路网络不断完善。同时，提供类似产品和服务的普通公路也在迅速发展。路网的发展，意味着车辆有更多的路线选择，意味着分流和通行费收入的不确定。另外，高铁产业化应用进入高峰期，且具有舒适、安全、性价比高等独特优势，消费者自主选择运输方式的空间越来越广阔。

交通流量的自然增长与竞争带来的分流效应同于存在，高速公路运营企业如果依然靠被动收取通行费，企业未来的生存与发展将会面临非常大的不确定性。如何使用营销手段促进车流量增长，增强在路网中的竞争实力，已经成为高速公路运营公司亟待解决的问题。

利用视频分析获得的车牌数据，可以从车辆归属地、所属单位、形式路径、通行消费行为等维度进行大数据分析，从而针对普通消费者和大客户展开市场音效。例如针对价格敏感型的消费者，利用价格杠杆吸引通行；针对商务出行消费者，需要提高服务质量吸引通行。对于运输量大的客户，还可以考虑在收费政策上建立灵活多样的会员制，如面向大中型物流、客运站、旅行社等大客户，实行按月或按季度包缴；对于运输业务不确定，但能达到一定通行次数的车辆可实行按次包缴；对长期客户在告诉公路累计消费达到一定额度后进行折扣和返点等奖励消费。最终目的是提供更完善的个性化通行服务，吸引客货过境。

(4)隧道监控

隧道安全畅通是运营管理单位最为关注的问题。获取隧道出入口和隧道内的视频，通过人工智能视频分析，不仅可以获得隧道内实时车辆数量、车型、密度等信息，而且能用于事件检测，包括非机动车检测、行人检测、违停检测、逆行检测、抛洒物检测等，发现异常事件行为实时报警（如图四所示）。

关联视频监控系统，集成IP广播和信息发布系统，还可实现报警联动，自动切换事件对应现场视频，发送广播和发布情报板信息。

基于人工智能的视频分析算法具备强大的自学习能力，以现有的视频监控资源为输入，可以大幅提高车辆和事件识别的准确率，再结合车牌、车型等大数据挖掘，在收费业务方面可用于路径识别，进一步可用于打击逃费和业务营销；在监控业务方面可以用于隧道监控和支撑打逃对证等。对于提高高速公路的运营效率，解决管理难题，能够起到较好的辅助效果。

想了解更多IT资讯，请访问中培教育官网：中培教育