公安交通集成指挥平台是公安交警部门科技信息化建设的四大平台之一。作为面向指挥中心、执法站和一线民警路面执勤执法的实战业务平台，现有超过93%的支队和82%的大队在应用。
公安交通集成指挥平台传统业务应用包括：缉查布控、非现场执法、交警执法站、交通状态监管、应急指挥、重点对象、勤务管理、交通态势分析等。2019年，通过平台应用各地共计现场查处拦截交通违法700多万次，在保障道路交通安全有序、反恐处突、重大安保、疫情防控等方面都发挥了积极作用。
基于AI的集成指挥平台创新应用
我们希望基于公安交通集成指挥平台，应用计算机视觉、深度学习等人工智能技术，深入开展基于道路监控视频图像的智能化分析，建设服务交警应用的人工智能服务平台，实现涉车涉证、无证驾驶等交通违法行为精准化识别，实现非现场业务的证据图片自动化智能审核，实现交通视频事件精准检测、违法取证，提高交通管理科技应用水平。
具体如何实现？
人工智能有三大要素：算法、数据和算力。在数据层，集成指挥平台已经具备了大数据环境，每天上传存储12亿条过车数据，累积存储8000亿条动态数据，每条数据后面对应的是一张过车图片；深度学习硬件环境，只需要采购一些GPU或国产芯片等这些具有算力的服务器；算法层面，它是一个碎片化的场景，特定场景下的特定算法才能有特定作用，针对深度学习算法，我们将它分为四类：车辆图像特征识别、驾驶员人脸检测识别、违法证据图片识别、视频媒体流检测识别，四大类算法里面又分为很多细分的小算法。
基于这三个层面，人工智能服务平台就具备搭建条件了。
我们通过这个平台就可以开展交管业务应用，包括对黑校车、非法营运和疲劳驾驶等“隐性”交通违法行为进行实时发现、识别预警和拦截查处。
人工智能服务平台总体架构我们是这么设计的，整体包括底层并行计算服务器群，中间层的算法资源分布式调度管理软件和上层的算法仓库，其中算法仓中每类算法模型都采用双双算法交叉验证模式，对外与公安交通集成指挥平台进行双向的数据输入输出，实现算法灵活集成部署，硬件资源均衡调度。
人工智能服务平台实现的基础，就是对道路监控设备采集的视频图像进行结构化处理。对机动车、非机动车、行人等交通参与者进行目标分类，然后针对每个检测目标细化特征值，并提取主要特性进行组合，生成代表目标身份的唯一特征码。在此基础上，我们进行了涉车涉证等违法行为发现查处的具体实战。
涉车违法应用思路，就是在每一辆过车图片中识别提取车辆属性特征，包括号牌号码、号牌种类、车身颜色、车辆品牌、车辆子品牌、车辆类型等，且为每辆车绘制唯一的“车辆身份ID”，也就是可记录的数字化特征值。
通过这个特征值能够进行特征比对、以图搜图，对特征相似度高的车辆图片进行归类分析，从而可以有效解决伪造变造号牌、 挪用他人号牌、遮挡号牌等涉牌违法行为发现难、查处难等问题。
我们也将此进行了系统研发，应用基于GPU架构的深度学习技术，实现对卡口车辆通行图片的智能分析，识别提取车辆号牌、品牌型号、年检标识、摆件挂件等车辆特征和驾驶人不系安全带、开车拨打电话等驾驶行为特征，生成车辆唯一特征值。关联公安交通集成指挥平台，比对机动车登记信息和特征值，实现车辆和驾驶违法行为精准判定、预警推送。
车辆特征智能识别与图片检索比对系统与全国公安交通集成指挥平台集成应用，共享卡口过车统一接入服务。
应用深度学习技术，实现车辆外观特征、驾驶员部分驾驶行为的智能识别与车辆智能建模；建立不依赖于号牌号码的多维车辆特征库；实现违法车辆的主动发现和自动预警；实现涉牌违法车辆真实信息的主动查证。
主要功能包括：车辆识别与特征提取、驾驶行为分析、涉牌违法车辆分析、以图搜车等4大模块。
目前，系统已覆盖20个省、31个单位部署，共有2600多个卡口参与识别，日均识别120多万过车，日均分析出假套牌车辆20辆，日均输出影响安全驾驶行为200条。我们可以简单换算下，基本上每6万条过车数据条件下，能够分析发现1辆假套牌车辆。
目前，该系统可分析预警的道路交通违法行为或异常驾驶行为高达13种以上，其中挪用他人号牌车辆预警准确率50%以上，不按规定悬挂号牌的预警准确率80%以上，以上车辆通过以图搜车功能找到真车轨迹的准确率均超过30%。
在识别性能方面，图片识别速度达到每秒100张以上。新增的开车使用手机、主副驾驶人不系安全带、驾乘摩托车不戴头盔等异常驾驶行为预警准确率达80%以上。
近期，我们还基于国产机动车公告、进口车登记信息等，建立了完备的机动车基础品牌型号编码目录和品牌型号年款分级分类关系，组织构建了全国车辆品牌库和机动车车脸图片特征库，优化提升了车脸识别算法，支持国内道路上路行驶的所有国产小型汽车、货车、客车、进口车等车辆品牌型号年款的标准化、细粒度的车脸识别。
交通管理主要业务工作是对机动车和驾驶人的管理。
通过集成指挥平台缉查布控、二次识别、以图搜车等业务，对机动车的管理已经实现从静态管理转向动静结合的新管理模式。但对驾驶人的管理主要还是静态的，对于路面的机动车驾驶人、非机动车驾驶人、行人等动态信息基本不掌握，对于涉证违法行为缺乏有效管控手段，对行人、二轮车辆违法更是束手无策。
为进一步落实公安部交管局印发的《2019年道路交通管理工作要点》要求，实现动态发现预警嫌疑驾驶人员的违法驾驶行为，基于公安交通集成指挥平台缉查布控核心业务，集成应用人工智能新技术，我们研发了卡口图片人脸智能识别预警功能。
通过AI算法，可以精确定位卡口图片里的驾驶人，自动提取人脸特征信息，然后在后台与本地或本省常住人口信息库、全国机动车驾驶人信息库进行实时比对分析，主动发现具有失驾、无证驾驶、准驾不符等交通违法行为的嫌疑驾驶人，通过集成指挥平台实时预警拦截、确认后布控车辆、通知违法人员主动处理等方式进行查处。同时，系统支持与吸毒、在逃、临控等大公安重点关注人员进行实时比对，实现对车内重点人员的管控。
人脸识别核心业务流程是首先检测过车图片中的驾驶人人脸，对于检测到驾驶人的，会有两条并行的路线：人口库比对与黑名单比对。
人口库比对方案是首先通过与常住人口、暂住人口库进行比对来确认身份信息；对于能够确认身份信息的，进一步核实全国机动车驾驶人信息库，检查是否存在无证驾驶、准驾不符或超分、扣留等违法行为；存在违法行为的，生成嫌疑信息并推送实时预警。
黑名单比对方案是直接与各类黑名单进行比对，比中的直接预警。支持自定义黑名单库。
2019年3月底开始，集成指挥平台卡口图片人脸智能识别预警功能，先后在河北唐山、江苏泰州、江西南昌、上饶、山东聊城、广东韶关、重庆等地试点应用。
截至2019年6月底，配置比对卡口123个，累计比对确认驾驶人身份380多万次，成功比率超过60%，其中人脸相似度阈值大于98的首位命中率超过95%，发现违法嫌疑行为2万多起，共计查处驾驶人违法驾驶行为1400多起，其中失驾违法1000多人、无证驾驶违法300多人、准驾不符5人、抓获在逃人员5人。
另外，在后台部署集成指挥平台人脸识别应用软件，公安交通集成指挥平台警务通APP就能直接支持人脸核查应用，通过“人脸扫一扫”，就能快速准确核实当事人身份信息。
还有一个以图片为主的，人工智能在交通管理领域的典型应用是非现场违法智能审核。
根据集成指挥平台非现场违法数据上传情况统计分析，全国各地通过执法取证设备平均每月上传非现场违法1500多万条，审核确认上传综合应用平台200多万条，审核通过率仅有14.0%。其中，违法禁止标线指示、闯红灯、不按所需行进方向驶入导向车道、逆向行驶等4类违法行为审核无效占比较高。
审核有效率低的主要原因：一是业务体量大，人工不足。不完全体统计，平均每个支队每日违法数据上传量在3万至6万之间，超期未处理数据比例平均在50%左右，大量的非现场违法图片直接被浪费。
据调查，一个熟练的业务员审核一条平均耗时5-10秒，对于违法要素不完整，单条违法审核最少1至3分钟。
综合来看，平均每人每天仅能审核1000多条。二是抓拍设备杂，抓拍质量低。
全国范围内已在集成指挥平台备案的执法取证设备厂商超过500家，各家违法抓拍设备品牌繁多，设备型号多样，设备抓拍图片质量有高有低， 以山东某支队为例，2018年12月以来，违法上传比例不足30%，设备上传数据有效率最低为0%，最高达到80%以上。
非现场违法通过AI技术执法需要解决什么问题？要识别交通场景和车辆行为，锁定目标车辆后，依据图像取证规范要求判别违法行为，最终认定违法证据图片是否符合要求。
引用AI之后，基于违法图片的智能初筛审核应用大概分为两个流程，一是原始违法图片按照证据充分性筛选，大致分三类：证据充分，证据模糊，证据不足。
二是对人工筛选删除的废片进行智能回滚，找回满足取证规范的图片进入待筛选表或待审核表，重新进行筛选审核，最大效率的利用图片价值，避免有效信息浪费，体现执法严肃性。
目前支持对压线、逆行、不礼让行人、不按规定车道、超速、闯红灯等六类交通违法行为及号牌类违法行为图片进行智能识别，平均检出率超过50%，平均准确率超过95%。
我们在山东某地实际测试验证，启用AI非现场违法智能预筛选，由人工根据算法识别结果的证据充分性提取，优先选择算法判断为证据充分的违法图片。经过测试，人工筛选的有效率从原来的7.54%，提升到46.30%，效率提升了约6倍。
下一步人工智能应用拓展方向
基于人工智能技术，集成指挥平台车脸特征、人脸特征识别比对功能的启用为人车信息的动态关联提供了全新解决方案，一个全网范围内的人脸和车脸识别缉查的智能应用新时代即将来临。
下步集成指挥平台将依托联网交通监控视频等数据，进一步丰富基于视频图像特征识别的智能化场景应用。
第一个方向是基于城市交通视频的规则意识违法AI识别。
据2017年《中华人民共和国道路交通事故统计年报》显示，2017年事故总数203049起，事故主要原因是机动车违法的有173454起，,其中未按规定让行27779起，占事故总数的13.68%，死亡人数7174人，占总死亡人数的11.25%。
未按规定让行违法只是城市中规则意识违法的其中一种，规则意识类违法包括：未按规定让行、违法会车、违法超车、违规变更车道、占道行驶、违法抢行等6大类，共63种交通违法行为。
其中未按规定让行15种、违法会车10种、违法超车18种、违规变更车道2种、占道行驶12种、违法抢行6种。可见，对城市规则意识违法智能识别对规范交通秩序、减少交通安全隐患意义重大。
目前，视频监控系统产生的海量视频或图片均为非结构化数据，很难有效的应用于交警的实战业务中，不利于开展数据的融合处理、分析、预测。采用目标检测、特征提取、深度学习等分析手段，开展视频结构化识别，可将视频图像组织成可被计算机和人识别、理解、检索的文本信息。
通过识别的结果，可以对视频中的行人、非机动车、机动车等活动目标进行特征识别和提取，车辆特征信息主要包括活动目标类型、运动方向、主体颜色等，具有行人性别、年龄段、是否戴眼镜等属性的识别，具有活动目标颜色、大小、方向、速度的识别。
对视频画面中的机动车、非机动车、行人等进行目标跟踪，计算动态行驶轨迹，辅助未按规定让行业务逻辑判断，实现通过视频分析发现预警相关违法。
第二个方向是基于高速交通视频的匝道违法预警识别。
在所有高速公路事故中，匝道附近事故最为常见。2018年上半年，交管部门统计发现在高速公路上有5成以上事故发生在匝道口。对陕西某高速2007年10月至2009年7月的统计也表明，出口匝道事故占比达40%左右。
因而加强高速公路匝道管控，对于道路交通事故预防“减量控大”具有重要意义。
今年3月部局发布的《关于进一步加强高速公路交通管理工作的指导意见》中提出严管严查易扰乱秩序交通违法，紧盯违法占用应急车道、强行连续变道、货车违法占道、违法倒车、逆向行驶等“五类违法”。五类违法尤其是违法倒车、逆向行驶、强行连续变道、占用应急车道均为匝道口及附近道路多发违法行为。
根据2019年全国高速公路违法数据，这五类违法共处罚70多万次。
除“五类违法”之外，匝道口及附近道路还有压导流线、实线变道（压白实线）、违法超车、违停、不打转向灯等其他5种常见违法行为共处罚170多万次。
除限速外，以上10种违法行为占高速公路违法的60%以上，且大部分违法行为通过监控视频识别取证更加有效。另外一个内容是对交通事件的识别。
高速公路匝道（出入口、服务区）违法与事故发生都有密切关联，比如逆行（倒车）、违法变道之前通常会出现速度骤减、车辆缓行，而行人上高速、跟车过近、恶劣天气等可能导致事故发生。
除了对上述违法行为进行识别预警之外，还可以对行人上高速、跟车过近、速度骤减、车辆缓行、恶劣天气、交通拥堵、交通事故等7种事件进行预警。
