如何精確捕捉到交通各參與主體的精細(xì)要素一直是智慧交通發(fā)展面臨的一大問題，北京卓視智通科技有限責(zé)任公司CEO吳柯維表示，AI場景化應(yīng)用將顯著助力智慧交通的未來發(fā)展。

吳柯維在第二屆（2019）中國人工智能＋交通論壇上就人工智能與深度學(xué)習(xí)的歷史、未來AI發(fā)展的方向、以及AI如何賦能智慧交通應(yīng)用落地做了詳細(xì)闡述。

目前，卓視智通在AI與智慧交通的結(jié)合上進(jìn)行了諸多創(chuàng)新，無論是城市道路交通，還是高速公路，識別內(nèi)容由車輛延伸到行人、路況環(huán)境，都做了極大的投入并取得了一定的成果。

以下為吳柯維演講的全部內(nèi)容：

大家好，我們卓視智通一直專注于車臉識別和交通大數(shù)據(jù)應(yīng)用，并致力于人工智能在交通相關(guān)垂直行業(yè)場景應(yīng)用。今天我的演講主題是：AI場景化應(yīng)用，助力智慧交通落地。 因?yàn)樵谧�的很多并不是人工智能領(lǐng)域的科研人員，首先讓我們簡單回顧一下人工智能的發(fā)展歷史。

人工智能的歷史

我認(rèn)為人工智能有兩個大的時間節(jié)點(diǎn)，第一節(jié)點(diǎn)：起源—1956年達(dá)特茅斯會議。第二節(jié)點(diǎn)：騰飛—近期深度學(xué)習(xí)的廣泛應(yīng)用。

2006年Geoffrey Hinton發(fā)表了一篇論文，提出了深度學(xué)習(xí)相關(guān)理論及訓(xùn)練方法，當(dāng)時并沒有受到特別大的關(guān)注。

直到2012年，通過深度學(xué)習(xí)實(shí)現(xiàn)的圖像分類方法在ILSVRC圖像識別比賽上大放異彩，取得了遠(yuǎn)超前一年冠軍的好成績，才讓深度學(xué)習(xí)技術(shù)受到Google，F(xiàn)acebook等大公司的關(guān)注和大規(guī)模投入。

值得一提的是，ILSVRC圖像識別比賽所用到的ImageNet數(shù)據(jù)集是由華人女科學(xué)家李飛飛2007自主籌資發(fā)起的，可以說，正式由于這個數(shù)據(jù)集的建立，推動了深度學(xué)習(xí)技術(shù)從理論走向了應(yīng)用。

直到2016年，AlphaGo 事件，讓深度學(xué)習(xí)走向大眾視野。

深度學(xué)習(xí)技術(shù)目前來說，貢獻(xiàn)最大的在計算機(jī)視覺和語音識別兩個領(lǐng)域，其中計算機(jī)視覺領(lǐng)域取得的進(jìn)展最大，這也解釋了，為什么近年來AI技術(shù)廣泛應(yīng)用于安防、交通等領(lǐng)域。

那么深度學(xué)習(xí)為什么能取得令人驚艷的效果？深度學(xué)習(xí)讓計算機(jī)自動學(xué)習(xí)內(nèi)在邏輯，而計算機(jī)機(jī)器學(xué)習(xí)終其一生，就是在求一個目標(biāo)函數(shù)的最小值，最小化損失，這有點(diǎn)類似人類的思維模式。其內(nèi)在邏輯遵循奧卡姆剃刀原則——最經(jīng)濟(jì)的往往是最適用的。

深度學(xué)習(xí)最大的貢獻(xiàn)之一，是認(rèn)知能力的提升，但對于智慧交通系統(tǒng)而言，除了認(rèn)知，還需要決策，因此AI真正能給智慧交通帶來全面改變，還有很長的路要走。深度學(xué)習(xí)目前對于計算機(jī)視覺改進(jìn)最顯著的有兩個方面：

第一：車臉識別。由車牌識別發(fā)展到車臉識別，并且是360度任意角度識別，識別內(nèi)容包括車內(nèi)外的可見的所有特征信息，這為智慧交通系統(tǒng)奠定了數(shù)據(jù)采集基礎(chǔ)。

第二：人臉識別。LFW庫上人臉識別準(zhǔn)確率超過99．8％，動態(tài)人臉識別獲廣泛應(yīng)用。

人工智能當(dāng)前的發(fā)展階段

由2018年8月公布的新興技術(shù)成熟度曲線Gartner可知，深度學(xué)習(xí)目前已經(jīng)處于頂點(diǎn)位置。關(guān)于下一步如何發(fā)展？接下來是否會有更好的突破？等問題已經(jīng)被提出。

深度學(xué)習(xí)逐步進(jìn)入到發(fā)展相對緩慢、技術(shù)迭代周期加長的階段，在這一階段中，許多的AI芯片和前端智能化產(chǎn)品逐步誕生，這也催生了邊緣計算概念的提出，在這個背景下，云＋端將是新的趨勢，2019年也將是邊緣計算大爆發(fā)的一年。

近年來，科學(xué)界和工業(yè)界開始意識到，深度學(xué)習(xí)已經(jīng)不再是包治百病的靈丹妙藥，在這個大背景下，AI只有針對場景化的優(yōu)化，各個擊破，才能真正解決問題。下面我從幾個典型的場景來一一闡述。

AI＋智能駕駛

自動駕駛目前在智能交通領(lǐng)域被認(rèn)為是最具潛力的應(yīng)用方向之一，近年來受到資本的青睞。

自動駕駛的愿景雖然美好，但現(xiàn)階段依然存在著很多問題，例如自動駕駛車輛也頻繁發(fā)生交通事故，很多自動駕駛的演示方案往往是一些路況條件特別好的道路，對于大角度的彎道或一些具有非視距障礙物的道路，往往很難有效處理。

這一些的問題導(dǎo)致最近一年來，產(chǎn)業(yè)界對自動駕駛普遍持悲觀態(tài)度，認(rèn)為其可能是未來二十年甚至更久才能實(shí)現(xiàn)的故事，美國現(xiàn)任總統(tǒng)川普前一陣甚至說未來五十年都不可能實(shí)現(xiàn)。

但基于自動駕駛技術(shù)已經(jīng)可以落地的輔助駕駛今年備受資本關(guān)注，原因是其可以更好的商業(yè)化落地。我個人比較看好輔助駕駛。

目前我們也正在打造了一項(xiàng)短期內(nèi)可服務(wù)于輔助駕駛，遠(yuǎn)期可助力自動駕駛的技術(shù)——車路協(xié)同道路全息感知。

我們通過道路路側(cè)的攝像機(jī)精準(zhǔn)感知道路的路況、車輛以及行人等參與主體的位置、速度和方向，識別道路上的一些異常交通事件，落地車路感知技術(shù)。交通事件檢測系統(tǒng)在高速公路上目前已經(jīng)大量投入使用，城市道路近年也在逐步開始應(yīng)用，但僅限于異常交通事件的檢測和報警。

通過路側(cè)攝像機(jī)將道路參與主體（人、車、非機(jī)動車）的狀態(tài)、速度、方向、位置等信息進(jìn)行檢測，通過C－V2X或5G技術(shù)給周邊車輛進(jìn)行超低延時的廣播，讓其知道自己所處的環(huán)境，這顯著提升了車載輔助駕駛系統(tǒng)和未來的自動駕駛車輛的環(huán)境感知能力，它相當(dāng)于給每一輛車安裝了一個“天眼”，能夠站在高空俯視車輛周邊的道路和環(huán)境，類似于極品飛車?yán)锏摹吧系垡暯恰薄?/p>

可以想象，這種環(huán)境感知極大的彌補(bǔ)了輔助駕駛系統(tǒng)和自動駕駛車輛上車載傳感器無法解決前方遮擋、大角度彎道或坡道、檢測距離有限的非視距問題，隨著5G及V2X技術(shù)的廣泛應(yīng)用，能夠產(chǎn)生極具價值的車聯(lián)網(wǎng)應(yīng)用，例如高速公路上的團(tuán)霧是目前高速公路交通事故特別是連環(huán)碰撞事故的主要原因之一，由于其發(fā)生距離短，往往只有幾百米半徑，傳統(tǒng)的高速公路氣象檢測系統(tǒng)不容易發(fā)現(xiàn)，即使發(fā)現(xiàn)也無法通知車輛。

而對于基于視覺檢測和5G及V2X技術(shù)的車路協(xié)同感知系統(tǒng)來說，檢測相對容易。我們可以利用該技術(shù)將檢測到的團(tuán)霧預(yù)警信息發(fā)送給500米以外的車輛，提醒車輛減速規(guī)避危險，可以有效規(guī)避團(tuán)霧引發(fā)的連環(huán)追尾事件，減少人車傷亡損失。

可以想象，未來路側(cè)車路協(xié)同視覺檢測單元，對于道路而言，將會變成一項(xiàng)必備的基礎(chǔ)設(shè)施，它會像道路兩側(cè)的照明燈一樣，將整個的道路狀況清晰的檢測出來，并通過5G等通信技術(shù)無延遲的投射到道路上的參與主體——車輛的“大腦”里，為輔助駕駛系統(tǒng)和自動駕駛車輛增加了一雙天眼，為道路車輛行駛保駕護(hù)航，未來沒有配置車路協(xié)同道路感知的道路好比是漆黑無燈的鄉(xiāng)村公路，汽車都得小心翼翼緩慢行駛，而配置了車輛協(xié)同道路感知的道路就好比是燈火通明的公路，汽車視野開闊可以快速通過。