7月9日—11日，世界人工智能大会（WAIC）2020云端峰会盛大召开。此次大会以“智联世界，共同家园”为主题，以“高端化、国际化、专业化、市场化、智能化”为特色，集聚全球智能领域最具影响力的科学家、企业家、行业合作伙伴、以及相关政府机构领导人，共话人工智能领域的技术前沿、产业趋势和热点问题。

在2020世界人工智能大会明略科技论坛，明略科技集团交通行业解决方案副总监为众多云端观众带来了《人工智能助力高速公路智慧养护》主题分享。

以下为演讲实录，部分内容略有修改

众所周知，中国是高速公路大国，截至2019年底，全国高速公路总里程为14.96万公里，位居世界第一。目前我国公路网的总里程已经达到了501.25万公里，五射六纵四横国道改造工作已经基本完成。

当前伴随我国一带一路战略的实施，虽然高速公路年新建约1万公里，新增高速里程仍处于高位阶段。但我们也应该看到同比建设投资增速在逐渐放缓，已经呈现出了以建设为主，向存量管理和服务的“后建设期”过渡的态势。结合每年公路的养护支出逐年增长，可以初步判断整个公路的建设方向已经进入了运营养护阶段。

在此背景下，为什么要特别关注高速公路养护的智慧化？

主要有两点原因，一是高速公路是经济大动脉，高品质的公路质量对于交通运输行业而言具有保驾护航意义，是构建现代综合交通运输体系的重要保障。

另外一方面，高速公路与人民群众的出行息息相关。通过对公路的持续养护、消除安全隐患，同时提升公路的质量，对人民群众的出行安全和出行的舒适度，具有直接意义。

高速公路养护业务整体情况

高速公路的智慧化养护该如何入手？带着这个问题，我们先看一下高速公路养护业务的整体情况。

从业务板块看，养护业务包括了检测、监测、养护评估、规划设计、工程实施、应急处置等多个方面；从养护的内容看，即养护的对象，包括了路面、桥涵、隧道、边坡、绿化、机电等多种对象。事实上围绕着公路出行活动所涉及到的人、车、物以及发生的事，都是养护工作持续服务的内容。

客观地说，我国的养护业务整体范围较大，其所涉及的内容也很多。因此，整个养护流程环节众多，同时也存在较多需要协调的环节。但当前我国养护行业的数字化水平存在着一定的不足。基于以上的情况，客观上制约了整体养护业务的发展。

当前高速公路养护工作面临的主要挑战

在如此多的头绪中，既有流程，也有养护对象，我们如何去梳理一条养护的智慧化脉络？

在众多的头绪中，我们认为核心的问题还是病害。围绕着病害治理的生命周期形成一条智能化的链条，才能真正有效地赋能整个行业。

聚焦于病害，我们来看当前行业的现状和挑战。在围绕病害的发现、修复、评估、决策的持续治理的整个流程中，病害的发现是第一个环节也是最重要的一个环节。病害的发现有两个非常重要的指标，一个是及时性，一个是准确性。病害发现的及时性、准确性是道路安全的基石。

目前行业内主要是通过巡检活动来发现病害，普遍采用的手段主要包括纯人工上报以及机器加人工两种模式。人工上报比较容易理解，主要是通过员工去拍照、填写报表以及汇报。

而机器加人工这种模式是最近几年逐步推广起来的，主要的方式就是通过车载的巡查系统，在高速行驶的状态下对路面的病害进行抓拍。

这种模式带来了怎样的改变？其主要改变了以前传统的人工手写笔记进行上报的模式，同时，它还解决了高速公路车流量较大时出现漏记病害，以及病害相关桩号的管理信息容易记错等一系列问题。这种模式下虽然有机器的参与，但仍需要人工去把病害的图片上传到管理办公室或者平台，进行分类和编辑。

综合而言，无论哪种模式都依赖大量的人工操作，特别是受限于人员编制、人员的经验能力等各方面的影响，对病害发现的及时性和准确性没有办法保障。尤其是在当前情况下，高速公路基础建设仍然处于一个增长期。随着路网不断地增长，在人员方面面临的挑战也会越发迫切。

高速智慧化养护发展趋势

未来高速公路智慧化养护的发展方向将是怎样？我们认为未来的智慧化养护平台必然是一种集智慧巡检与智能决策为一体的智慧化养护平台。

那它核心要实现什么？其主要实现从“人海养护”模式要到“智慧养护”的转变。

首先从检测端，人工智能将会有一个非常切实的落地场景。通过结合AI技术对病害进行实时的分析和自动上报，从而对及时性和准确性这两个核心指标就有了非常有力的抓手。

同时在管理和决策端，还可以通过结合大数据技术对病害的维护进行实时的对接管理；结合公路的技术状况评定等行业标准，对养护对象进行持续的跟踪；结合数据分析建模能力，对养护的对象进行预测、预警。总体上形成一个数据的处理能力和数据的智能能力，从而为决策管理提供科学的依据，为养护科学的成功展开提供良好的辅助。

通过以上的工作，我们可以围绕病害核心要素构筑一条智慧化的养护核心流程，从而助力养护工作的持续发展。

明略智慧养护平台方案

基于以上情况，我们提出了明略智慧养护平台的总体方案。此方案通过采取云端协同的思想，融合了大数据云计算、人工智能等技术。

养护的智慧终端主要是通过引入视频图像的智能识别技术，结合4G、5G的网络传输技术，实现巡查车辆在快速行驶的状态下能够自动地采集病害、对病害进行分类、识别，并且把识别出来的病害相关信息实时回传到中心，从而实现了路面病害采集的自动化和实时化。

在云端主要通过大数据技术去构建一套实时的处理框架，打通养护管理的流程，实现养护作业的协同。同时在数据层面要构建公路、桥梁、隧道等，依据于行业标准所形成的技术状况评定标准库。标准库对应上一系列的养护方案，构建出养护操作的知识库。

此外我们还要对不同的养护对象，无论是路面还是桥涵，构建出它的预警预测模型，基于这些数据分析，为养护决策提供依据。

方案价值体现

整体而言，明略智慧养护平台方案的价值主要体现在以下三个方面：

第一，有效地解决了病害发现的实时性和准确性；第二，实现了管理流程的可视化、协同化；第三，提升了养护决策的计划性、主动性。

下面我们通过几个场景，简单地介绍平台的应用能力。

场景1：路面巡检

以路面巡检的场景为例，在路面巡检时，核心问题是发现路面上的次生灾害。这种灾害大家可能感受比较直接，就像途中路面上有个坑，这个坑在车辆高速行驶状态下容易发生安全隐患，需要我们积极、及时地去养护。

通过AI技术对养护的病害缺陷进行识别，在这个过程中我们自研了稳定计算平台，集成了GPU模块，同时嵌入到深度学习软件中。在算法层面，我们在计算速度和能耗方面都取得了一些比较好的效果。

另外我们都知道要识别病害，特别是通过AI识别病害时，其准确性是大家非常关注的一个环节，针对这种挑战，我们也做了大量的工作。目前明略已经进行了400多万张图片的数据采集和分析，积累了大量的数据。此外我们完成了5万多张病害照片的训练，在大量的实际数据的训练过程中，模型的准确度得到了极大的提升。

现阶段，已经可以实现路面裂缝，坑槽、龟裂，车道线磨损等一些主要病害的识别。后续还计划进行更多AI场景的研发，包括护栏、标识牌、绿化带等，进行专门的模型训练。

场景2：桥梁巡检

桥梁巡检是一个非常重要的养护对象。因为高速公路桥梁建成使用后，随着时间的推移，其性能实际是遵循自然递减的一个规律。如果不进行合理的养护，长期超负荷运行，桥梁的运营安全就会受到威胁。

这种威胁包括什么？结构上有腐蚀，以及车辆的超载，超载将影响桥梁的承载能力。尽管桥梁结构上的衰减是不可避免的。但仍然可以借助定期的检测、加固以及专业化的养护管理，有效地控制桥梁的工程结构性能衰减的速度，从而延长使用寿命。

在桥梁的日常养护中，存在的主要的问题是工作量大，劳动强度强，问题识别的精准程度低，并且很多时候都依靠人工，自动化水平不高。

在这种情况下，明略的方案就是将5G和无人机技术相结合。通过无人机可以把高速桥梁的桥墩、桥座、桥腹、桥柱，每一个细节都拍摄得很清楚。将视频和图像回传到操作台，我们还可以在车载的操作服务终端上进行3D建模，利用人工加智能识别方式，找出车辆桥梁的缺陷点进行标记，并且把它发送到云端统一的管理后台。目前已经可以有效地识别裂缝、螺栓脱落，钢筋锈蚀等一些典型的问题。

场景3：养护流程可视化、协同化

在平台端，明略做的一项重要工作就是偏信息化、电子化的养护流程的可视化和协同化。这一项工作主要结合了北斗高精度定位等技术，实现病害的可视化和流程化的管理，支持工单的自动下发、巡检报告的自动生成、巡查轨迹的回放、病害的查询统计等管理流程。

场景4：端到端智能闭环管理

另外，我们在平台端实现的功能是端到端的智能闭管理。为什么说实现端到端的智能闭环？事实上我们要在平台端做一个很重要的工作，就是把检测、监测的数据和养护决策进行最后的打通。围绕着重点养护对象，解决最后一公里问题。

那如何解决呢？在实践中，主要是抓住设施性能这样一个关键点。从整个设计，一直到后续的运营过程中所涉及到的核心环节，包括设施性能相关的，是如何设计的？它的材料是什么？它的结构是什么？经常承载的交通流量是什么样的？这种流量可能又可以细分成经常有超重的卡车通过、还是小汽车通过，超重的卡车又可以细分成若干种车型等等，以及所处的地理环境也会带来一定的影响。

围绕这一系列的因素，明略通过自身的图谱技术以及知识图谱平台，构建了一系列的辅助决策模型，这种模型包括了对路面性能的预测模型，以及桥梁状态的预测模型等。我们把养护监测和检测到的数据通过这一系列的模型，提炼出一系列的关键指标，甚至通过预测能够知道桥梁性能的衰减情况。基于这种衰减情况，再反馈到养护决策中，从而为下一次的养护决策提供科学的依据。这就真正地实现了养护检测结果和养护决策的打通，从而解决了最后一公里的打通。

有人可能会认为数据分析到养护决策之间，在很多时候都是很常见的。为什么我们专门要做打通工作？事实上整个行业的现状还是，一方面不光大中修，都是基于计划性来制定的；另一方面很多增效的维修维护，依旧基于人的经验去做判断。这种情况下，结合客观的机器数据分析，会给决策的准确度带来极大的提升。

更多服务场景：团雾智能检测

接下来我将通过人工智能在高速行业的智能化应用场景，再跟大家做进一步的探讨。现在大家看到的是团雾智能检测场景。

高速公路随着感知设备的智能化建设，特别是最近几年，铺设了大量的感知设备。平台端的智能的能力已经有了长足的进步，但仍然有提升的空间，比如说像团雾。熟悉的人可能都知道，团雾是一个高速公路的流动杀手，容易造成突发性死亡，然而传统的检测手段很难检测到。团雾一旦出现，特别容易造成一些比较大的交通事故。

比如像河北经常会出现一些团雾，面向团雾的检测，传统方式存在实时性差、量化难和成本高等一系列问题。在我们平台端，可以用人工智能手段进行进一步的提升。比如通过视频和图像的识别技术深度应用，可以将团雾的检测、管理跟指挥进行有效地打通。

当团雾发生时，我们将采集到的视频和图像进行分析，判断出团雾的发生，然后通过应急中心实时预警。将预警信息分发到公路沿线的指示牌，甚至可以推送到一些相关的用户终端。出行的公众可以实时地了解到风险的存在，从而及时地采取一些相关的措施。

当团雾消除后，可以通过视频采集的视频图像分析出来，然后实时地推送到应急监控中心，通知到周边的管理部门解除团雾的预警。比如在团雾消除时可以及时将团雾发生时封锁的道路解封，使车辆能正常通行。事实上团雾只是一个点，路面抛洒等各种各样的问题、突发事件都可以通过突发事件的检测，基于AI在图像和视频方面的应用能力，可以对公众出行的安全性、舒适性带来一个极大的提升。

基于HAO智能理论，通过打通感知、认知、行动系统，实现AI闭环落地，帮助组织进行分析决策

智慧养护平台的构建就是明略HAO智能理论的一个实践。好智能 H A O分别是什么？ H是human， A是assistant，O是organization。为什么要强调这三点？其实在整个的智慧化的养护平台里，我们通过云端的智能化，把终端养护边端的智能能力进行了组合。就像我们前面说的，把依据一些性能的分析，养护对象的性能衰减的分析，以及它相关的要素进行串联，把数据真正地去构成模型，再进行预警、预测，推动到辅助决策里，从而形成一套面向组织的一个智能。

通过这种智能，有效地把感知系统，像路边的铺设的感知系统串起来，从而形成一套完整的感知、认知行动的系统。借助这样一套理论，去构建和实现智能化的用户平台。

明略公路行业的智慧应用，除了今天介绍的养护业务以外，还有精准收入金额，车辆画像等，欢迎感兴趣的朋友与我们进行进一步交流。

作为新基建的重要组成部分，人工智能正驶入发展的快车道。其不仅引发了经济结构的重大变革，也深刻改变了人类生产、生活方式和思维模式。而人工智能技术在公路养护领域的应用，在实现智慧养护的同时，也将为构建现代综合交通运输体系、方便群众出行创造极大价值。