「人眼看」变「天眼算」，视觉技术升级智慧交通

交通是兴国之要、强国之基。随着城市的快速发展、车辆和行人数量的日益增多，强依赖人力管控的传统交通治理模式在交通拥堵治理、信号调控、秩序改善等典型场景上，都遇到种种挑战。

利用人工智能技术能够有效提高对交通问题的治理效率，实现全方位、24小时地异常情况预警与智能分析，从而提高执法效率，缓解交通堵塞，大幅减少碳排，支撑传统交通行业的转化升级，从真正意义上实现“数字化”、“智能化”与“减碳化”。

百度飞桨针对城市轨道交通、道路交通及高速公路，提供围绕人、车、路、环境的智能感知与分析能力，助力开发者高效建设智能化的路网运行感知体系、实时的预报预警体系和高效的应急保障体系，快速实现车流监测、车辆跟踪定位、异常停留检测、人车关系判断等十余种任务，从而缓解交通拥堵、改善交通状况，发挥城市交通最大效能。

飞桨智能交通全景

这一系列开源算法被包括武汉铁路局、上海天覆科技、北京德厚泉等知名企业广泛应用在出入口车辆管控、智能查车、车牌识别等典型交通治理场景，精度最高可提升至95%以上。从“人眼看”全面升级至“天眼算”，实现人力成本降低60%以上的卓越效果。

人工智能技术的日益成熟带动行业中越来越多的企业尝试应用AI能力，飞桨与行业重点合作伙伴梳理、抽象出以下典型交通治理场景，为开发者提供交通智能化更多的思路。

场景一：交通拥堵治理

交通监管中最高频的场景即是出入口车流量监控，及时预警道路拥堵情况，不仅可以大幅优化城市交通状况，更可大幅减少不必要碳排放。实际应用中面临拍摄角度与光线多变、涉及车辆类型繁多、统计与预警实时性要求高三大难题，飞桨实时多目标跟踪PP-Tracking中提供的车流量统计算法则能完美“消化”这三大难题，应用服务器端轻量级版FairMOT模型预测得到目标轨迹与ID信息，支持自定义流量统计时间间隔，实现动态人流/车流的实时去重计数。

飞桨多目标跟踪能力：

https://github.com/PaddlePaddle/PaddleDetection/blob/develop/deploy/pptracking/README_cn.md

场景二：交通违章事件精准识别

通过飞桨目标检测、多目标跟踪的技术，可对车辆异常停留、车辆违停、车辆逆行等交通违规事件进行毫秒级精准识别，提前阻止交通事故发生，保障道路运行安全。

视频数据引用自：http://www.sutpc.com/news/jishufenxiang/800.html

飞桨相关技术介绍：

https://github.com/PaddlePaddle/PaddleDetection/blob/develop/README_cn.md

场景三：智能车辆人员监管

传统车辆人员监察依靠人力抽查，对人力消耗极大，而机器视觉方式也无法完全代替人工，需要人工反复审核，无法从根本上解决人力成本与准确度的平衡。飞桨所提供的目标检测、多目标跟踪、OCR技术，助力北京德厚泉科技公司零人工成本实现车辆进出数量统计、车牌识别、人车关系分析，如检测保安是否按规定查车等，不仅完全释放人力，其识别准确性达到97%，真正意义上实现智能化升级。

飞桨行人分析技术介绍：

https://github.com/PaddlePaddle/PaddleDetection/tree/develop/deploy/pphuman

在未来，飞桨会持续丰富场景化能力，围绕人、车、路、环境不断拓展垂类能力，新增车辆分析相关能力，囊括车辆属性（车牌、颜色、车型等）、车辆异常（逆行、超速、撞击）等功能。以最低门槛、最高性能为初心，助力智慧交通实现运行模式的智能化、信息化升级， 加快发展“绿色AI”，引导算力算法低碳发展，助力“双碳”目标更好实现。

飞桨目标检测套件项目地址：

https://github.com/PaddlePaddle/PaddleDetection/blob/develop/README_cn.md