查看原文
其他

“AI+交通”老玩家,不做加法做减法

树森、乌云豆等 赛文交通网 2023-12-17

树森 | 采访

乌云豆 | 剪辑

包图网 | 头图来源

过去一年是疫情结束的一年,也被智能交通行业认为是建设逐渐回归理性的一年。一方面受疫情影响各地政府财政吃紧,对智能交通建设的投入更加谨慎理性,另一方面随着前期智慧交通建设项目的使用效果反馈,部分产品或技术存在比较“虚”的情形。

其中为代表的人工智能技术,经历了此前几年技术的爆发式更新,在智能交通领域技术和理论方法研究上,取得了很多成就,总体上比较超前。AI技术的出现,对复杂感知数据结构化、多元感知数据进行深度融合、交通流主动预测、控制优化算法都有实质性的帮助。

人工智能第一波热潮时,除BATH之外,滴滴、海康威视、大华、商汤、卓视智通、佳都科技等等各类参与者也都在不断挖掘人工智能在行业中的应用模式,探索如何能够落地。

当前摄像头、雷达等设备已经可以做到全面感知,积累大量的数据,但是如何结合AI技术利用好重要的数据资源,解决交通问题,带来更实质性的体验提升,仍需进一步探索。

人工智能技术结合行业的产品和解决方案依然有很大市场空间,各地对于AI解决实际问题的诉求仍大量存在。

细数近年交通领域人工智能技术的探索者,依托高校及研究院的不在少数。

2018年,中科院自动化研究所模式识别国家重点实验室经过国有资产评估后,成立了中科视语(北京)科技有限公司(以下简称“中科视语”)。公司在交通领域专注于“交通安全管控、数据分析研判、设施养护决策辅导”等方向的数智化服务,核心团队在人工智能视觉方向拥有20余年的研究经验。

在交通领域中科视语布局了面向政府客户以及集成商的视语通途®、面向高速交投集团养护中心、公路检测公司等客户的视语观澜®、面向车路协同/智能网联示范区、运营商等客户的视语星熹™三大业务线。

推出了套牌车跨省布控、特种车辆综合监管、道面表观病害识别分析、道路结构性深度病害识别分析、全息感知边缘计算MEC、弱势交通参与者(非机动车)隐患事件感知等产品和解决方案。

从业务布局来看,中科视语所关注的“AI+交通”应用场景都相当细分与落地。对此,中科视语联合创始人张腊表示:“做好一个行业,首要的是做减法。进行垂类场景的深度探索,带着问题找到细分场景,与最终使用客户不断讨论,才能让所谓“高大上”的技术落在实处。

近日,赛文交通网Tvoice栏目对张腊进行了专访,围绕当前的“AI+交通”的市场环境、细分场景的市场前景及中科视语的业务布局等问题进行了深入探讨。

Q1:中科视语脱胎于中科院自动化研究所模式识别国家重点实验室,当初是在怎样的背景下创立了中科视语?

张腊:2017年左右,人工智能在国内外掀起一系列科技风暴,各大科技巨头企业迅速布局人工智能领域,中科院自动化所作为国内人工智能的前沿研究阵地,为了快速促进国内科技成果的转化与应用,也迅速制定了一系列科技成果转化政策。

中科视语的核心团队在人工智能视觉方向拥有20余年的研究经验,一直从事于泛交通行业的科技成果研究与应用。

对于我们而言,中科视语的成立,是顺应科技发展,抓住市场机会,转化多年经验积累的一个必然结果。

2018年,经过国有资产备案、评估,我们迅速成立了中科视语公司,并在成立初期即陆续获得了来自于金沙江创投、金科君创等国内知名风险投资基金的投资,且引入了政府引导基金以及交通领域的战略投资方。目前是国家、中关村双高新企业,北京专精特新企业,知识产权示范单位。

Q2:是什么时候进入到交通领域的?为什么选择交通领域?

张腊:中科视语的核心团队早在自动化所时期就已经着力于交通领域,是最早一批开展人像、车辆研究的团队,专注于将车辆和人像的研究应用于高速道路上的违规事件检测以及城市道路的安全问题。

选择交通领域是市场宏观情况及内部实力的综合考虑。我国如今明确提出要加快建设交通强国,建设现代化综合交通运输体系,所以智能交通已经成为中国智慧城市建设需要突破的重要领域,市场总值达千亿级。

且市场集中度非常低,集成商、互联网大厂各家都有参与,客户的最终竞争格局不会是一家或者两三家独大,而是一个分散的状态。这意味着市场是包容的,无论是大厂、小厂、不同角色的供应商都有机会打造自己的交通特色应用。

从内部来看,视语立足于交通行业,已经有多年的应用经验,尤其是针对车辆方面,我们最早提出了车纹的概念,并完成了对车辆的全方位精细化分析。公司的算法基座,智能引擎,行业策略及平台产品等经验都集中在泛交通领域方向。

所以,基于国家政策,还是市场局面,以及我司团队在智慧交通领域的多年深耕和成果的应用落地能力,选择继续深耕智慧交通领域。

Q3:中科视语在交通领域的定位是什么?目前在交通领域有哪些业务和产品?产品通过何种方式进入到市场当中,面向集成商还是交警用户?

张腊:中科视语希望去做交通行业数智化服务领航者,目前在交通领域布局三大业务线,不同业务线的细分场景及对应客户不同,相应的推广模式也各有差异。

视语通途®:视语通途®线主要面向公安、交警、交运、交通枢纽四类大客户提供刑侦稽查辅助、交通综合安全管控、数据智能分析研判及对应细分场景的业务应用。视语通途®是视语积累最多的业务方向,在这个方向上,我们主要面向大客户提供解决方案。

我们的大客户主要为政府客户以及集成商。政府客户包括公安交警,城管等,提供例如套牌车跨省布控、特种车辆综合监管、机动车违法事件监管、智慧停车等解决方案。集成商我们主要采用年度服务的模式,提供符合客户需求的智能分析引擎服务。

视语观澜®:视语观澜®产品线主要面向高速交投集团养护中心、公路检测公司、城市公路局、军民用机场等客户提供道面表观病害识别分析、道路结构性深度病害识别分析及对应PCI、PQI等报表的一站式交付服务。

观澜是我们对AI产品化的一种尝试。道路瑕疵检测的方向有明确的国家标准,无论是瑕疵类别及精确度的计算方式都有明确的定义,非常适合产品化的交付形式,去年我们已经完成了业务线的3家MVP客户拓展,累积检测了5w公里以上。

目前这条业务线针对不同体量的客户我们主要包括两种推广方式智能设备一体机交付方式以及数据分析服务方式。

视语星熹™:视语星熹™产品线主要面向车路协同/智能网联示范区、智慧交通集成商、运营商、高速集团等客户提供全息感知边缘计算MEC、交通场景数字孪生、弱势交通参与者(非机动车)隐患事件感知等产品及解决方案。

视语星熹™的业务线代表着我们对前沿市场的坚定探索。我们主要推广的方式是解决方案及MEC直接售卖两种模式。

Q4:中科视语在交通行业中对标的企业有哪些?中科视语的产品方案具备哪些差异性与优势?

张腊:在不同的业务线方向上,我们对标的企业不同。

视语通途®的业务线我们主要对标的企业比如格灵深瞳、以萨等,但是各个企业着力点不同,每家打法也不同。

视语的优势在于我们的切入点是车辆的精细化分析,结合我们多年在一线对交通业务的深刻理解,我们提出了首个细粒度的车纹识别模型,解决了开放动态环境下的三维车辆身份识别问题,原创复杂耦合神经网络理论,突破恶劣光线、遮挡、畸变、截断等条件下的车辆检测精度瓶颈。

当然,交通的市场是开放的,各家企业都不是绝对的竞对关系,是竞争中合作,合作中竞争的共赢局面。

在视语观澜®这个方向上,基于我们在细粒度瑕疵检测的技术积累,我们对市场的响应非常迅速。竞对企业相对较少,市面上也有一些厂家在做相关的业务,如思眸科技等。针对这条业务线,在IEEE BIG DATA道路瑕疵检测的国际大赛中,我们在各项主榜单和分项榜单上都获得了第一名的成绩。

因此,在技术上有着一定的壁垒优势,此外我们适配了市面上大部分的采集车的数据格式,免去客户适配采集数据的担忧。此外,我们开放了两种交付标准模式,高效、快速的响应客户对数据处理的需求。

对于每一个客户,我们提供小批量快速POC,年服务涵盖智能升级,数据分析梯度报价等各类专为行业客户设计的新型服务模式,站在客户角度去思考问题,逐步建立客户信任,提供有品质的真实解决客户问题的全链条服务模式。

视语星熹™这个方向上,主要的对标公司有星云互联,闪马智能等,但是在星熹的业务线方向上,区别于其他的MEC厂家,除去传统MEC的数据汇聚功能以外,我们主要打造视觉+的特色化MEC。

发挥我们在视觉方向上的智能处理优势,将交通视觉的全机构化分析、事件感知等融入MEC设备,实现对路面情况的全量感知。

此外,我们针对一些细分场景,打造了几款细分厂家的边缘智能设备,比如我们今年新出品的非机动车交通隐患事件感知就是一款服务于交警客户,针对非机动车交通隐患进行感知、震慑、预防的一款智能设备。

视语的理念是以卓越技术,构建交通数智化服务新范式。交通行业的应用有其特殊性在,即便是细分场景,也是一个系统性的工程,是涉及需求调研,问题的关键点提取,设计,产品,实施运维等全链条的把控,因此,做好细分场景,需要我们踏踏实实的深入一线,用技术去构建数智化的高质量服务。

Q5:中科视语在交通领域选择聚焦在细分场景,为什么选择这样的战略?如何看待AI在交通违法行为治理、道路养护等场景的市场前景?

张腊:人工智能赋能行业是一个比较大的课题,人工智能第一波热潮时,各类参与者都在不断挖掘人工智能在行业中的应用模式,探索如何能够落地。

人工智能行业是技术领先于行业应用,因此,我们经常出现比如算法已经可以感知全目标了,数据都做了汇聚和存储,我们知道数据的重要性,但是怎么能够更好的使用这些获取到的结构化数据,解决实际问题,还处于探索期。

做好一个行业,首要的是做减法。垂类场景的深度探索,带着问题找到细分场景,与最终使用客户共同不断讨论,才能让所谓“高大上”的技术落在实处。

比如套牌车,就是一个非常实际的问题。现在的套牌车出现时一般都是相同品牌相同颜色的车辆进行套牌,传统查车牌号码已经不可信了,我们一般采用两种方案同步进行分析,一种是使用车纹技术,归档真实的同车记录,如果发现车牌不一致,则进行预警,另外一种是结合时空信息,如果同一个车牌在短时间内出现在不同的地域中,那么也进行预警。

视语在布局细分场景时,都会仔细调研市场前景状况。举个例子,道路养护方向,我们国内养护里程大概有五百多万公里,每年道路都需要进行定检及巡检任务,是一个持续型的市场空间。

此外,养护方向的应用边界是可以不断去扩展的,包括智能分析服务,路面设施管理,在场景上,可以从高速路到农村路,再到隧道,半封闭园区等。因此整个的发展潜力是可观的。

交通违法治理,每个场景细分都很大,重点推的特殊品类车辆监管(技术难点,功能创新),市场上解决的厂家较少。

Q6:今年是中科视语投身AI行业的第五个年头了,5年间“AI+交通”行业、市场发生了怎样的变化?如何评价当前的市场环境?

张腊:从17年左右到疫情前,是第一波人工智能热潮,疫情期间,市场环境差,但是从另外一方面来说,也让行业参与者都有了一个思考的契机。

我们认为经历了第一波人工智能热潮的交通行业,大家对于“AI+交通”的认知已经比较务实了。无论是客户还是厂家,我们在探讨需求时,会发现,大家的出发点已经从早期的“跃跃欲试”到“炫技”,再到现在的真实解决问题。

当前,疫情以后,整个行业逐步复苏。年初的时候,我们核心团队进行了一次全面的市场摸排,对我们的渠道、客户进行了拜访和探讨,同期,我们也接待了很多深入企业一线的政府、行业协会、科技机构对企业的调研,开展了密集的前沿课题探讨。当前是一个非常好的窗口期,市场活跃,大家都想做在市场复苏的窗口下,做点实事。

虽然交通行业做了很多年的智能化,但是结合行业落地也走了很多弯路。我们深入调研时发现,交通行业看起来非常卷,主要是因为技术发展飞速,但实际上结合行业提供精准的解决方案却做的依然不够好。因此各地对于AI方向解决实际问题的诉求依然大量存在。当前的市场环境对视语来说也一个非常好的契机。

Q7:未来几年“AI技术”在智能交通行业还有哪些机会?

张腊:我们认为一个是在大模型的方向上,现在ChatGPT带来了热潮,大模型的方向在未来一段时间内肯定是非常火,中科视语也做了一个交通方向上的感知决策大模型,是由我们自主研发的一个千亿级的大模型。

这个大模型可以全量感知我们的交通要素在物理场景中的一个定位,并且去理解他在于时空中的一个关系,然后去预测我们的交通参与者下一步的意图跟趋势,这是其一。

另外一个是信控优化的方向,现在道路面上的红绿灯,包括整体的交通管控,是一个比较固定的一个配时方案,经常会发现整个车道已经空闲了,但是红灯阻碍了向前走的情况。

在整体的市场调研过程中,很多城市的管理者会发现充分利用道路的空闲时间去提升通畅程度是一个比较难的课题。在这个方向上中科视语也正在做一些解决方案,并且提供给我们的客户做一些试点。


RECOMMEND
推荐阅读
继续滑动看下一个

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存