隨著AI人工智能、大數(shù)據(jù)算法、算力技術(shù)的成熟，“智慧+”已成為人們改造傳統(tǒng)行業(yè)的主要手段。特別是在路內(nèi)停車(chē)領(lǐng)域，“智慧”使對(duì)路內(nèi)停車(chē)的有效管理成為可能。自2018年以來(lái)，“智慧+停車(chē)”逐漸成為停車(chē)行業(yè)的熱門(mén)詞匯，特別是經(jīng)過(guò)2019年全國(guó)停車(chē)項(xiàng)目的興起以及新基建概念的提出，一時(shí)間市場(chǎng)上涌出了各種“智慧”停車(chē)方案，其中不乏地磁、視頻樁、中位視頻、高位視頻、北斗等多技術(shù)并存的解決方案。但，什么才是“智慧的”停車(chē)？這可能還需要進(jìn)一步地透視停車(chē)的本質(zhì)才可厘清。

從客戶(hù)的需求看，城市道路停車(chē)的業(yè)主——政府對(duì)停車(chē)的需要不僅僅是為車(chē)輛找到一個(gè)停放的空間，而是以改善城市交通、提供良好出行體驗(yàn)為目的，基于激活泛交通體系的科學(xué)規(guī)劃為前提，以智能技術(shù)運(yùn)用為運(yùn)營(yíng)手段，以健全的社會(huì)懲戒體系為輔助管理措施的系統(tǒng)性工程。

因此，談智慧停車(chē)，如果目標(biāo)在于管理收費(fèi)、管理收費(fèi)員，則屬于智慧停車(chē)初級(jí)階段，稱(chēng)之為停車(chē)1.0方案；如果目標(biāo)在于管理停車(chē)事件，即準(zhǔn)確識(shí)別停車(chē)出入位行為、完成繳費(fèi)、通過(guò)有效證據(jù)體系避免逃費(fèi)行為等，則屬于停車(chē)2.0方案；只有把停車(chē)放到智慧交通管理體系化工程中，才能創(chuàng)造出適應(yīng)未來(lái)的智慧停車(chē)3.0方案，即通過(guò)自我進(jìn)化不斷適應(yīng)復(fù)雜交通場(chǎng)景的智慧停車(chē)解決方案。

從這個(gè)角度看，可進(jìn)化的智慧停車(chē)解決方案構(gòu)成要件應(yīng)有四個(gè)方面：基于深度學(xué)習(xí)人工智能技術(shù)的城市感知端、基于特征工程的數(shù)據(jù)集散棧、基于車(chē)路協(xié)同的智能駕駛以及基于知識(shí)圖譜人工智能技術(shù)的運(yùn)營(yíng)決策端。

基于深度學(xué)習(xí)技術(shù)的城市智能感知端

  智能感知是智慧神經(jīng)系統(tǒng)的起點(diǎn)?！爸腔邸保疽馍鲜侵干锼哂械幕谏窠?jīng)器官一種高級(jí)的綜合能力，包括感知、理解、聯(lián)想、邏輯、辨別、分析、判斷、決定等多項(xiàng)內(nèi)容。智慧的起點(diǎn)在于感知。從感知的信源獲取角度，人類(lèi)對(duì)外界事物的感知85%來(lái)自于視覺(jué)。同樣，基于類(lèi)人仿生學(xué)特征的智慧停車(chē)，視覺(jué)感知也是城市智能感知的重要手段。因此，耀停車(chē)從開(kāi)始研發(fā)解決方案時(shí)就把重點(diǎn)放在基于高位視頻的大傾角、超廣角的多目標(biāo)視覺(jué)識(shí)別上。

  首先，是基于不同的場(chǎng)景，制定上百種針對(duì)性的場(chǎng)景優(yōu)化方案和算法。在現(xiàn)實(shí)中，停車(chē)的場(chǎng)景是多樣、變化的，可能路過(guò)的行人、車(chē)輛，樹(shù)木的搖動(dòng)，都會(huì)對(duì)視頻識(shí)別造成很大的影響。解決問(wèn)題的關(guān)鍵在于對(duì)不同場(chǎng)景中的多目標(biāo)進(jìn)行準(zhǔn)確識(shí)別?；贑NN深度學(xué)習(xí)，在給定的視頻圖像中，耀停車(chē)的算法已經(jīng)能夠識(shí)別出小汽車(chē)、廂式貨車(chē)、卡車(chē)、工程車(chē)、巴士（客車(chē)）、三輪車(chē)、行人、騎行者、自行車(chē)、電瓶車(chē)等10余類(lèi)目標(biāo)，并給出每一個(gè)目標(biāo)在視頻圖像中的位置。對(duì)于機(jī)動(dòng)車(chē)的識(shí)別，我們?cè)跈z測(cè)整車(chē)的基礎(chǔ)上，還增加了車(chē)頭車(chē)尾等更多細(xì)部的檢測(cè)，以解決距離較遠(yuǎn)的相鄰車(chē)位之間重疊度的問(wèn)題。

其次，構(gòu)建全場(chǎng)景的3D模型和感知。車(chē)牌識(shí)別只是車(chē)輛身份鑒別的一個(gè)方面，僅僅是其中的一項(xiàng)結(jié)果。我們?cè)谲?chē)輛運(yùn)動(dòng)的過(guò)程中就已經(jīng)能夠捕獲車(chē)牌，并做出識(shí)別。在一個(gè)具體的環(huán)境中，我們的算法對(duì)車(chē)輛身份的識(shí)別就如同人觀(guān)察識(shí)別行為一樣，會(huì)對(duì)空間中的多種特征進(jìn)行觀(guān)察，而不是始終緊盯著車(chē)牌。因此，對(duì)周?chē)h(huán)境的3D建模和感知，有助于系統(tǒng)的自我學(xué)習(xí)優(yōu)化，從而排除各類(lèi)環(huán)境干擾。

再者，基于上述3D建模和感知的車(chē)輛行為動(dòng)態(tài)識(shí)別分析。我們不僅僅是識(shí)別靜態(tài)車(chē)輛，同時(shí)也識(shí)別車(chē)輛的動(dòng)態(tài)行為。車(chē)輛進(jìn)入視野，我們會(huì)進(jìn)行多目標(biāo)跟蹤，在跟蹤的過(guò)程中，判斷車(chē)輛與停車(chē)、交通之間的聯(lián)系。根據(jù)車(chē)輛的行為邏輯，我們甚至可以對(duì)車(chē)輛進(jìn)行行為預(yù)測(cè)。車(chē)輛停入車(chē)位后，算法還不間斷的對(duì)所有車(chē)位及車(chē)輛身份（不僅僅限于車(chē)輛牌照）進(jìn)行識(shí)別，實(shí)時(shí)比對(duì)車(chē)輛是否更換，避免因其他車(chē)輛干擾或者遮擋時(shí)，不能及時(shí)捕獲到車(chē)輛離位。

  此外，應(yīng)對(duì)極端條件下的場(chǎng)景優(yōu)化識(shí)別也是關(guān)鍵。通用主流相機(jī)一般都是具有非常高分辨率的傳感器，但是在一些極端環(huán)境下，其通用自動(dòng)工作機(jī)制不完善，需要通過(guò)算法干預(yù)對(duì)成像參數(shù)進(jìn)行調(diào)整，比如逆光、大霧、低照度等，算法通過(guò)識(shí)別這些場(chǎng)景，協(xié)同自動(dòng)調(diào)整攝像機(jī)成像參數(shù)，比如自動(dòng)開(kāi)啟強(qiáng)光抑制，自動(dòng)開(kāi)啟寬動(dòng)態(tài)，在低照度環(huán)境下自動(dòng)開(kāi)啟3D降噪，自動(dòng)開(kāi)啟透霧等等。

最后，基于多目標(biāo)識(shí)別的多元化數(shù)據(jù)采集。耀停車(chē)高位視頻系統(tǒng)實(shí)施多種類(lèi)、多維度的數(shù)據(jù)采集與感知，數(shù)據(jù)種類(lèi)分為車(chē)輛數(shù)據(jù)、車(chē)位數(shù)據(jù)、道路交通數(shù)據(jù)、周?chē)坝^(guān)數(shù)據(jù)、行人數(shù)據(jù)等等，數(shù)據(jù)維度又分為特征維度、行為維度、輔助維度、狀態(tài)維度等等真正實(shí)現(xiàn)了道路停車(chē)管理場(chǎng)景的大數(shù)據(jù)自動(dòng)采集。

基于特征工程的數(shù)據(jù)集散棧

城市的智能感知并不能即刻轉(zhuǎn)化為運(yùn)營(yíng)決策，而是需要對(duì)數(shù)據(jù)以特征工程為手段進(jìn)行結(jié)構(gòu)化的預(yù)處理并作出相應(yīng)的輸出。數(shù)據(jù)集散棧便是這樣的處理中心，它能夠?qū)崿F(xiàn)城市邊緣多路感知數(shù)據(jù)的接入與結(jié)構(gòu)化歸集、停車(chē)運(yùn)營(yíng)與靜、動(dòng)態(tài)交通數(shù)據(jù)的有效輸出以及基于數(shù)據(jù)實(shí)時(shí)分析的前端設(shè)備智能維護(hù)。就目前而言，耀停車(chē)的數(shù)據(jù)集散棧已經(jīng)實(shí)現(xiàn)如下功能：

  1、是路內(nèi)與路外停車(chē)數(shù)據(jù)的接入。不僅僅是高位視頻的數(shù)據(jù)接入，同時(shí)也能夠接入地磁、PDA、視頻樁等其他方案的路內(nèi)停車(chē)數(shù)據(jù)，還能夠接入路外停車(chē)場(chǎng)的實(shí)時(shí)數(shù)據(jù)，為城市整體停車(chē)決策提供參考。

  2、是數(shù)據(jù)智能二次審核與人機(jī)協(xié)同。在云端，開(kāi)發(fā)了AI智能二次審核算法，能夠在快達(dá)28毫秒的時(shí)間內(nèi)對(duì)前端數(shù)據(jù)進(jìn)行二次校驗(yàn)核準(zhǔn)并反饋給前端主機(jī)與云端人機(jī)協(xié)同系統(tǒng)。在云端人機(jī)協(xié)同系統(tǒng)中，數(shù)據(jù)會(huì)自動(dòng)分發(fā)給云服務(wù)和人，形成人機(jī)協(xié)同高效工作機(jī)制，在保證數(shù)據(jù)準(zhǔn)確的情況下，將機(jī)器處理數(shù)據(jù)的效能進(jìn)行最大化。

  3、是算法優(yōu)化迭代?；谇岸藬?shù)據(jù)量和維度的不斷擴(kuò)充，數(shù)據(jù)集散棧對(duì)前端的應(yīng)用場(chǎng)景感知也在不斷的拓展。在人機(jī)協(xié)同機(jī)制下，對(duì)新的停車(chē)場(chǎng)景進(jìn)行學(xué)習(xí)和認(rèn)知，能夠有效幫助對(duì)前端算法做出不斷的優(yōu)化和迭代，通過(guò)數(shù)據(jù)集散棧能夠?qū)Ψ植荚诓煌鞘械那岸酥鳈C(jī)的識(shí)別算法進(jìn)行遠(yuǎn)程一鍵升級(jí)。

  4、是設(shè)備的遠(yuǎn)程運(yùn)維管理。通過(guò)我們構(gòu)筑在云端的全球運(yùn)維平臺(tái)（數(shù)據(jù)處理中心），基于物聯(lián)網(wǎng)的通信協(xié)議，可以看到任一設(shè)備的運(yùn)行狀態(tài)，包括CPU負(fù)載、內(nèi)存、溫度、環(huán)境溫度、算法分析狀態(tài)等，可以遠(yuǎn)程對(duì)設(shè)備進(jìn)行安裝、調(diào)試、故障診斷及修復(fù)。

基于車(chē)路協(xié)同的智能駕駛

  雷視一體的技術(shù)已在L2-L3級(jí)別的智能汽車(chē)上應(yīng)用，通過(guò)激光采集的室內(nèi)外浮點(diǎn)云通過(guò)三維建模將場(chǎng)景與現(xiàn)實(shí)一一鏈接對(duì)應(yīng)，系統(tǒng)智能化達(dá)到L4級(jí)別停車(chē)系統(tǒng)將會(huì)完全無(wú)人化。

基于知識(shí)圖譜人工智能技術(shù)的運(yùn)營(yíng)決策端

  運(yùn)營(yíng)決策平臺(tái)不應(yīng)當(dāng)僅僅是前端停車(chē)時(shí)間和收費(fèi)等數(shù)據(jù)的記錄，更應(yīng)當(dāng)是基于人類(lèi)運(yùn)營(yíng)經(jīng)驗(yàn)學(xué)習(xí)的靜態(tài)交通決策輔助智能化平臺(tái)。

  初期，至少應(yīng)當(dāng)涵蓋停車(chē)運(yùn)營(yíng)概覽、運(yùn)營(yíng)數(shù)據(jù)BI、帶圖像的停車(chē)實(shí)時(shí)數(shù)據(jù)、智能巡管調(diào)度、路內(nèi)外交通實(shí)時(shí)數(shù)據(jù)、違法停車(chē)實(shí)時(shí)信息、停車(chē)追蹤等基礎(chǔ)性功能。

中期，應(yīng)當(dāng)實(shí)現(xiàn)靜態(tài)交通業(yè)務(wù)大數(shù)據(jù)、高清違法取證、交通誘導(dǎo)、城市管理、治安反恐預(yù)警等實(shí)時(shí)信息的融合平臺(tái)。

  遠(yuǎn)期，應(yīng)當(dāng)實(shí)現(xiàn)基于信息的融合和知識(shí)學(xué)習(xí)，對(duì)城市市容管理、道路健康管理、交通管理等城市運(yùn)行管理作出主動(dòng)決策建議或行動(dòng)輸出，對(duì)城市管理人員、道路養(yǎng)護(hù)人員、園林管理人員、停車(chē)管理人員甚至交警等城市服務(wù)人員做出智能化的工作單分配，不斷增加決策的科學(xué)性和效率，提升城市智能化水平。