首頁(yè) 資訊人工智能賦能公路健康巡檢，全天候自動(dòng)巡查

人工智能賦能公路健康巡檢，全天候自動(dòng)巡查

來(lái)源：泰然健康網(wǎng) 時(shí)間：2024年12月28日 18:41

道路是有一定使用壽命的工程結(jié)構(gòu)物。道路建成后，受環(huán)境、交通荷載等因素的影響，路面的使用性能及各項(xiàng)設(shè)施會(huì)出現(xiàn)不同程度的損壞，路面使用性能的惡化，將增加車(chē)輛的運(yùn)營(yíng)費(fèi)用，包括燃油、輪胎和保修材料的消耗以及行程時(shí)間等費(fèi)用。

嚴(yán)重的道路損壞，甚至?xí)绊懶熊?chē)的安全。因此對(duì)已建成的城市道路網(wǎng)、公路路網(wǎng)，需要及時(shí)發(fā)現(xiàn)公路損壞，并對(duì)公路實(shí)施經(jīng)常性、周期性的養(yǎng)護(hù)管理，以保證路網(wǎng)能達(dá)到應(yīng)有的服務(wù)水平，這也是各級(jí)道路管理部門(mén)的主要職責(zé)之一。

智能化巡檢發(fā)展

隨著時(shí)間的推移和設(shè)施總量的增加，我國(guó)道路養(yǎng)護(hù)需求呈現(xiàn)快速的增長(zhǎng)趨勢(shì)。再加上我國(guó)長(zhǎng)期以來(lái)的“重建輕養(yǎng)”觀(guān)念，導(dǎo)致道路養(yǎng)護(hù)基礎(chǔ)十分薄弱，養(yǎng)護(hù)任務(wù)艱巨，大量早期修建的道路陸續(xù)進(jìn)入改擴(kuò)建及大中修養(yǎng)護(hù)階段，養(yǎng)護(hù)任務(wù)逐年增加。

近年來(lái)，公路養(yǎng)護(hù)里程占公路總里程比例不斷上升；2016年公路養(yǎng)護(hù)里程所占比例已達(dá)97.7%。據(jù)交通運(yùn)輸部統(tǒng)計(jì)數(shù)據(jù)顯示，2019年，我國(guó)公路養(yǎng)護(hù)里程495.31萬(wàn)公里，占公路總里程98.8%，基本做到了有路必養(yǎng)，每一年在公路養(yǎng)護(hù)中的投入高達(dá)數(shù)百億元，潛在市場(chǎng)巨大。

我國(guó)已經(jīng)進(jìn)入一個(gè)大規(guī)模道路養(yǎng)護(hù)時(shí)代，面臨著重大的養(yǎng)護(hù)任務(wù)，加強(qiáng)道路管養(yǎng)已成為我國(guó)道路基礎(chǔ)設(shè)施發(fā)展的當(dāng)務(wù)之急，是推動(dòng)城市精細(xì)化管理的重要措施，是我國(guó)道路安全和民生發(fā)展的重要保障。

道路巡檢是道路日常管養(yǎng)的第一要?jiǎng)?wù)，但目前現(xiàn)有的道路巡查方式自動(dòng)化、信息化、智能化水平較低。以上海為例，目前上海市市管道路巡查主要以人工巡查為主，以汽車(chē)、電瓶車(chē)為代步工具，使用平板、手機(jī)、記錄表作為記錄工具。

對(duì)于管養(yǎng)執(zhí)行單位而言，以人工為主的巡查方式，巡查效率低、時(shí)效性差，同時(shí)巡查過(guò)程中人員的安全性難保障；而對(duì)于行業(yè)監(jiān)管單位而言，以人工為主的巡查方式，主觀(guān)性太強(qiáng)，其巡檢有效性、巡檢結(jié)果真實(shí)、完整性難保障，形成的巡檢結(jié)果是非結(jié)構(gòu)化數(shù)據(jù)，難以用于推動(dòng)城市道路設(shè)施精細(xì)化管養(yǎng)。

此外，以傳統(tǒng)高精度檢測(cè)車(chē)為代表的傳統(tǒng)路面病害檢測(cè)，依賴(lài)重型檢測(cè)設(shè)備，雖然能較精確地檢測(cè)出路面病害，也能形成對(duì)道路養(yǎng)護(hù)有效的結(jié)構(gòu)化數(shù)據(jù)，但成本價(jià)格較高，并且巡檢速度緩慢，很難滿(mǎn)足我國(guó)大體量中低等級(jí)道路的運(yùn)維管養(yǎng)，大部分道路常年少檢，甚至是無(wú)檢，錯(cuò)過(guò)最佳養(yǎng)護(hù)時(shí)期。

圖1 高精度檢測(cè)車(chē)

綜合來(lái)看，我國(guó)道路健康數(shù)據(jù)采集存在較為突出的“供需矛盾”。而在日常巡檢中借助智能化、信息化手段，不僅可以降低成本、提高效率，也能較為精準(zhǔn)的識(shí)別出業(yè)主方需求的路面病害識(shí)別、交通設(shè)施異常識(shí)別等，還能形成結(jié)構(gòu)化數(shù)據(jù)，從而提升巡檢數(shù)據(jù)的價(jià)值；同時(shí)，考慮到中國(guó)大體量的城市道路設(shè)施漏檢，城市道路智能化巡檢具有極大的市場(chǎng)空間。

輕量化智能化巡檢產(chǎn)品原理

近年來(lái)隨著人工智能算法的快速迭代和進(jìn)步，人工智能算法應(yīng)用在路面病害識(shí)別的嘗試和研究也逐漸多了起來(lái)。

技術(shù)的逐漸成熟使得智能化巡檢產(chǎn)品的應(yīng)用成為可能，目前市場(chǎng)上已成功應(yīng)用的道路智能化巡檢產(chǎn)品還比較少，大多數(shù)產(chǎn)品都是基于前端的視覺(jué)傳感設(shè)備、邊緣處理設(shè)備和人工智能算法對(duì)路面病害進(jìn)行采集、傳輸和識(shí)別，最后在web平臺(tái)或移動(dòng)平臺(tái)結(jié)果呈現(xiàn)。

圖2 智能化巡檢產(chǎn)品結(jié)構(gòu)

2.1前端硬件設(shè)備

前端硬件設(shè)備主要包含車(chē)載攝像機(jī)和車(chē)載處理器，車(chē)載攝像頭一般為裝在巡檢車(chē)頂部的云臺(tái)相機(jī)用于拍攝巡檢車(chē)前方畫(huà)面，也有少部分產(chǎn)品選擇工業(yè)相機(jī)拍攝巡檢車(chē)后方畫(huà)面，云臺(tái)相機(jī)焦距大，拍攝視角大，可拍攝到多條車(chē)道的畫(huà)面同時(shí)還能拍攝到路側(cè)設(shè)施如護(hù)欄和標(biāo)識(shí)標(biāo)牌。工業(yè)相機(jī)則是針對(duì)單車(chē)道畫(huà)面進(jìn)行拍攝，畫(huà)面質(zhì)量更高，有利于人工智能算法識(shí)別路面病害的精準(zhǔn)率。

車(chē)載處理器一般是工控機(jī)，利用車(chē)載電源供電，對(duì)車(chē)載攝像頭拍攝到的圖像進(jìn)行切幀、存儲(chǔ)。工控機(jī)中會(huì)選配4G/5G模塊、WiFI模塊、GPS模塊等，4G/5G模塊和WIFI模塊用于對(duì)工控機(jī)存儲(chǔ)的圖像數(shù)據(jù)以及其他結(jié)構(gòu)化數(shù)據(jù)進(jìn)行傳輸，GPS模塊用于定位路面病害位置。

車(chē)載處理器也可結(jié)合邊緣計(jì)算棒或計(jì)算卡這類(lèi)擁有強(qiáng)大算力的邊緣化設(shè)備，將原本部署在云端服務(wù)器的人工智能識(shí)別算法部署到車(chē)載處理器上，實(shí)現(xiàn)路面病害識(shí)別的邊緣化和實(shí)時(shí)化。部分智能化巡檢產(chǎn)品還會(huì)根據(jù)業(yè)務(wù)需求添加其他硬件設(shè)備，如上海智能交通的路測(cè)寶產(chǎn)品通過(guò)車(chē)載振動(dòng)傳感器，收集巡檢車(chē)在路面行駛時(shí)的振動(dòng)數(shù)據(jù)，最后可計(jì)算出道路平整度IRI指數(shù)。

圖3 車(chē)載攝像機(jī)和車(chē)載處理器

2.2 路面病害識(shí)別的人工智能算法

產(chǎn)品中應(yīng)用的路面病害識(shí)別人工智能算法一般基于目前主流框架下開(kāi)發(fā)的，如Tensorflow、Pytorch等，模型則一般是識(shí)別效果好同時(shí)圖像推理速度較快的目標(biāo)檢測(cè)模型，如yolo系列模型。

人工智能算法包括訓(xùn)練好的深度學(xué)習(xí)模型和輔助深度學(xué)習(xí)模型的一些算法，前端硬件設(shè)備采集和傳輸?shù)膱D片作為算法的輸入，通常會(huì)使用預(yù)處理算法如圖像縮放、圖像增強(qiáng)、圖像銳化等常規(guī)方法對(duì)輸入圖片進(jìn)行預(yù)處理，圖像預(yù)處理能提升后續(xù)深度學(xué)習(xí)模型識(shí)別路面病害的精度。

緊接著圖像信息進(jìn)入深度學(xué)習(xí)模型，深度學(xué)習(xí)模型如前文中提到的yolo系列模型，包含大量的圖像卷積、池化處理，最后輸出圖片內(nèi)的病害目標(biāo)框。最后根據(jù)業(yè)務(wù)需求，還可以對(duì)深度學(xué)習(xí)模型輸出的目標(biāo)框進(jìn)行后處理，對(duì)這些目標(biāo)框再做一次篩選，常見(jiàn)的后處理操作有非極大值抑制（NMS）。

圖4 人工智能算法流程

同時(shí)為了滿(mǎn)足業(yè)主的需求，部分產(chǎn)品的人工智能算法處理識(shí)別路面病害，還能識(shí)別一些路面異常情況，如對(duì)路側(cè)的護(hù)欄、標(biāo)識(shí)標(biāo)牌、路沿石等設(shè)施進(jìn)行檢測(cè)，或?qū)β访鎾仦⑽锂惓?bào)警。

人工智能算法通常部署在云端服務(wù)器，服務(wù)器中配有英偉達(dá)的高性能顯卡，對(duì)車(chē)載處理器傳輸?shù)椒?wù)器中的路面圖片進(jìn)行處理和識(shí)別。如前文中提到的，人工智能算法也可部署在車(chē)載處理器上，實(shí)現(xiàn)邊緣計(jì)算，但邊緣部署的人工智能算法會(huì)受限于邊緣端的算力，通常識(shí)別精度與部署在服務(wù)器端的算法相比較會(huì)有所下降。

2.3 業(yè)務(wù)平臺(tái)和呈現(xiàn)

識(shí)別到的路面病害信息和其他巡檢相關(guān)信息最終會(huì)展示在業(yè)務(wù)平臺(tái)，平臺(tái)通常具有以下兩種功能

a. 大屏展示：使用宏觀(guān)大屏展示各條道路的路面病害情況，大屏中會(huì)呈現(xiàn)道路網(wǎng)格圖，路面病害會(huì)以撒點(diǎn)形式呈現(xiàn)在平臺(tái)界面上，同時(shí)平臺(tái)界面上還會(huì)呈現(xiàn)道路相關(guān)指標(biāo)如道路狀況指數(shù)PCI、道路平整度IRI指數(shù)等。

圖5 數(shù)據(jù)平臺(tái)大屏呈現(xiàn)

b. 業(yè)務(wù)平臺(tái)：主要面向道路管養(yǎng)單位，對(duì)單個(gè)路面病害的細(xì)節(jié)進(jìn)行呈現(xiàn)，將人工智能算法識(shí)別到的病害及相關(guān)屬性信息如GPS定位、病害長(zhǎng)寬等推送出來(lái)，在該平臺(tái)上可完成從病害修復(fù)派單到最后病害閉合的閉環(huán)流程。

圖6 業(yè)務(wù)平臺(tái)呈現(xiàn)及派單

路面病害識(shí)別的人工智能算法現(xiàn)狀

圖7 路面病害識(shí)別的人工智能算法效果圖

目前市場(chǎng)上的智能巡檢產(chǎn)品的公司，前端硬件都是集成其他硬件廠(chǎng)商的產(chǎn)品，所以在產(chǎn)品硬件方面并沒(méi)有很大差距，只有因?yàn)闃I(yè)務(wù)需求的不同而產(chǎn)生的硬件組成結(jié)構(gòu)差異。

算法的好壞對(duì)路面病害識(shí)別精度有決定性因素，雖然人工智能模型和相關(guān)的業(yè)務(wù)算法對(duì)于使用者來(lái)說(shuō)是一個(gè)黑盒，無(wú)法了解到各個(gè)公司用的是什么模型和相關(guān)的技術(shù)路線(xiàn)，但通過(guò)當(dāng)前最新的計(jì)算機(jī)視覺(jué)方向（CV）論文和相關(guān)的目標(biāo)檢測(cè)比賽，可以從側(cè)面了解到整個(gè)行業(yè)的算法發(fā)展。

目前對(duì)路面病害識(shí)別效果顯著并且成熟的人工智能算法模型有Cascade-RCNN為首的RCNN系列目標(biāo)檢測(cè)模型和Yolov3等yolo系列目標(biāo)檢測(cè)模型。Global Road Damage Detection Challenge（以下簡(jiǎn)稱(chēng)GRDDC）是IEEE 舉辦的大數(shù)據(jù)比賽，從2018年開(kāi)始到2020年已連續(xù)舉辦3屆。

在GRDDC2020比賽中，獲得第一名的隊(duì)伍算法用的是Yolov5模型以及集成預(yù)測(cè)、模型融合等技巧，最后在測(cè)試集中取得的F1分?jǐn)?shù)為0.67，而參賽前十名的大多數(shù)隊(duì)伍使用的是yolo系列模型以及一些比較通用的數(shù)據(jù)增強(qiáng)技巧如隨機(jī)剪裁、圖像轉(zhuǎn)換等。

可見(jiàn)yolov4和yolov5在路面病害識(shí)別方面有比較優(yōu)秀的表現(xiàn)，而cascade-rcnn模型在多個(gè)目標(biāo)檢測(cè)比賽中都取得很好的成績(jī)，雖然在GRDDC中表現(xiàn)不是最好，但也同樣有使用價(jià)值。

圖8 GRDDC大賽測(cè)試集成績(jī)排名，大賽結(jié)束時(shí)（左），結(jié)束后至今（右）

GRDDC2020比賽結(jié)束后依然允許算法研究人員繼續(xù)提交數(shù)據(jù)驗(yàn)證自己的算法性能，到現(xiàn)在再看一次成績(jī)排行榜，可以發(fā)現(xiàn)測(cè)試集中第一名的F1分?jǐn)?shù)已經(jīng)達(dá)到了0.73，商湯的路面病害識(shí)別算法排到了第二名（病害識(shí)別召回率83.7%、精準(zhǔn)率62.8%）。

比賽舉辦結(jié)束到現(xiàn)在，目標(biāo)檢測(cè)模型尤其是模型的主干網(wǎng)絡(luò)（backbone）并沒(méi)有重大突破，所以推測(cè)算法的提升更多的來(lái)自機(jī)器學(xué)習(xí)技巧的應(yīng)用，尤其是模型融合技巧，通過(guò)多種模型的融合推理，可以顯著提升模型的識(shí)別精度，但這種技巧只能用于特定數(shù)據(jù)集并且模型推理速度很慢，難以用于實(shí)際生產(chǎn)工作。

所以目前產(chǎn)品中使用的人工智能算法應(yīng)該是權(quán)衡過(guò)算法運(yùn)行速度以及識(shí)別精度而得出的最適合業(yè)務(wù)的算法。

結(jié)語(yǔ)

隨著人工智能化進(jìn)程的推進(jìn)，智能化巡檢產(chǎn)品的市場(chǎng)也會(huì)越來(lái)越大。目前人工智能算法在交通這個(gè)大領(lǐng)域還處于應(yīng)用探索階段，在不久的將來(lái)，以需求為導(dǎo)向的人工智能算法會(huì)逐步成熟和完善，從目前以路面病害為主的檢測(cè)范圍擴(kuò)大到養(yǎng)護(hù)單位和其他業(yè)主同樣關(guān)心的標(biāo)識(shí)標(biāo)牌損壞或遮擋、標(biāo)線(xiàn)模糊等問(wèn)題，同時(shí)隨著前端硬件逐步升級(jí)，采集的圖像更加精細(xì)，邊緣計(jì)算算力更加強(qiáng)大，智能化巡檢也將完全脫離人工干涉，在一定程度上完全替代傳統(tǒng)的人工巡檢模式。

網(wǎng)址: 人工智能賦能公路健康巡檢，全天候自動(dòng)巡查 http://m.u1s5d6.cn/newsview881755.html