交通非現場執法業務的新變化

發表時間:2018-06-21 09:40

變化一:多維數據準确識别

  針對車牌号碼的抓拍和識别技術目前已經很成熟了,業界普遍識别準确率都很好,大概做到99%也不是很難,但是對于其他的車輛特征,比如車型、車标、車款等特征,雖然也可以識别,但是其指标和車牌識别指标相比還是有一定的差距,還有諸如駕駛員不系安全帶、開車打電話等行為特征的識别,準确率就更低了,有時候也就是50%—60%左右,基本上可以理解為抓拍相機具備了這個功能,但是因為指标較低,所以可用度其實并不高。

20180529138_99009205_xxl.jpg

  從2018年開始,基于深度學習算法的抓拍單元開始陸續出現,它的一個顯著特征就是識别指标的快速提升,當前市場主流品牌攝像機支持包括車牌、車型、車身顔色、車款和車标等幾十項車輛特征信息的快速準确識别,同時支持非機動車及行人特征的識别。

  在交通管控、涉車治安防控應用方面,車輛大數據的應用是非常重要的,而決定大數據能不能用出好效果的重要因素之一就是數據準确性,在多維數據識别準确率方面,主流攝像機對于車型、車款和車标等重要車輛特征的識别,白天和夜間識别率均在98%以上,已幾乎接近于車牌号碼識别的準确率,有了這些更準确的多維數據作為支撐,涉車大數據應用将會發揮更大的價值。

  變化二:違法抓拍關注點在向人、車兩個方向發展

  提到違法抓拍,人們第一個想到的就是電子警察相機,它具備很多機動車違法行為的自動抓拍,比如闖紅燈、違法變道、逆行、壓線、不按導向車道行駛等,為交警非現場執法帶來了很大的幫助,但這基本都是圍繞着機動車這個目标展開的。

  最近這兩年,随着AI技術的快速發展,抓拍相機的識别能力有了很大的提升,違法抓拍的關注點已經不僅僅是機動車,比如斑馬線不禮讓行人抓拍、行人闖紅燈抓拍、失駕人員布控等業務開始出現并快速發展,違法抓拍關注點在向人、車兩個方向發展。優秀的攝像機在圍繞人、車兩個維度可以提供近20種違法抓拍功能,同時還創新實現了闖綠燈、低速抓拍、車間距抓拍等應用,另外在抓拍有效率方面也表現的很好,實測數據顯示,部分功能如闖紅燈、闖紅燈停車、壓線、占用公交車道的抓拍有效率高達100%,依托深度學習算法,真正實現了單相機多功能合一高效抓拍、分場景靈活應用的需求。

  變化三:新型執法方式不斷出現

  現在北京、上海、海口等城市開始不斷出現一種新的違法抓拍業務:鳴笛抓拍。在禁鳴區域,增加聲音定位設備檢測鳴笛聲,聯動抓拍相機進行鳴笛車輛抓拍,根據需要進行違法處罰和違法通報,治理城市車輛亂鳴笛的現象。類似于這樣的應用在之前我們可能覺得它不可能實現,但是現在卻已經變成了現實,而且在全國範圍内熱度較高,很多城市都開始進行試點建設。

  再比如,夜間車輛不按規定使用遠光燈,這樣的違法駕駛行為想通過非現場執法的方式來進行抓拍識别難度是很大的,現在一些廠家也已經突破了這個技術難點,可以進行遠光燈識别和抓拍。

1.png

  變化四:違法提醒業務開始增多

  從上面的邏輯圖,可以看出早期的非現場執法主要集中在違法抓拍,前端系統完成違法抓拍,後端系統進行違法處理,最終形成違法處罰,也就是我們通俗講的扣分、罰款。但對于部分交通違法行為,如果我們可以進行及時的違法告知,在其産生的源頭就可以大大降低。

  舉一個武漢火車站的例子,為了治理亂停車、長時間停車、私家車或網約車停車拉客等現象,武漢交警在禁停區域設置違停抓拍球機進行違停處罰,但對于像車站這種車流量大的地方,好多車也不是經常來這裡,他們很可能都不知道這裡有違停抓拍設備,單純的違法抓拍處罰在治理違停現象上還是不夠,所以後來他們增加了違停及時提醒功能,設置LED顯示屏并實現和違停抓拍球機的業務聯動,當違停區域出現車輛時,違停抓拍球機自動識别車牌号碼,然後在LED顯示屏秒級呈現,對于提醒後仍然沒有駛離的車輛,違停球機會進行違法停車抓拍取證,進一步進行處罰教育。

  這套違法停車提醒系統部署以來,單個違停抓拍球機由原來每日可以抓拍100餘起違法停車行為降低至20餘起;違停抓拍區域的高峰時段小時車流量由1800提高至2200,違法停車現象減少,交通通行狀況提升明顯。

  不僅僅是違法停車提醒,還有比如超速提醒、斑馬線不禮讓行人的提醒、行人闖紅燈的提醒等,都伴随着違法抓拍業務開始同時出現,在人性化執法的大命題下,違法提醒業務一定會得到較大的發展。