近日，第二十四届中国高速公路信息化大会暨技术产品博览会将于星城长沙隆重召开。本次大会以“数字化·网络化·智慧化”为主题，汇集我国高速公路信息化最新成果与前沿思想，全面展现未来交通的无限可能。从建管养运服全生命周期到高速公路全场景，高速公路信息化是一套完整且浩瀚的技术体系。今天，让我们共同走近高速公路信息化之数字视网膜。
背景介绍
2019年底，《全国高速公路视频联网监测工作实施方案》正式施行，高速公路进入视频云联网时代。通过高速路网沿线摄像头，视频云联网系统可实现高速公路车辆、道路等信息的视频存储、视频控制、视频共享等功能，更好满足智慧交通强国战略下的服务需求。
随着终端视频功能的日益强大，激增的数据量成为阻碍视频云联网高效施行的一大难题。如何让高速公路视觉系统高效运转？基于生物视网膜仿生而来的“数字视网膜”技术，可应用于AI收费稽核、高速设备管养等多个业务场景，是高速公路信息化过程中打造“慧眼”的关键。
现状分析
随着交通行业的快速发展，高速公路、高速隧道、城市隧道等基础设施建设、运营发展迅速，车流量急剧增加。为了保障高速公路的高效、安全运营，相关交通管理部门和高速运营方建设了大量高速公路视频应用系统。
单个摄像头每天产生的视频约42G，按照1万路测算，每年约产生数据150PB，但是一年下来保存的数据量小于10PB，流失率高达93%。如何利用好这些视频，获取有价值的信息，正是行业所需要解决的痛点，其中最为突出的是存储成本高、检索困难、智能普及率低三座“大山”。
智能普及率低。当前，高速公路配备的摄像头大部分都是普通摄像头，以单纯拍摄、存储为目的，不加选择地鲸吞高速路网图像数据，未经特征提取“过滤”的视频便一股脑地打包上传、堆积至了云端，造成数据传输的过大延迟，也很难满足交通场景里实时反应的刚性需求。
视频传输存储量大。全天候、不间断的录制抓取，使交通视频云联网汇集了各类各样的数据，其中有90%左右的数据都与图像、视频相关联。随着视频应用系统、摄像头数量的增加，势必会带来后端数据存储压力的提高。
识别难。“数据量大”并不等同于“大数据”，更不等同于高价值的数据信息。高速上视频监控设备的品牌、规格各异，质量、清晰度也差异很大，导致AI算法难以识别，视频检索困难。即使摄像头能够提供高清数据，但由于拍摄的视频没有进行特征提取，于是从提取到识别、检索，再到推理的全链计算都必须发生在云端，云端将承受难以负载的数据压力，从而影响识别精度与数据处理准确度。
解决方案
拓维信息所打造的“数字视网膜解决方案”，在可伸缩端边云协同视觉计算架构的基础上，深度结合拓维·建木边缘计算平台、AI、大数据等相关智能化技术，将端侧计算迁移到边缘计算节点，通过部署边缘AI一体机，在不进行现有摄像头升级替换的同时，即可构建高速公路等场景的“数字视网膜”体系。
边云协同•价值提炼
数字视网膜平台基于国产自主可控鲲鹏底座的IoT、边缘AI计算、视频/图片的特征识别和紧凑表达等关键技术，充分利用高速公路原有的摄像监控设备，通过边缘融合计算和云端高效事件响应处理，构建面向智慧交通的视频大数据分析引擎、多目标检测与识别、交通态势感知与预警等模型和方法。
数字视网膜底座进行模型训练、事件识别，并将云端AI应用、函数计算等能力下发到边缘一体机，将云上的强大服务能力延伸到边缘一体机，使其拥有云端相同能力，能够实时处理终端设备计算需求。边缘一体机通过AI推理芯片和集成的模型算法对图像/视频特征进行识别编码，实现车辆识别、流量感知、事故识别、违章识别、天气识别和路况识别等高速事件，并实现有效视频智能提取和AI流量卸载处理。
智能存储•高效检索
结合5G、大数据、AI等智能化技术，数字视网膜平台通过广泛部署在高速公路的出入口、公路两侧、门架、卡口的摄像头端或边缘侧，全面精准地感知、分析高速路网的各种状态和各类事件，为全知、全息的智慧高速赋能。
同时，在高速收费站、隧道变电站等靠近监控终端的位置部署兆瀚昇腾边缘AI一体机，通过边缘计算引擎实现AI图片压缩、AI图片增强分析、分级存储、运行监测和业务网关，运行状态监测和边缘侧基础数据的智能感知、智能取证、图片存储等功能，为解决智慧交通领域视频监控数据存储压力大等问题提供AI推理及存储支撑。
国产硬件·智慧赋能
边缘AI一体机采用基于昇腾人工智能计算平台，拥有强大的AI计算、AI推理能力。一体机支持Atlas 300I Pro推理卡，可最大提供1.12POPS AI算力；支持Atlas 300V Pro视频解析卡，支持不同场景的差异化算力需求，广泛应用于中心侧AI推理场景，具有超强的计算性能、低能耗、易于部署维护和支持云边协同等特点。
,
