我们的目标是要通过大数据、人工智能技术来转变现有的交通执法管理理念，扩大监管覆盖面并通过规模效应来压降交通事故的发生概率。
在中国智慧交通管理产业联盟年会交通数字化与智能化创新发展分论坛上，公安部交通管理科学研究所副研究员张森发表了“多场景下高速公路交通警情智慧感知及处置技术”主题演讲。
张森通过分析典型路段事故分布情况总结得出六种交通事故多发场景，并对这些场景分别进行现状分析以及管理成果分享。
以下为演讲内容，有删减：
典型路段事故分布情况
下图是江苏某高速路段近5年的交通事故分布图，可以看到整个管辖路程大概在60公里左右，其中包括2个大的互通枢纽、4个收费站、一个服务区和一些桥梁及危险路段。

通过对近5年事故数据的分析，可总结得出高速公路上交通事故的多发场景主要集中在互通枢纽、收费站出入口、长下坡、急弯、受恶劣天气影响等路段。
目前交警部门近两年的主要工作是交通事故预防“减量控大”，要想做到高速公路交通事故的“减量”和“控大”，核心思想就是要加强对事故多发场景的交通安全管控。
这里要提到两个理论：
第一是交通安全的第一性原理：海恩法则。
累积1000个交通安全隐患，则可能会产生一起一般的交通事故。那么如果消除了各类事故隐患，交通事故必将减少。此外，经统计发现有90%以上的交通事故是由驾驶人的违法引起的，这也是目前最大的交通安全隐患。
第二是交通违法的震慑理论。在交通违法方面，业界内存在4层震慑理论。
第一层是我们现在一直在做的事后违法罚款记分；第二层是在集成指挥平台，通过缉查布控进行违法行为发生后的现场拦截、查处及干预；第三层在一些隐性的交通违法方面，比如说驾驶人的无证驾驶、车辆的假牌、套牌等交通违法行为，能通过大数据和人工智能精准发现；第四层次我认为是目前发展的主要方向，即通过大数据来对出行车辆进行规律性分析，将车辆、路面安全隐患提前通知出行者，从而避免交通事故和交通违法行为的发生。
总结下来，我们的目标就是要通过大数据、人工智能技术来转变现有的交通执法管理理念，扩大监管覆盖面并通过规模效应来压降交通事故的发生概率。
下面我将对每个场景展开具体的说明。
场景感知一：高速公路匝道口
第一个场景是高速公路互通枢纽、收费站等匝道口的安全隐患。
在匝道口可总结得出四大类现象：一是车辆快到出口时未提前变道，反而在匝道口附近进行连续变道、缓行或停驶；二是车辆发现驶过匝道后，通过应急车道逆行或倒车返回匝道口；三是在车辆在主线和匝道夹角区域鱼腹线内停驶或缓行、占用应急车道停车等一些违法行为；四是在快要进入匝道时，出现压实线、超速、不打转向灯、压路肩等违法行为，严重影响后面道路的行车秩序。

面对这些情况，我们正在开展相应的工作。

在高速公路匝道口，我们布设了多种感知设备，并研发视频识别算法，全天候监测交通异常和取证交通违法。
通过视频分析，能够识别出行人上高速、跟车过近、速度骤减、车辆缓行、雾霾天气、交通拥堵、交通事故等交通事件。
其次，也能够发现并取证占用应急车道，货车违法占道、强行连续变道、违法倒车、逆向行驶、压导流线、实线变道、违法超车、不打转向灯等多种交通违法行为。
最后，能够研判匝道区域内道路通行状况，可通过视频大数据识别车辆排队长度，评估拥堵等级，实现预警提醒、远端预警发布以及提醒车辆绕行。
场景感知二：高速公路隧道
隧道是发生交通事故的重大场景之一，其存在的安全隐患主要表现为以下几方面：
第一是驾驶员在进出隧道时，因亮度突变会使视觉产生“黑洞效应”和“白洞效应”；第二是隧道内能见度低，导致安全风险居高不下；第三是雨雪天气时长隧道路面摩擦系数小，易发生路面侧滑事故；第四是隧道内是一个监控盲区，管理者无法掌握隧道内的行车秩序和车辆滞留情况；第五是隧道内如果发生交通事故，救援难度大，梳理和处置起来较为困难；第六是由于隧道内灯光暗、能见度低，极易引发二次事故，管理者无法及时掌握事故情况，预案启动较慢。

那么对于隧道的这些隐患我们是如何管理的呢？
在高速公路隧道处布设多种感知设备，研发视频识别算法，从而实现全天候隧道交通秩序监控管理。
通过卡口全天候记录进出隧道车辆的通行信息，统计交通流量和车辆进出情况，应用大数据分析模型来研判隧道内的通行状态，实现隧道交通秩序管理。
在隧道内可通过视频监控识别交通拥堵、交通事故、隧道烟雾、随意停车、变更车道和强行超车等六类异常事件，实现突发事件快速预警提醒。
此外，可抓拍到隧道内的超速行驶、违法超车、违法停车、违法变道、进隧道不打灯等五种严重影响隧道交通安全的违法行为。
通过LED诱导屏、喇叭等设备可告知附近车辆前方隧道的交通状况，也可通过短信、12123平台、导航等告知远端来向车辆驾驶人隧道内各类事件情况。
最后，通过识别车辆、驾驶人和手机信令等信息，可获取驾驶人联系方式，实现安全提醒事件告知，监控中心也可通过远程电话指导事件处理。
场景感知三：高速公路长下坡
第三个场景是高速公路长下坡。由于大型车辆在长下坡路段刹车制动距离比普通路段长，车辆急刹容易导致车轮抱死，因此极易引发交通事故。此外，货车在该路段易发生占道行驶、违法超车、违法停车等违法行为。
那么在长下坡路段，我们是如何做的呢？
在高速公路长下坡，布设多种感知设备，研发雷达+视频识别算法，全天候掌握长下坡的车辆通行情况。
在静态事件方面，可监控长下坡路段的恶劣天气情况，包括积雪、积水、结冰，以及路面湿滑、边坡滑坡、道路坍塌以及设施损坏等。
在动态事件监测方面，能发现长下坡车速异常、有障碍物、交通拥堵、交通事故等。
在交通违法取证方面，能发现大货车占道行驶、违法超车、违法停车、违法逆行、违法变道等五种严重影响长下坡路段交通安全的违法行为。
在限速值计算方面，可利用大数据技术，根据长下坡路段的长度、坡度、流量、道路条件和气候等信息，计算出当前长下坡路段货车安全通行应设定的限速值。
场景感知四：高速公路主线
第四个场景是高速公路主线，其安全隐患主要体现在两个方面：异常事件和交通违法。
异常事件方面主要包括：占用应急车道行车、停车、逆行、超车等；在发生交通事故时，事故车辆占用行车道；在外界因素影响下，有落石、障碍物、抛洒物等；高速公路上经常出现行人横跨路面、穿越中央护栏现象；由于道路交通事故或大流量引发的交通拥堵现象；恶劣天气下出现的雨雾、路面有积水、能见度低等一些情况；高速公路非法施工占道等。

在交通违法方面主要包括：一是大货车存在非法改装、超载现象；二是由于货车司机开车时间长，造成的疲劳驾驶现象；三是大货车由于长期并线引发后面小车行车混乱现象；四是行驶车辆违停压线行为多，带来的交通安全风险居高不下；五是车辆违法多日后才接到违法通知书，违法震慑力度不够。

目前我们在主线平均两公里左右布设多种感知设备，研发视频识别算法，可及时发现预警交通违法和道路异常情况。
在异常事件方面主要开展道路基础设施异常识别预警、交通异常事件识别预警、道路设施异常事件紧急处理及交通异常事件快速处置四项工作。
在交通违法方面已做出五大成就，即疲劳驾驶取证、未按规定车道行驶行为取证、违停压线违法行为取证、货车违规超载识别取证和货车违规载人识别取证。
这里需重点说明疲劳驾驶取证，我们的做法是在接入货车的GPS或北斗等定位信息的基础上，接入车辆过车轨迹信息，将多种信息进行融合分析，最终判断驾驶人是否存在疲劳驾驶行为。
货车违规超载识别取证是目前较为新颖的违法取证内容，依据车型、车辆登记信息，通过车厢车斗等区域进行非结构化信息识别，从而预警提示车辆是否存在违法行为。
货车违规载人识别取证目前正在测试应用，我们的做法是通过车脸识别和人像车身识别，计算出目标车辆的载人数量，判断货车是否存在违规载人和客车超员的违法行为。
场景感知五：高速公路桥梁和恶劣天气路段
第五个场景是高速公路桥梁和恶劣天气路段。对于此类场景，可通过视频监测和气象数据进行融合，生成预警信息，与路面的诱导灯带、喇叭、LED屏、短信平台等进行联动，配合路面民警提前分流并进行交通管制，从而减少交通事故的发生。

场景感知六：高速公路移动视频巡逻
之前五个场景都是对固定点监控的智慧感知，因此为弥补高速公路监控点存在盲区的问题，目前正探索建设高速公路移动视频监控巡逻感知。
主要建设内容是在经常在高速公路行驶的客运班线车辆或巡逻警车上安装视频识别装置，在行车过程中进行视频识别，从而取证违法和发现交通异常。

上图设备可自动采集交通违法信息和交通事件信息，将上述信息汇聚起来，回传到后端的交警核心业务管理平台，以便于后续处置。
《未完待续》