(2)交通监控场景智能化成效不断显现
人工智能在交通监控的应用主要有两类产品。一是交通疏导类。该类型产品利用获取的路口路段车流量、饱和度、占有率等交通数据,通过优化灯控路口信号灯时长,以达到缓解交通拥堵的目的。如,青岛公安交警部门通过布设的1200余台高清摄像机,4000处微波、超声波、电子警察检测点,组建智能交通系统,实时优化城市主干道、高速公路及国省道的红绿灯市场,使得整体路网平均速度提高9.71%,通行时间缩短25%,高峰持续时间减少11.08%。二是违法行为监测类。一些智能交通系统可利用视频检测、跟踪、识别等技术,根据车辆特征、驾乘人员姿态等图像数据,有效识别违法行为。特别是针对“假牌”、“套牌”、“车内不系安全带”、“开车打电话”等需要人工甄别的违法行为,这些智能交通系统不仅事半功倍,而且极大减少人工投入,大大提升工作效率。如苏州通过布设科达自主研发的“海燕车辆二次分析系统”,对交通卡口电警抓拍的图片进行二次识别,实现对交通违法行为的有效取证。该系统上线仅一周时间就抓拍到近3000起违章行为和近20起假套牌事件。
(3)自然灾害监测场景国外已有大量尝试
在风暴、泥石流、洪水等自然灾害的智能化监测预警方面,国外已经有比较成熟的应用探索。风暴灾害方面,IBM为美国安大略省Hydro One电力公司开发的风暴智能预测工具,可以通过分析气象实时数据,预测风暴灾害的严重程度和严重区域,从而帮助该电力公司提前布置电工,以帮助受灾城市快速地恢复供电。泥石流灾害方面,日本大阪大学的研究人员针对日本全国50多万处的泥石流侵害点的现实情况,开发出了一款能够预测泥石流发生的AI系统。该系统主要利用天气预报信息,分析降水量和降水时间,再结合安置在山体、河流中的传感器数据,从而计算出泥石流发生的概率并预警。相比传统的监测预警方式,这种AI系统能将泥石流灾害的预报时间从提前几分钟大大提升到提前几个小时。洪水灾害方面,英国邓迪大学的研究人员利用自然语言理解等人工智能技术,分析Twitter中提取社交数据,来判断洪水灾害侵袭的重点区域和受灾程度,以为政府救灾部门提供支持。
此外,在火灾预警、大型活动管理、环境污染监测等公共安全场景,已有国内研究机构、科技公司已经研发出或正在研究智能火灾监测预警、人群异常监测、大气污染跟踪预警等应用,力求利用人工智能技术手段,减轻人工投入和资源消耗,提升预警时效,为及时有效处置提供强力支持。
4 驱动因素
目前看来,我国的人工智能技术和产业稳步发展,在公共安全领域的诸多场景已有深入探索,并有较好的应用前景和潜力。究其原因,主要受以下几方面因素的驱动。
一是国家政策不断引导公共安全领域向智能化发展。国务院印发的《新一代人工智能发展规划》(以下简称“规划”)中明确提到,要“促进人工智能在公共安全领域的深度应用,推动构建公共安全智能化监测预警与控制体系”。《规划》对于人工智能在公共安全领域的部署,不仅是基于人工智能技术强大的创变能力,更是深刻考虑到公共安全领域中亟待解决的违法犯罪难题及风险防范的实际需求。
二是算法、算力、数据驱动人工智能成熟落地。算法、算力、数据被誉为新一轮人工智能崛起的三驾马车。在算法上,深度学习取得突破性进展,大大提升了人工智能在识图、识人、识音等感知层面的有效性,在ImageNet、LFW、NIST等国际图像识别大赛中,获奖团队的准确率已达97%以上,相关算法模型达到商用水平;在算力上,GPU、FPGA、TPU等芯片不断涌现,计算能力大幅度提升,可以极大的缩短时长用户等待时间,如:IPhone X配备的A11芯片,每秒运算次数最高可达6000亿次,可实现秒级的人脸识别解锁;在数据上,近年来,随着移动互联网的蓬勃发展,数据呈现爆发式增长,海量的数据资源为人工智能的模型训练提供强大支撑,也为相关人工智能应用落地提供了众多场景。