自动驾驶感知技术新的突破——腾讯智能道路巡检方案落地

　　数据显示，截止2020年底我国公路总里程已经超过500万公里，公路养护里程超过495万公里，占比接近总里程的99%，公路养护财政支出超过850亿元。目前，我国公路运维成本大约是建设成本的3倍。

　　在以产业融合为核心特征的新基建时代，道路病害巡查同样需要智能化升级，以达到降本增效的目的。近期，腾讯自动驾驶道路智能巡检方案在深圳市交通运输局福田管理局管辖路段率先展开应用，迈出了我国道路巡检智能化的第一步。

　　效率提升10倍 单次巡检路害识别率超90%

　　巡检，是道路养护的第一步。虽然人们对路面上的坑洼裂痕习以为常，但小病害不被及时发现、修复，就会快速恶化，降低道路的使用寿命，严重威胁道路交通安全。而目前道路巡检，主要依靠人工巡查、拍照纪录的方式来完成，漏检率高、效率低，而且巡检员在车流中拍照存在较大的安全隐患。

　　腾讯自动驾驶团队依托多年视觉感知、融合感知等技术积累，结合海量出行数据以及可快速迭代的深度学习训练体系开发的道路智能巡检方案，可以大大降低道路巡检的成本、有效提升巡检效率和病害识别的准确率，同时能避免巡检人员下车拍照带来的安全风险，为道路巡检由人力模式进化到高度智能化模式提供了坚实的基础。

　　在深圳市交通运输局福田管理局管辖道路的实际应用过程中，腾讯智能巡检方案将巡检效率提升了10倍;单条道路一次巡检的路害识别率达到90%，两次巡检识别率接近。巡检工作人员表示：“使用腾讯智能巡检系统后，巡检全程不用下车拍照，只需要在平板电脑上操作一下就可以，工作效率提高了很多，巡检过程也更加安全了。”

　　腾讯智能巡检方案详解 感知技术是基础

　　从具体方案架构上来看，腾讯智能巡检方案为巡检车辆配备了常规视角相机、鱼眼相机、惯性导航、GPS等传感器。这些传感器本身成本低、体积小，隐藏安装之后不会改变巡检车辆的外观，可以正常通过年检，省去了很多流程上的麻烦。

　　当巡检车辆上路行驶，惯性导航会根据车辆震动的数据，利用机器学习识别出道路坑洼。与此同时，通过收集大量的裂痕、坑槽等道路病害样本，训练监督、自监督学习神经网络，可以在视觉传感器捕捉到的大量图像信息中，快速准确的筛选出包含道路病害的图像.

　　不仅如此，基于多传感器的融合算法，腾讯智能巡检方案能够自动分析、识别出路面病害的位置、类别、严重程度和物理尺寸等信息，并实时发送检测结果到车载人机交互程序。

　　从巡检员的可操作性出发，腾讯自动驾驶团队为智能巡检方案开发了非常简单易用的人机交互程序，学习成本几乎为零，30分钟就可以快速上手使用，降低了巡检工作的技能门槛和工作强度。

　　面向未来，依托腾讯云计算打造的行业数据底座，腾讯自动驾驶将致力于实现人人可参与的智能道路巡检。市民的手机、相机、行车纪录仪乃至路边监控拍摄到的道路信息，都可以在上传之后通过云端计算，准确识别路害并自动下发给道路养护部门，提升道路养护的效率、降低成本。

　　腾讯多角度全方位布局 助力智慧交通发展

　　感知技术是实现自动驾驶的基础支撑之一，但其服务对象不局限于自动驾驶。除了助力实现高度智能化的道路巡检外，腾讯自动驾驶也在大力推动路端感知技术的研发应用，通过实时感知、分析交通元素的状态，可以对车辆、司机和行人的行为进行预判，提高违法行为的检测效率，还可以智能预警道路上的异常行为，这对未来车路协同的发展，乃至智慧交通的建设都具有重要的作用。

　　另外，除了感知技术，腾讯自动驾驶在决策规划算法、虚拟仿真平台、高精度地图以及数据云平台等众多维度都有着深厚的技术积累。作为行业发展的“数字化工具箱和加速器”，腾讯自动驾驶将持续灵活的整合自身技术能力，提供模块化工具，从每一个可能带来价值的角度切入，联合交通产业链中各类合作伙伴，共同探索、厚积薄发，推动我国早日实现智慧交通的美好愿景。