编者按：近日，在道路交通安全综合治理路径研讨会上，合肥湛达智能科技有限公司董事长张中以《基于AI的非机动车违法行为精准识别与智能管控》为主题做了精彩报告。

非机动车交通管理问题是行业监管的痛点和难点，在治理过程中面临“非机动车车牌识别”、“骑手人脸识别”、“违行为精准识别”、“交通行为立体管控与全链取证”等技术难点。其治理路径核心是要实现全域精确感知、精准管控，需充分利用现有监控资源，增设路侧设备、利旧设备、铁骑设备等进行补充；利用算法模块、数据模块进行分析研判，满足业务需求。综合上述技术手段的非机动车违法分析及劝导系统如今已在多地应用，可有效辅助交警执法，违法智能劝导效果显著提升。报告主要分为四部分：行业背景、治理路径、应用案例以及结论与建议。

1、行业背景

近年来，非机动车交通管理问题日益突出，是行业监管的痛点和难点，主要是因为非机动车保有量已突破3.5亿辆、现场执法警力有限、非现场的执法手段缺乏、事故发生率及导致的伤亡率较高，2021年电动车事故达60000起左右、驾驶员头盔佩戴率整体偏低、安全意识淡薄。

公安部交通管理局相继制定了《公安交通管理科技发展规划(2021-2023年) 》以及《“十四五”全国道路交通安全规划》，明确了在2025年底前，电动自行车行驶人员的头盔佩戴率达到80%。目前各个地方也陆续出台地方性政策法规：2019年4月武汉市、2020年7月浙江省、2021年5月郑州市和上海市、今年11月合肥市非机动车安全管理条例实施。未来还会有安徽、湖北、河南等更多省市管理条例发布。

目前行业内的管理手段及措施主要以三种方式为主：一是交警进行现场的处罚，但警力有限，执法难度大；二是利用现有电警卡口进行提升，但电警卡口未全部覆盖，非机动车车道监控不足；三是利用RFID电子号牌和视频识别进行结合的方式，由于电动车的基数较大，路口要配备相应的设备，资金的投放压力比较大。

在探讨非机动车治理路径时需要考虑到一些因素及技术难点：一是非机动车在行驶状态下、车牌种类多、车牌号牌比较小易遮挡、角度倾斜较大、识别难度大；二是骑手的着装里有戴头盔、口罩、眼镜等情况，且在移动状态下会经常发生变化，给人脸识别带来挑战；三是非机动车交通违法行为稍纵即逝，所以精准识别是难点；四是非机动车交通违法行为立体管控与全链取证是难点。

2、治理路径

非机动车治理路径核心要实现全域精确感知、精准管控。为实现此目标，我们需要对现有的雪亮、电警、卡口、天网的监控资源进行充分利用；同时增加部分路侧设备、利旧设备、移动铁骑设备进行补充。利用两个模块：一是算法模块来进行分析；二是数据模块进行智能研判，来满足整个业务需求。

关于网络架构：我们要考虑数据安全性和可靠性，在移动专网内部署终端产品；在视频专网内和超脑平台、现用电警、卡口、雪亮等视频源进行对接；在公安内网内，要和人脸库、车牌库、勤指勤督一体化平台等进行对接。

关于大数据分析模型：在视频专网内，要实现图片和视频分析引擎，对接超脑和视频平台后，进行人脸、车牌、违法类型的识别；在公安内网内，与人脸库、车牌库比对，实现态势分析、车辆画像、人员画像、企业单位画像、重点路口画像和流量分析，更深度的挖掘和运用。

关于非机动车管理平台：需要对分析数据进行兼容，能够对实时视频、历史视频和图片多源数据进行分析，还能够开展一定的数据应用。其中人脸分析涉及多方面，既取决于前端设备的能力，也取决于后端或者前端的算法。比如说：人脸检测角度，人脸姿态等。

而车牌精准识别，要考虑到前端设备环境适应性、算法精确度，车牌检测的跟踪识别校正、多种算法同步配合等，甚至需要开发专业硬件设备，进行一些特定处理才能够捕捉到车牌，所以车牌精准识别需要一系列融合技术手段才能够实现。

拥有基本数据后，才能够进行趋势分析、路口路段违法态势分析，按照不同类型、时间段和设备安装点位多维度查询违法数据。同时需要对设备进行查询、编辑、标定、在离线状态查询等智慧运维功能。

智能劝导终端AI交通劝导员有三个版本。

路侧版：产品采用轻架构设计，可进行自动劝导、诱导发布、人脸和车牌采集识别，该产品安装便捷，接电即用，可重复多次循环使用，目前该设备的智能劝导是秒级响应，发现即精准劝导。

利旧版：主要就是利用现有电警或雪亮杆件，背包箱取电，利用现有网络视频资源实现非机动车违法行为的自动捕捉和智能劝导，也能够进行人脸、车牌采集。

铁骑版：由前置摄像头+后置摄像头+车载扬声器+车载边缘计算终端组成，实现了勤务管理、非机动车违法智能劝导、违停自动取证、移动卡口（车牌、车辆特征提取等）、前向违法自动取证、人脸识别等，该设备采用高动态、低照度摄像头，晚间行驶也会有较好的识别效果。

综合以上技术手段，我们的治理路径就是要实现精确感知和精准管控，要实现精确的感知。一是支持多源接入：要支持电警、卡口、雪亮、天网等系统的实时视频、历史视频和图片的接入；二是点位可调：根据需求，随时调整接入视频资源，随需调配智能分析任务；三是精细感知：驾驶员不戴头盔、违法载人、逆行、安装雨篷、越线停车、在机动车道等违法行为识别的准确率要高；四是辅助执法：执法的前提就是人证合一，证据链要完整；五是智能研判：流量统计、违法率统计、趋势分析、评价排名；六是精准治理：支持人脸、车牌比对，短信提醒，辅助执法，重点单位、重点路口，重点行业治理。

通过这些手段之后实现业务闭环并进行智能管控。

服务于各市的交警支队：通过对全市非机动车交通运行数据动态掌握，为各大队下发任务考核提供多维度数据支撑（违法分布、任务下发、评价分析），重点区域、路口、单位、学校等非机动车违法精准教育、集中整治。

服务于区/县交警大队：通过主动发现违法并预警，节省警力；提供精准的违法行为分布；违法行为趋势分析；违法行为短信通知；常态化执法工具，从而降低违法反弹率+。

服务于一线警员：为警员提供精准的违法分布；通过APP推送违法信息至交警进行现场执法，为人性化执法提供单次违法，多次违法、违法类型等精准信息，减少警民冲突，提高执法效率。

3、应用案例

系统已在合肥市应用，采用1+3架构，非机动车违法管理平台+小新·AI交通劝导员（路侧版、铁骑版、利旧版），合肥市现已接入1300多路（过亿张）图片资源、120路+重点路口，31路+重点学校、重点单位、重点企业等固定电警、卡口、雪亮、天网等监控设备采集的实时视频、历史视频进行非机动违法行为、非机动车车牌、人脸识别分析（其中：非机动车违法3000万+次、人脸200万+次、非机动车车牌40万+次；智能劝导：50万+次）并已将相关数据推送至公安内网人口库、非机动车车牌库查找到车主。实际业务应用闭环如下:

学校治理：通过将每日结果通过市教体局通报学校，由学校、学生共同督促佩戴头盔，头盔佩戴率由9月初的56%现提升至90%+。

重点路口治理：针对连续多天非机动车流量较大、头盔佩戴率较低的路口路段，安排固定岗+巡逻警力+智能劝导，进行精准管理。

重点单位治理：通过将重点单位、企业数据通过送给文明办，由市文明办督促头盔佩戴率低的单位进行整改。经过这一系列手段和测试后，头盔佩戴率提升30%+。

政府单位治理：实现重点学校、医院、政府等企事业单位等地周边现有监控接入，进行后端数据分析研判。并将相关数据通过文明办、教体局进行发布，辅助交警更好执法。

4、结论与建议

结论一：违法智能劝导效果显著。在实际项目应用中，对提高驾驶员头盔佩戴率和降低其他违法发生率，有明显作用，头盔佩戴率平均可提高20%以上，其他违法平均下降15%以上。

结论二：有必要进行业务闭环。重点学校、医院、政府等企事业单位等地周边现有监控接入，进行后端数据分析研判。并将相关数据通过文明办、教体局进行发布，辅助交警更好执法。

建议一：开展重点整治。在此经验的基础之上，我们也建议进行重点违法的重点整治，在关键路口部署AI劝导系统，可实现违法自动劝导和交通诱导发布。重要行业（快递车、外卖车、共享单车）等及重点路口的整治。

建议二：利用大数据进行辅助执法及决策。在支队一级部署非机动车违法管理系统，为考核各大队提供数据支撑。建立后端大数据库，包括车牌、人脸、违章信息等，多维度数据碰撞分析研判，为执法决策提供依据。

最后热烈欢迎各位专家和领导莅临湛达智能考察指导！