Rocky Ding

公众号：WeThinkIn

写在前面

【人人都是算法专家】栏目专注于分享AI行业中业务/竞赛/研究/产品维度的思考与感悟。欢迎大家一起交流学习💪

大家好，我是Rocky。

时代的车轮滚滚而来，一波又一波的AI科技浪潮周期性的爆发，又螺旋上升式的发展进化，这是个足够伟大的时代。

Rocky相信AI能够极大提高社会生产力，解决供需关系不平衡，并对人类社会产生深远的影响。

如同互联网时代的PC和移动互联网一样，AI也经历了两个阶段的发展。

第一个阶段是2012年至2022年的传统深度学习时代，AI+互联网，AI+安防，AI+工业等ToB产品形态让行业公司爆发一波生机，但ToC端基本无法触达。

第二个阶段是2022年开始的AIGC时代，Rocky聊过很多的创业者和投资人，我们一致认为AIGC时代的AI，在ToB和ToC领域都有诱人的可能性。

Rocky也将工作时间all in AIGC，但在业余时间，Rocky依然对传统深度学习持续看好，Rocky认为AIGC和传统深度学习都是行业繁荣不可或缺的关键一招。

故在本文中，Rocky总结了智慧交通领域的业务逻辑，将智慧交通最精华的思考&经验分享出来，希望能给大家带来帮助。

关于作者

Rocky在校招期间拿到了北上广深杭等地的约10个算法offer，现在是一名算法研究员，目前专注于AIGC创新产品的落地应用以及AI算法解决方案的商用。

在研究生期间，Rocky曾在京东研究院，星环科技，联想研究院，北大方正信产集团研究院，百融云创等公司做算法实习生，对不同性质公司的商业闭环逻辑比较了解。

Rocky喜欢参加算法竞赛，多次获得CVPR，AAAI，Kaggle等顶级平台的算法竞赛冠军和Top成绩。

Rocky相信人工智能，数据科学，商业逻辑，金融工具，终身成长，以及顺应时代的潮流会赋予我们超能力。

Rocky是AI人才发展联盟（AIHIA）的联合创始人，积极在业余时间进行创业实践与基本面扩展。

Rocky喜欢分享和交流，秉持着“也要学习也要酷”的生活态度，希望能和大家多多交流。AI算法，面试，简历，求职等问题都可直接和我交流～

So，enjoy：

正文开始

----【目录先行】----

1. 智慧交通的发展阶段

2. 智慧交通的算法解决方案架构

3. 智慧交通的经典落地解决方案

4. 智慧交通的典型bad case以及应对方案

5. 智慧交通未来会有哪些新的可能性

【一】智慧交通的发展阶段

首先，智慧交通包含哪些细分场景呢？

上面Rocky只举例了一些典型的场景，未来相信会有更多场景会被挖掘与赋能。

如果将上面的细分场景按ToG，ToB，ToC分类，会是什么样子的呢？

我们已经分析了智慧交通的细分场景以及产品维度，接下来，我们看看他们都处于什么发展阶段呢？（蓝海期，起步期，应用井喷期，成熟期）

可以看到，ToG和ToB的业务逻辑和产品形态非常清晰，那就是AI赋能场景与产品，比如AI赋能摄像头，有了人脸识别，车辆检测等功能。

但是目前为止工业界在ToC方向上依旧没有找到一个很好的业务逻辑与产品形态，传统深度学习并不能颠覆用户体验，也不能创造强用户需求，导致个人安防产品处于很尴尬的境地。

【二】智慧交通的算法解决方案架构

智慧交通的现金流算法解决方案架构如下所示：

其中最为关键的环节是业务/需求渠道和数据护城河。

在部署优化的模块中需要进行端侧设备选型，大家可以根据实际需求选择合适的端侧设备以达到项目的要求：

而在核心算法部分，在传统深度学习飞速发展的10年，已经沉淀了很多经典模型，可供我们选择使用，Rocky在这里进行了总结梳理：

【三】智慧交通的经典落地解决方案

智慧交通领域有很多经典的落地解决方案，加上其赋能的属性，很容易在细分场景进行迁移应用。

首先就是大厂必备的全图目标检测解决方案：

智慧交通场景经典的车辆属性分析解决方案：

智慧交通场景经典的交通事件检测解决方案：

智慧交通场景经典的交通设施解决方案：

【四】智慧交通的典型bad case以及应对方案

稀缺素材

智慧交通场景中最经典的bad case是素材稀缺导致的整体解决方案无法落地。

Rocky认为主要可以通过一下几个方法去解决：

1. 与客户签订战略协议，更多数据互通，深度信任。
2. 数据侧全力逼近真实场景的数据分布：数据常规增强，高阶增强，制作特定数据等。
3. 算法侧全力优化，提升性能以满足小数据集的任务要求。

大角度场景

在很多的大角度场景中，比如车辆侧身大角度导致车辆车牌，车辆属性的识别产生错误，是智慧交通场景中一个令人困扰的问题。

Rocky认为主要可以通过以下几个方法去解决：

1. 制作特定大角度场景数据，优化训练。
2. 增加更多约束，比如在车辆大角度场景中将大任务转化成多级联任务来提升效果。
3. 通过引入分割，跟踪等强技术来辅助大角度场景的目标检测识别效果。

复杂场景

闹市区交叉路口，野外环境，暴雨/下雪/雾霾等恶劣天气环境下，如何保持算法解决方案的性能是一个较大的挑战。

1. 整体流程优化，从硬件端，现场产品铺设逻辑，算法解决方案，需求定义等方面全面适配实际的复杂场景。
2. 复杂场景模块化，搭建场景整体系统，并持续优化迭代。

碎片化需求

1. 定制算法解决方案。（小样本学习，扩大算法团队规模，AutoML）
2. 针对行业逻辑，迁移算法生产模式。（客户自训练）

【五】智慧交通未来会有哪些新的可能性

AI安全

AI在智慧交通领域大规模落地之后，紧接而来的是AI的安全风险问题，Rocky认为AI安全将是智慧交通领域的一个重要模块，未来会获得业界的更多关注。

大模型

目前大模型已经爆发，大模型的能力得到了业界的认可。

智慧交通行业也需要自己的大模型，不管是大厂还是细分领域的“小而美”公司，都可以将自己多年沉淀的行业数据进行整合，训练自己的行业“大模型”，从而加深技术护城河。

车路协同

目前新能源汽车已经越来越成熟，核心电动汽车技术与产业在国内已经自主可控，下一步是出海扩大市场了。

在这个时间节点上，Rocky认为车路协同的智慧交通会有更多的发展空间，AI+自动驾驶+智慧交通+电动车，将是一个“很性感”的事。

精致的结尾

Rocky坚定看好传统深度学习的价值与发展，大家在ToG，ToB和ToC业务上都可以找Rocky一起合作交流，共同成长。