新基建背景下，围绕AI打造的新应用不断涌现， AI道路巡检便是其中之一。

　　千寻位置依托北斗高精度定位、地理信息采集、视频图像对比识别、公路专题地图三维可视化等技术手段，打造AI道路巡检解决方案，降低道路巡检的成本、提升巡检效率和病害识别的准确率。

　　北斗高精度定位+AI道路巡检

　　巡检是道路养护的第一步，传统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，巡检员在车流中拍照存在较大的安全隐患。

　　千寻位置AI道路巡检解决方案通过AI算法检测的照片超55万张/天，接近人工目检的40倍，道路病害召回率和准确率通过定向适配后可分别高达95%和90%，该方案已经过多省市道路应用验证。

　　AI道路巡检解决方案由采集端（车端）和平台端组成，其中车端包含高清摄像头、高精定位终端、车载AI边缘计算单元、通信回传设备等；平台端即智慧公路路面病害识别及路产状态可视化平台(简称“巡检云平台”)。“边端一体”的轻量化可实现模块化拆卸使用，快速部署在任意车辆。

　　千寻位置AI道路巡检解决方案架构图

　　当巡检车辆上路行驶，高清摄像头实时采集高速公路范围内的路面病害、缺陷及道路设施设备影像情况，车端AI边缘计算单元通过图像比对，自动识别道路病害情况，生成巡检结果；无法识别的部分病害则通过数据回传到巡检云平台进行精准识别和人工复核。与此同时，车载高精定位终端，实时获取巡检车车道级位置，识别道路病害精准位置，服务于巡检云平台的病害三维地图展示和精准养护位置查询，便于养护人员维护管养。

　　千寻位置AI道路巡检解决方案提取道路交通标识

　　从应用出发，定义养护新标准

　　当前AI道路巡检技术的应用整体处于早期阶段，在已经落地的AI公路巡检项目中，部分业主单位也传出了“AI路面巡检实际效果并未达预期”的声音。

　　经实地检验，千寻位置技术人员发现，AI识别病害，在注重其准确性的同时亦需要将召回率也纳入重要的模型评价指标。“准确率”，倾向于不错报，“召回率”，倾向于不漏报；通过合理的召回与准确率调参可有效避免因病害模型评价阈值设置不当，造成“错报、误报、漏报”等事件，提高AI模型识别结果与实际应用的匹配，减少二次复核的成本。

　　针对“准确性”与“召回率”，如何设定合理阈值？面对这种挑战，千寻位置已经完成了数万张病害照片的采集分析，在大量实际数据的训练过程中，建立公路病害的识别、判断标准：其中“重要缺陷”偏重“召回率”，“一般缺陷”偏重“准确率”，使得模型的准确度得到了极大提升。

　　千寻位置AI道路巡检解决方案进行道路缺陷快速检测

　　除了聚焦于路面病害，公路附属设施、路基等也是重要的养护对象，千寻位置AI道路巡检针对交通标志牌、龙门架、护栏、摄像头等目标，进行专门的模型训练，提炼出一系列关键指标，目前已经可以有效地识别道路标识牌字迹不清、井盖错位等一些典型问题。未来还将进行更多AI场景的研发，包括城市绿化、交通灯、路灯、环卫设施等。

　　数字地图，打通养护决策最后一公里

　　公路巡检业务整体范围较大，整个养护流程环节众多，围绕着病害治理的生命周期形成一条智能化的链条，才能有效地赋能整个行业。

　　结合北斗高精度定位等技术，千寻位置AI道路巡检实现巡查轨迹回放、基于精准时空标签的病害查询统计等功能，形成涵盖巡检结果的数字地图，辅助病害的可视化和流程化的管理；同时基于道路性能基础数据，按照路段、路产类别、时间等条件实现多维度对比分析，充分挖掘巡检历史数据价值，提供巡查数据分析报告，供养护部门决策使用，打通巡检结果与养护决策的最后一公里。

　　部署了AI道路巡检采集终端的车辆

　　根据交通运输部数据，截至2020年底，我国公路总里程已经跨越500万公里，公路养护里程跨越495万公里，占比接近总里程的99％，公路养护公共财政支出跨越850亿元。

　　高品质的公路质量是构建现代综合交通运输体系的重要保障，随着路网建设快速发展，高速公路已进入全面养护时代，基于北斗高精度定位的AI道路巡检在助力主动式管养和智慧决策的同时，也将为构建现代综合交通运输体系、方便群众出行创造更大价值。

　文章转自千寻位置行业应用