腾讯道路智能巡检系统(腾讯自动驾驶仿真平台)

数据显示，截至2020年底，我国公路总里程已超过500万公里，公路养护里程超过495万公里，占总里程近99%，公路养护财政支出已突破850亿元。目前，我国高速公路运营维护成本约为建设成本的3倍。

在以产业融合为核心特征的新基建时代，道路病害检查也需要智能化升级，以降本增效。近日，腾讯自动驾驶智能路检解决方案在深圳市交通局福田管理局管辖路段首次应用，迈出了我国智能路检的第一步。

效率提升10倍，单次巡检道路危险识别率超过90%

检查是道路养护的第一步。虽然人们对路面坑坑洼洼、裂缝习以为常，但细小的缺陷如果不及时发现和修补，就会迅速恶化，降低道路的使用寿命，严重威胁道路交通安全。目前，道路检查主要依靠人工检查和拍照记录。漏检率高，效率低。此外，检查人员在车流中拍照存在很大的安全隐患。

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，结合海量出行数据和快速迭代的深度学习训练系统，开发出道路智能巡检解决方案，可大幅降低道路巡检成本，有效提升道路巡检效率。提高检验效率。它还可以提高疾病识别的准确性，避免检查人员下车拍照带来的安全风险，为道路检查从手动模式向高度智能化模式的演变提供了坚实的基础。

在深圳市交通局福田管理局所辖道路的实际应用过程中，腾讯智能巡检解决方案使巡检效率提升10倍；单次检查道路危险识别率达到90%，单条道路两次检查识别率达到90%。率接近。检查工作人员表示：使用腾讯智能检查系统后，整个检查过程无需下车拍照。您只需在平板电脑上操作即可。工作效率大大提高，检验过程更加安全。

腾讯智慧巡检解决方案详解：感知技术是基础

从具体的解决方案架构来看，腾讯智慧巡检解决方案为巡检车配备了常规透视摄像头、鱼眼摄像头、惯性导航、GPS等传感器。这些传感器本身成本低且尺寸小。隐藏安装后，不会改变检查车的外观。他们可以正常通过年检，省去很多过程中的麻烦。

当检测车辆在道路上行驶时，惯性导航将根据车辆的振动数据使用机器学习来识别道路上的坑洼。同时，通过采集大量裂缝、坑洼等道路病害样本并训练监督和自监督学习神经网络，可以从采集到的大量图像信息中快速、准确地筛选出含有道路病害的图像。视觉传感器。

不仅如此，基于多传感器融合算法，腾讯智能检测解决方案可以自动分析识别道路缺陷的位置、类别、严重程度、物理尺寸等信息，并将检测结果发送至车载人机实时交互程序。

从巡检员的可操作性出发，腾讯自动驾驶团队为智能巡检解决方案开发了一套非常简单易用的人机交互程序。学习成本几乎为零，30分钟即可快速上手，降低了检验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库，腾讯自动驾驶将致力于实现人人参与的智能道路巡检。市民手机、摄像头、行车记录仪等采集的道路信息甚至路边监控也可以通过云计算上传，准确识别道路隐患并自动发送给道路养护部门，提高道路养护效率，降低成本。

腾讯多角度全方位布局助力智慧交通发展

感知技术是自动驾驶的基础支撑之一，但其服务对象并不局限于自动驾驶。除了帮助实现高度智能化的道路检查外，腾讯自动驾驶还大力推动路侧传感技术的研发和应用。通过实时感知和分析交通要素的状态，可以预测车辆、驾驶员和行人的行为。提高违法行为的检测效率，对道路异常行为进行智能预警，将对未来车路协同的发展乃至智慧交通建设发挥重要作用。

此外，除了感知技术之外，腾讯自动驾驶在决策规划算法、虚拟仿真平台、高精度地图、数据云平台等多个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整合自身技术能力，提供模块化工具，切入每一个可能带来价值的角度，联合交通产业链各合作伙伴共同探索、积累和发展。推动我国智慧交通美好愿景早日实现。