首页 >> 蓝雨

AI路面巡检的蛋糕足够大么谢采妘

2022-07-13 17:26:08

AI路面巡检的蛋糕足够大么？

眼下智慧公路的修建如火如荼，行业期待智慧化的方式解决养护问题。

公路路面巡检，是为保障公路质量，保证公路安全、畅通、舒适的一项重要工作。智慧公路背景下，人工智能技术开始在公路的多个应用场景中落地，公路AI路面巡检便是其中之一

现阶段公路的路面病害发现仍旧依赖人工日常养护巡检，通过人、车上路，肉眼识别的方式开展巡查工作。检查结果通常受车速、工作人员经验、专注度等因素影响，存在养护效率低、运营成本高等问题。

与此同时，公路养护的频率较低，比较依赖年检积累完整的路面病害报告、微小的数据积累量，并且公路建、管、养等系统之间很难实现数据共享，直接导致科学、完善的病害库难以生成。

眼下智慧公路的修建如火如荼，行业期待智慧化的方式解决养护问题。作为公路智慧化的重要场景，百度、阿里云、商汤、海信网络科技等科技公司都在积极推进AI路面巡检落地。

AI路面巡检的市场到底有多大？

截至2020年底，国内的公路网总里程达519.81万公里，中国高速公路总里程超过16万公里，以高速为骨架，普通公路为主体的公路网基本形成。我国将公路划分为高速公路、一级公路、二级公路、三级公路、四级公路，共五个等级，二级及以上等级的公路里程为70.24万公里。

不同地区、不同等级的公路人工巡检成本不同。以江苏为例，截至2020年底，江苏高速公路总长为4924公里，普通国省道为1.25万公里，全省的公路里程超过16万。据赛文了解，江苏高速单次人工巡检每公里的成本均价约为500元，将江苏全省公路检测一遍的成本大致在8000万以内。大陆地区共有31个省级行政区(公路总里程超过500万公里)，粗略估算全国公路巡检一次的人工成本在25亿人民币之内，而路面巡检仅仅是公路巡检的一个方面，相应的市场规模只会更小。

公路路面养护具有日常性、预防性、成本高等特点，只有面向这些特点针对性的解决问题，才能更有效地推动AI路面巡检的应用。

数据采集和算法是养护关键

当前，AI路面巡检技术在全国公路的应用整体仍处于早期阶段。现阶段AI路面巡检主要的应用方式是，利用现有的巡查车辆，依靠可以部署在普通车辆上的摄像机等巡检感知设备，解决养护设备便携化的问题。AI路面巡检技术在巡检日志产生方面颇具优势，传统人工巡检填写报告的时间比较耗时，通常需要数个小时，智能巡检则能实时识别，实现巡检日志的一键生成。

对巡检车进行轻量级改装后，通过车辆巡检，利用先进的AI视觉算法，检测龟裂、块状裂缝、纵向裂缝、横向裂缝、沉陷、车辙、坑槽、松散等多类沥青路面病害，自动发现并掌握道路病害的精确位置，通过视频联动进行确认。依靠路面病害识别算法，自动框选路面病害并进行参数的自动计算和标注，从而实现检测结果“可视”，AI路面巡检相比人工标注更加精细。

在病害预测方面，借助巡查车辆上的摄像机等感知设备采集的数据，通过AI+视频分析的能力，实时完成路面病害的识别，将病害结果数据，连同建设系统数据、路网运行数据等上传至平台，进行数据整合、数据挖掘、AI推理等处理，形成完善科学的病害库，建立病害预测模型，做到病害演变“可测”。进而制定合理的养护计划，提前预测养护，降低养护周期。

依靠AI路面巡检技术，养护管理人员能够在复杂的路面状况下完成检测，最大程度的减少天气、环境等不确定因素对检测准确度造成的影响，在多场景下实现公路巡检“可控”。

此外，部分科技企业还能提供整车AI路面巡检解决方案，通过车辆与激光雷达、感知相机等设备的深度融合，实现巡检视频资源云端托管与AI病害识别，业主单位借助云服务，可实现云端一体的智慧管养，自主完成数据处理、特征识别、结果输出、决策支持等工作。

AI路面巡检引发企业大乱斗？

根据赛文交通网的调研，在已经落地的部分AI公路巡检项目中，有的巡检检测成本可降低40%，检测准确率可达80%，且智能巡检效率是人工巡检的十倍以上。另一方面，部分业主单位也传出了AI路面巡检效果不明显的声音，上海交委曾对AI路面巡检进行试验，实际效果并未达到预期。

在企业的回款和利润率上，赛文也接收到了不同的反馈信息，有的企业回款轻松、利润率较高，有的企业情况则截然相反。当前应用公路AI公路巡检的项目数量还相对有限，AI路面巡检技术在国内整体仍处在初期推广阶段。在做大AI路面巡检市场蛋糕的过程中，企业之间的竞争才刚刚拉开帷幕。

与此同时，赛文了解到，目前AI路面巡检也并未对传统的人工巡检形成实质性冲击，业主单位和运维公司对AI路面巡检并不排斥，对AI、5G、大数据等新技术普遍持开放性态度。关键是新技术要真正能为业主单位解决痛点问题，降低养护成本、提升巡检效率。相信随着解决方案效果的逐步提升，企业的回款和利润率也会随之改善。

AI路面巡检存在的问题

公路AI路面巡检技术在国内的部分高速、桥梁先后落地，但在具体应用中仍存在着不少问题：

1、对比人工检测而言，公路AI路面巡检的内容还相对比较局限。借助AI技术，不少科技企业的解决方案仍旧以路面病害巡检为主，对附属设施、路基等公路的重要信息并不能进行有效识别和处理。

附属设施检测主要包括巡检标牌、龙门架、护栏、摄像头、测速雷达等目标；路基检查则包括确认各个部分与标准尺寸是否相符，以及检查路肩、边坡、防护、排水等方面的工作。人工巡检的内容则更为丰富。

2、一些单纯依靠视频分析的AI路面巡检，在裂缝深度检测方面也存在一定的缺陷，对于裂缝的具体深度并不能精准检测。

3、对于部分科技企业提供的整车AI路面巡检解决方案，虽然能检测道路表面、内层以及附属设施等内容，但整车巡检的成本却比较高昂。

4、需要处理的病害模型并不精准，路面病害检测之后并不是所有坑槽、裂缝都要进行处理。不少提供AI路面巡检解决方案的企业认为凡是病害就应上报，然而事实上却并非如此。路面病害通常存在一个合理值，很多早期病害并不需要对其进行处理。

因此，对公路病害的识别、判断以及在辅助决策上，AI路面巡检技术仍有待完善。

小结

在新基建背景下，围绕AI打造的新应用不断涌现，公路AI路面巡检便是其中之一。虽然很多企业相继推出了AI路面巡检解决方案，但国内的公路路面巡检市场规模容量相对不大，且同时存在检测目标有限、需要处理的病害模型不精准以及需要雷达等其它技术支持等问题。

除了路面检测，路面养护还包括分析、决策、评估、实施等内容。通过公路AI路面检测，是为了将采集的数据提交给公路系统分析，进而实现路面的现状评估、性能预测和养护决策。

近两年，随着AI路面巡检等技术的相继落地，传统重建轻养的思想正在发生转变，长久以来对养护资金投入不足和对科技进步不够重视的情况也在得到改善。

发展智慧公路，必须坚持建、管、养并重的原则，越是等级高、质量好、投资多的公路，越要重视日常的养护管理。只有对公路实施科学规范的管理，才能提高公路的运行质量和经济效益，进而实现安全、高效、畅通的目标。