每周三期，详解人工智能产业解决方案，让AI离你更近一步。

解决方案均选自机器之心Pro行业数据库。

方案1：高速公路解决方案

解决方案简介：

传统的违章行车、停车抓拍方式大致相同：一般由前端摄像机进行违章抓拍取证，然后将违章信息传输至后端平台服务器进行违章审核，最终驾驶者面临罚款、扣分或教育的处罚。这些违章行为虽然也告知了车主，但是属于事后违章告知；宇视「自主式交通违法提醒系统」则是进行及时告知，提前干预、中止，避免违章行为的产生。

解决方案详解：

宇视在推出了「自主式交通违法提醒系统」，该系统直接由一颗装有 AI 芯片的前端摄像机与 LED 显示屏相连。而这也就意味着，摄像机在抓拍到违章行车、停车行为后，能够直接在前端处理，并在秒级时间内将结果反馈到 LED 屏幕上，提前干预、中止违章行为。

传统的违章行车、停车抓拍方式大致相同：一般由前端摄像机进行违章抓拍取证，然后将违章信息传输至后端平台服务器进行违章审核，最终驾驶者面临罚款、扣分或教育的处罚。这些违章行为虽然也告知了车主，但是属于事后违章告知；宇视自主式交通违法提醒系统则是进行及时告知，提前干预、中止，避免违章行为的产生。该系统的优势用三个字总结可以归纳为：

1 秒信息发布：从违法触发到 LED 显示屏违法告知仅需 1 秒；

1＋1 灵活部署：前端摄像机和 LED 显示屏直接联动，从违法抓拍到秒级直观显示车辆违法信息，两步过程一气完成，无需经过后端平台；

1＋X 多场景应用：自主式交通违法提醒系统除了应用于交警非现场执法之外，还可以应用于公安车辆布控、高校车辆管理、高速公路超速提醒等诸多场景。

该系统自应用于武汉火车站以来效果明显，交通违章抓拍从之前的每月一百次左右下降到每月二十次左右；与此同时，高峰时期的车辆通行量从每小时的 1800 辆提升至 2200 辆。产品广受市场欢迎，目前已经在十几个城市及校园落地应用。

方案2：无人便利店——天虹 Well Go 2.0

解决方案简介：

在 1.0 版本的无人店 Well Go 中，由于系统感应商品上的 RFID 标签需要一定时间，而无人店采用的是同门进出的设计，购物者很容易利用系统的时延尾随进出。 该新版无人店 Well Go 2.0 采用了独立的进出门禁系统，出入口均采用双门设计。

顾客进店时，第一道门关闭后，第二道门才自动开启，有效规避了 Well Go 1.0 版本中的尾随问题，也能更好地控制人流，创造更加舒适的购物体验。

此外 Well Go 2.0 引入了智能设备控制系统,一键呼叫云端客服系统,远程监控系统等物联网技术，提升了智能设备的远程可控性，让管理无人店变得更加轻松。

解决方案详解：

Well Go 2.0 采用了独立的进出门禁系统，出入口均采用双门设计。顾客进店时，第一道门关闭后，第二道门才自动开启，有效规避了 Well Go 1.0 版本中的尾随问题，也能更好地控制人流方面，创造更加舒适的购物体验。

选品方面，Well Go 2.0 主打精选，从健康,新鲜,即食,便利等方面出发，增加了适合商务人士的商品组合。并根据「一日五餐」的场景需求，增加了促销组合商品及组合套餐，统一用食品袋打包好，方便顾客携带。选购好商品之后，顾客打开微信扫描出口处的二维码即可进入一个封闭的商品识别空间。封闭空间有效隔绝了外部 RFID 标签造成的干扰，能够更加快速准确地识别商品。

核心技术方面，天虹 Well Go 2.0 继续沿用了 RFID 方案，商品上的 RFID 标签型号与 Well Go 1.0 中的一致。此次 2.0 版 Well Go 无人值守便利店解决方案全部由天虹虹领巾团队自主研发。新方案除了对前端体验有较大改动外，还引入了智能设备控制系统,一键呼叫云端客服系统,远程监控系统等物联网技术，提升了智能设备的远程可控性，让管理无人店变得更加轻松。

由于 RFID 技术本身存在缺陷，Well Go 2.0 无人值守便利店的用户体验很难称得上完美。因此，虹领巾团队正在积极研发和探索新的解决方案。

据天虹方面负责人介绍，下一代的 Well Go 无人值守便利店已经进入了筹备阶段。新版 Well Go 将引入人脸识别技术，并接入腾讯的个人征信系统，实现无人店的「降本增效」。

方案3：人像大数据解决方案——华为-依图科技

解决方案简介：

该视频云人像大数据解决方案基于依图科技全球领先的人工智能算法和华为在云计算、大数据领域的领先优势，华为－依图视频云人像大数据解决方案支持静态图片、动态视频流、动态图片流、低清画质、网纹噪音等各种复杂前端设备采集的数据处理，十亿级数据检索比对可秒级返回结果，误报率低至百亿分之一，能够有效处理大规模数据，广泛应用于包括公共安全、园区安防在内的各类场景。

解决方案详解：

华为－依图视频云人像大数据解决方案依托于灵活高效的计算平台，打破传统 CPU 边界、使能异构加速，计算效率更高更灵活，为人工智能的计算提供动力加速引擎。

在华为中国生态伙伴大会 2018 上，华为联合依图科技发布了人像大数据解决方案，该方案以华为 IT 视频云解决方案为基础，在融合依图科技的人像大数据应用、视图和人脸识别算法后，形成了以「人」为数据主体的智慧城市解决方案。

该方案的提出只在解决「AI+城市」的建设问题，通过对人像数据的加工分析，实现对个体画像、个体行为、群体行为及关联关系的深入分析，从而辅助城市管理者发现城市真正的状态，以及一些未预料到的状态。

采用了四层架构设计，底层基于华为存储、网络和计算等 IT 基础设施；第二层包括华为的云平台 FusionSphere 和大数据平台 FusionInsight；PaaS 层由华为和依图联合提供的人脸识别算法和视频分析服务；顶层则包含人像大数据的各种应用，如行业轨迹分析、人物画像分析等。通过四层架构设计，可以充分实时分析和辅助决策。

方案4：高级辅助驾驶系统方案

解决方案简介：

目前自动驾驶系统的挑战主要在于对环境的认知与测绘。

Mobileye 作为计算机视觉、机器学习、数据分析、本地化辅助系统和自动驾驶系统服务提供商，主要解决对环境的：

1. 认知：

1）确定可驾驶范围以及其分界；

2）确定可驾驶范围内的路径所在位置；

3）辨识可驾驶区域和路径内的行人；

4）理解交通灯及其颜色、交通标志、转向指示等环境信息。

2. 测绘：出于安全和性能的考虑，输入的信息需要冗余度，目前主要以摄像机作为实时传感器，通过结合雷达、Lidar 和高精度地图等提供冗余度，从而构建周围环境模型。同时，还需要对周围环境的构建保障高精度与极快的更新速度，以保证能尽可能缩短反应现实情况的时间。公司提供了一种端对端的测绘与本地化方案，由收获代理（harvesting agents）（任何装有摄像头的机动车）、测绘整合服务器（云），测绘消费代理（自动驾驶车辆）三部分组成。

收获代理将道路的地理信息与路标信息运用情境理解技术，将测绘相关信息压缩，打包成小型数据段发送至云端，云端服务器整合与协调数据，并将其供安装相应软件的当地自主驾驶车辆使用。利用复杂的情形通过深层学习网络训练强化学习方法构造的驾驶策略，使之能与其它车辆、行人相协调，保证驾驶的安全与速度。

解决方案详解：

详见论文：S. Shalev-Shwartz, S. Shammah and A. Shashua. Safe, Multi-Agent, Reinforcement Learning for Autonomous Driving. NIPS Workshop on Learning, Inference and Control of Multi-Agent Systems: Dec., 2016.

方案5：AIoT产业智能化解决方案——智慧社区管理系统

解决方案简介：

特斯联针对社区实际情况进行整体布控，实现了人、车、房、物数据实时采集、人群动态可视联动、管控人员动态跟踪、异常状态实时报警等功能（IoT 神经末梢），提升了小区的人口管理及安防预警工作效率。

解决方案详解：

企业对该智能招聘机器人用来学习的数据种类进行了控制，采用客户预先批准的数据所生成，而非原始和未经处理的招聘和语言数据，减小该招聘机器人产生偏见的可能。

上海市田林十二村社区改造通过特斯联研发的 DARWIOT 大数据平台（AI 大脑），不仅让辖区民警的工作更具针对性，也提升了社区的安全度及便利度，从去年 10 月智慧社区建设工作试点以来，小区至今为止零发案。

此外，传统的社区无法对独居老人进行点对点的监护与服务，老旧小区改造着力打造的人员监控系统就可顺利地解决。通过数据智能化分析，快速实现预警和服务达成。

例如，某老人未按规律出现、警局黑名单人员进小区、小区设施异常等情况发生时，系统能自动预警。同时，智慧社区实现与派出所协同，加大了民警管控力度，「黑名单」人员出现，系统自动报警；未录入信息的人员连续多日出现在小区，民警同样会收到信息预警提示。

除此之外，安防预警方面的成效也十分显著，井盖丢失或移位会报警，消火栓失压或故障会报警，消防通道被占也会报警。小区的设施都装有感应芯片，出现异动就会第一时间「报告」，让隐患及时消除。