數據顯示，截止2020年底我國公路總里程已經超過500萬公里，公路養護里程超過495萬公里，占比接近總里程的99%，公路養護財政支出超過850億元。目前，我國公路運維成本大約是建設成本的3倍。

　　在以產業融合為核心特征的新基建時代，道路病害巡查同樣需要智能化升級，以達到降本增效的目的。近期，騰訊自動駕駛道路智能巡檢方案在深圳市交通運輸局福田管理局管轄路段率先展開應用，邁出了我國道路巡檢智能化的第一步。

　　效率提升10倍 單次巡檢路害識別率超90%

　　巡檢，是道路養護的第一步。雖然人們對路面上的坑洼裂痕習以為常，但小病害不被及時發現、修復，就會快速惡化，降低道路的使用壽命，嚴重威脅道路交通安全。而目前道路巡檢，主要依靠人工巡查、拍照紀錄的方式來完成，漏檢率高、效率低，而且巡檢員在車流中拍照存在較大的安全隱患。

　　騰訊自動駕駛團隊依托多年視覺感知、融合感知等技術積累，結合海量出行數據以及可快速迭代的深度學習訓練體系開發的道路智能巡檢方案，可以大大降低道路巡檢的成本、有效提升巡檢效率和病害識別的準確率，同時能避免巡檢人員下車拍照帶來的安全風險，為道路巡檢由人力模式進化到高度智能化模式提供了堅實的基礎。

　　在深圳市交通運輸局福田管理局管轄道路的實際應用過程中，騰訊智能巡檢方案將巡檢效率提升了10倍；單條道路一次巡檢的路害識別率達到90%，兩次巡檢識別率接近。巡檢工作人員表示：使用騰訊智能巡檢系統后，巡檢全程不用下車拍照，只需要在平板電腦上操作一下就可以，工作效率提高了很多，巡檢過程也更加安全了。

　　騰訊智能巡檢方案詳解 感知技術是基礎

　　從具體方案架構上來看，騰訊智能巡檢方案為巡檢車輛配備了常規視角相機、魚眼相機、慣性導航、GPS等傳感器。這些傳感器本身成本低、體積小，隱藏安裝之后不會改變巡檢車輛的外觀，可以正常通過年檢，省去了很多流程上的麻煩。

　　當巡檢車輛上路行駛，慣性導航會根據車輛震動的數據，利用機器學習識別出道路坑洼。與此同時，通過收集大量的裂痕、坑槽等道路病害樣本，訓練監督、自監督學習神經網絡，可以在視覺傳感器捕捉到的大量圖像信息中，快速準確的篩選出包含道路病害的圖像。

　　不僅如此，基于多傳感器的融合算法，騰訊智能巡檢方案能夠自動分析、識別出路面病害的位置、類別、嚴重程度和物理尺寸等信息，并實時發送檢測結果到車載人機交互程序。

　　從巡檢員的可操作性出發，騰訊自動駕駛團隊為智能巡檢方案開發了非常簡單易用的人機交互程序，學習成本幾乎為零，30分鐘就可以快速上手使用，降低了巡檢工作的技能門檻和工作強度。

　　面向未來，依托騰訊云計算打造的行業數據底座，騰訊自動駕駛將致力于實現人人可參與的智能道路巡檢。市民的手機、相機、行車紀錄儀乃至路邊監控拍攝到的道路信息，都可以在上傳之后通過云端計算，準確識別路害并自動下發給道路養護部門，提升道路養護的效率、降低成本。

　　騰訊多角度全方位布局 助力智慧交通發展

　　感知技術是實現自動駕駛的基礎支撐之一，但其服務對象不局限于自動駕駛。除了助力實現高度智能化的道路巡檢外，騰訊自動駕駛也在大力推動路端感知技術的研發應用，通過實時感知、分析交通元素的狀態，可以對車輛、司機和行人的行為進行預判，提高違法行為的檢測效率，還可以智能預警道路上的異常行為，這對未來車路協同的發展，乃至智慧交通的建設都具有重要的作用。

　　另外，除了感知技術，騰訊自動駕駛在決策規劃算法、虛擬仿真平臺、高精度地圖以及數據云平臺等眾多維度都有著深厚的技術積累。作為行業發展的數字化工具箱和加速器，騰訊自動駕駛將持續靈活的整合自身技術能力，提供模塊化工具，從每一個可能帶來價值的角度切入，聯合交通產業鏈中各類合作伙伴，共同探索、厚積薄發，推動我國早日實現智慧交通的美好愿景。