随着我国交通网络日益建设完善，交通目标呈现多样性，覆盖公路、铁路、航空、海洋等各个领域，包含路网（铁路、公路等）、车辆、桥梁、船只、机场、飞机等。

城市建设，交通先行，以北京市为例。截至2019年底，全市公路里程22350公里，比上年末增加94.2公里，人均道路占有率约为5～9㎡/人；机动车保有量为636.5万辆，比上年末增加28.1万辆，人均汽车保有量为0.2辆。相较于中国《城市规划定额指标暂行规定》和发达国家人均标准还有一定差距。

随着我国综合实力不断上升，交通运输行业向现代化、信息化和智能化发展，各种可以预见和难以预见的风险和挑战也在不断增加。

交通目标实景图

1.利用人工智能优势，支持城市交通建设

交通是城市经济发展的动脉，智慧交通是智慧城市建设的重要构成部分。城市建设脚步加快的同时，交通运输领域存在：汽车整张速度过快、道路容量不足、船只监控困难、城市布局和交通需求不相适应等矛盾和问题。常规技术手段难以从海量数据中快速获取道路、车辆、舰船等目标的状态、分布及变化特征等信息,也难以从整体上把握城市交通目标的空间分布和动态变化，因此，亟需一种适应城市立体空间多样化特点的交通目标、分布和动态变化处理手段。

近年来,人工智能技术快速发展,深度学习方法在语义分割和目标检测与识别方面的成果有目共睹。卷积神经网络作为其核心算法，可以从海量数据中习得共性，即目标特征，进而做出正确判断。因此，利用深度学习技术，对交通领域中的常见目标进行精确定位和变化预测，将为交通运输的调度和安全稳定运行提供强有力的保障，进而支持智慧城市建设。

 2. 交通体系重点目标智能检测

航天宏图充分利用高分辨率的遥感影像（国内最高可达0.2m），采用人工智能技术丰富PIE-Engine AI软件功能，实现对交通领域中的道路、车辆、桥梁、船只、飞机、机场的自动化检测。具体实现途径如下：

2.1路网

路网，包括公路、铁路、桥梁等，路网检测在城市规划、车载导航、应急救灾和军事目标精确打击等领域具有广泛的应用场景。

2.1.1 道路

从卫星影像中获得道路形状、曲率、坡度、航向、高程以及侧倾是一项十分具有挑战的任务，相较于一般的分割任务，有其独特性和困难性。PIE-Engine AI利用ResNet50+Unet网络进行训练获得模型，采用逐像素预测算法实现道路自动提取。在北京市地区的高分遥感影像（分辨率为2m）检测实例中，召回率和准确率均达到90%以上。

北京市道路提取结果

局部道路提取结果

2.1.2 桥梁

桥梁，在交通路网中是一种典型且重要的人造目标，在遥感影像中的表现形式各异，并且与公路环形桥、过街天桥、水坝、舰船、码头等目标有很多相似之处。PIE-Engine AI采用以RetinaNet为基础的卷积神经网络实现了桥梁的精确定位和识别。在北京市局部区域的高分遥感影像（分辨率为1m）检测实例中，召回率和准确率分别达到80%和90%以上。

北京局部区域桥梁检测结果

局部检测结果

2.2交通工具

交通工具是现代城市生活中不可缺少的重要部分。陆地上的汽车，海洋里的轮船，天空中的飞机，大大缩短了人们交往的距离，逐渐发展成为现代社会交通工具的主流。

2.2.1 船只

遥感影像中船只目标存在成像视角单一、目标分布密集和目标尺度变化大等特点，直接将自然场景下的目标检测方法应用于遥感图像船只检测任务中，并不能获得满意的效果。此外，自然场景目标检测任务中常用的水平矩形框对细长型船只目标的定位精确度无法满足实际应用需求。PIE-Engine AI采用深度学习技术实现了船只的精确定位和类别识别。以珍珠港地区的谷歌地球18级影像（分别率为0.5m）为检测实例，召回率和准确率分别达到90%以上。

珍珠港舰船检测结果

局部舰船检测结果

2.2.2 车辆

城市汽车数量快速增长引起的道路拥堵、事故频发等交通问题日益严重，许多国家开始逐步建立智能交通系统解决这一矛盾。PIE-Engine AI以YOLOv4为基础模型，从算法性能、运行效率方面进行优化。在美国罗福地区的遥感影像检测实例中，召回率和准确率分别可达到80%和90%以上。

美国罗福地区车辆检测结果

局部车辆检测结果

2.2.3 飞机

由于飞机姿态不一、背景复杂、轮廓不完整等原因，在复杂场景下或密集区域的小尺度飞机的检测难度较大。PIE-Engine AI通过融合YOLOv3模型和迁移学习策略，实现了飞机目标的精度定位和识别。在上海浦东机场的高分遥感影像（分辨率为2m）检测实例中，召回率和准确率均达到99%以上。

上海浦东机场检测结果

局部检测结果

2.3交通枢纽

交通枢纽是由车站、港口、机场和各类运输线路、库场以及运输工具的装卸、到发、中转、联运、编解、维修、保养、安全、导航和物资供应等项设施组成。

2.3.1 机场

机场检测存在两个难点：一是机场在影像上空间尺度变换较大；二是在遥感影像上出现同物异谱现象。PIE-Engine AI以Cascade-RCNN为基础，优化机场提取精度和效率，实现了对机场的精确定位和识别。在北京和天津地区的谷歌地球12级遥感影像（分辨率为32m）检测实例中，召回率和准确率接近100%。

北京和天津的机场检测结果

局部检测结果

3.  展 望  

空间大数据、物联网、人工智能等IT新技术飞速发展，GIS（地理信息系统）将迎来新的黄金发展期。尤其在智慧交通的建设中，AI+GIS能够提供强大的交通信息服务和管理功能。PIE-Engine AI基于高分辨率遥感影像对交通体系中的重点目标进行自动检测和识别，确定并提取其位置、面积等分布信息，综合多源地理信息，开展规律统计、变化预测等综合分析，可以为城市交通规划提供技术基础，更好地助力城市交通建设,推动智慧城市有序发展。