快好知 kuaihz

我在大厂“看堵车”

有这样一群人,他们与交通事故打交道,他们每天面对着成百乃至上千张交通事故图,判断鉴定着这些交通事故的类型、车辆类型等等。他们要做到在几秒内准确反馈,精准不出错。争分夺秒是这项工作的特性。

这些人是交警?研究员?医生?不不不。

他们其实是一项地图导航功能中的关键一环。他们试图帮助地图导航更加丰富,让用户能够看见更真实的路况。

提及地图导航,就不得不提及如今地图导航存在的各种bug。作为人们使用频率最高的互联网产品之一,地图导航近两年奔着可视化、场景化的道路一去不复返,但是它们对于现实世界路况信息的反馈,依旧是模糊的甚至是滞后的。

比如,如今各家导航反馈路况信息的方式是标颜色,红色表示拥堵、绿色表示畅通等。但是,道路发生拥堵背后有无数种可能,而每一种可能所带来的拥堵时长又往往不尽相同。简单的颜色信息根本没有办法清晰准确地呈现路况信息。

最近,滴滴导航发布了一个新的解决方案——千里眼,试图在地图导航方面做出改变。根据滴滴的介绍,“千里眼”能让车主在导航前或导航过程中,快速掌握前方的路况信息,获得实时照片、视频,从而能够缓解堵车的焦虑,做出最恰当的行车路线判断。

这个技术实现的背后,除了算法的自动识别,还有人工层面的加成,这部分人在内部被称作 “交通事故鉴图师”。

滴滴导航的葫芦里,究竟卖的是什么药?“交通事故鉴图师”,又在如何帮助实现“千里眼”?

堵车,没完没了

又一次在下班路上被堵在北京北二环上,盘旋在北京车主陈镇脑海中最直接的想法是:“毁灭吧,赶紧的。”

堵车尤其是出行高峰时期的堵车,对于每个有车一族来说,都是“恐怖”的存在。

无数辆车塞在了一个地方,进不去出不来,一条条宽敞的大马路秒变停车场。没有急事儿还好,有急事儿被卡在路上,“感觉屁股像着了火”,恨不得“窜出去”。如果遇到一些加塞党更是火上浇油,甚至能让人当场崩溃。

不少“老司机”们已经摸索出了经验,哪个时间段最堵、哪个路段最堵,他们门儿清,甚至因此而诞生了新的谚语,“人生五大过不去,生老病死大山子”(用以讽刺北京最堵的路口大山子路口)。

被逼得没办法了,有些人选择了逃离。张鸣是北京一家创业公司的创始人,原先的办公地点在国贸,他每天从东五环开车上班。“每天堵车,一遇到堵车就心烦”,最后一气之下把整个公司的办公地点挪到了东三环外,再没了上班堵车的烦恼。

比路上堵车更让人烦躁的是,“你不知道前方到底发生了什么,也不知道这样的拥堵还要持续多久。堵车的时候,你就像一只没头苍蝇一样。”陈镇感叹。而犯了“选择恐惧症”的车主,情况就变得更难了,同样拥堵的路,走哪条才更好,是等待10分钟恢复畅行,还是绕20分钟远路求稳?

目前,大部分导航都是通过红、黄、绿三色路况提示来帮助车主们选择行车路线。张鸣就发现,颜色其实并不能准确地反映出具体的路况信息,堵车的时长和通行的时间往往也很难准确预计。他举例,有时候同样两条拥堵的路线,一条是小路,系统提示时间短、路程近,但是实际上,那条小路可能有很多红绿灯、行人非常多,甚至有一些小的事故,反而是另一条路线,系统看上去路程远,耗时长,但是路况可能并没有事故,一路平坦。“但是这些信息,目前的导航地图很难完全准确给到。”

事实上,为了能了解前方真实的路段,各家地图导航软件都做了不少努力。比如,众包式采集、基于海量GPS数据进行大规模的快速计算,以及鼓励车主随时在端内上报。由于无法“真实”获得道路信息,也相对容易出现一些bug。

其中最具代表性的是前几年的虚拟交通拥堵事件:一位行为艺术家拉着一辆装有99部智能手机的手推车走在特定的街道上,车上所有手机的Google地图导航全部打开。随着艺术家拉车前行(行走方式速度均为随机),Google地图上的街道变得越来越红。这也就意味着,Google 地图导航误判了路况,以为该路段拥堵严重,实际这条路几乎空无一人。

“如果导航软件缺乏交警路网数据等第三方数据校验,或者对异常数据难以剔除,很容易闹乌龙。”一位业内人士指出。

而江苏省最近也将全省普通干线公路3647路监控视频,和高速公路3797路监控视频全部实现上云,并向社会公众开放,全省市民都能查看到路况。但这样的功能,只限在江苏境内,很难实现全国统一通用。

最近,滴滴导航发布了一个新的解决方案——千里眼,试图让车主在导航前或导航过程中,能快速掌握前方的路况信息,做出合适的判断。这个千里眼究竟是怎么一回事?它究竟能不能解决人们的行车信息焦虑?

 手机导航,能开启“千里眼”?

车主小陆第一次接触到滴滴导航的千里眼功能时,还是一次偶然。一天,她在滴滴APP内使用导航时,行车途中,导航突然语音提醒:“滴滴热心用户提示您,前方700米,石佛营道路东侧一辆红色MPV车辆发生剐蹭……” 小陆其实没太注意导航什么时候上线了这个功能,“但是感觉对我来说还挺新鲜有趣的。”

随后,小陆慢慢研究才发现,不止是车辆事故通报,在滴滴出行APP的导航路径规划页输入起终点后,导航会规划出二到三条路线,每段规划的路线中,如果是标黄、标红的拥堵路段,APP极有可能实时更新当下的路况实景图或者实景视频,而有些路线还会打上事故故障的标志,点击之后就能进一步了解交通事故的具体信息。

这就相当于是做到了路况信息的可视化,系统能够用图片和视频的形式,实时反应路况信息。用户在路径规划页输入起终点后,能够查看行程路线上拥堵路段的实景图像,图像内容包括且不限于交通管制、交通事故、事故所涉车道等详细信息;导航行进中,如果前方发生交通事故,滴滴导航会优先语音播报事故发生的车道以及事故的严重程度,给出变道、避让建议,在确保行车安全的前提下,用户还可以提前点击查看前方事故路段的实景图片或视频。

“堵车和行车过程中的不确定性,一下子被消解了。”小陆说:“我能够知道前方到底发生了什么,也能够提前预判哪条路该走,哪些路段应该绕行。”

滴滴出行APP中的导航显示的拥堵路况信息

为什么滴滴的导航系统里,能够看到实时的现场图片和视频呢?这些数据从何而来?

这时候出行平台的优势就体现出来了。滴滴导航产品经理刘冰介绍道:“我们自研了一套云边一体化解决方案,在网约车上安装的桔视行车记录仪里搭载一套低功耗算法,这类算法只能定向对地面上的标识进行识别。比如事故后,车主在路上摆放的三角牌、交通管制的锥桶等,并不涉及个人信息。同时在云端有一套复杂模型能进行校验,自动对车牌、人脸等信息脱敏处理。这样当一个路段发生交通事故或者道路出现拥堵的时候,千里眼后台能结合司乘上报数据、桔视记录仪分析数据和高质量轨迹分析数据,实时将脱敏后的实景路况展现在端内。”

要让地图实时反应出真实的路况来,最关键的一点是什么?

“快。”刘冰这样对深燃解释:“以交通事故为例,除去那些大型的需要通报的交通事故外,如今普通的交通事故从发生到结束,平均下来也就半个小时。这中间预留给导航反馈的时间也就几分钟。一旦信息反应滞后,对于车主来说,这些信息也就起不到什么参考的作用了。”

做到快并非易事。

道路上的路况信息其实分两类,一类是静态信息,比如建筑、红绿灯等等。这些信息由于是静态的,相对好呈现,目前市面上主流地图不仅能够实时呈现,还在积极开展AR方面的尝试,试图为用户还原1:1的真实世界。

但是到了动态的就比较麻烦了。因为相比于静态信息,路况信息千变万化,很难做到实时捕捉。早年间有某些地区的交通频道等电台广播会将真实路况信息播报给司机,但这些消息存在滞后性,等到了实际地点往往会发现实际情况已经改变了。

而且别忘了,如果要让导航地图实时反馈,意味着系统信息捕捉处理范围会扩大到全国。中国这么大,半个小时里会有多少事故发生?

同时,系统还需要做到感知这些事故,感知事故发生的位置,同时判断事故是否真实,并且将事故发生的位置对应绑定到地图上,还要把资料脱敏处理,并且准确地传递给用户。事故发生有开始有结束,既要预测开始,还要预测结束。这也就意味着,系统要同时对这几千甚至上万的交通事故,进行分钟级别的处理完善。要做到这一点,意味着数据必须海量,算法还必须强大。

滴滴出行APP中的导航显示的拥堵路况信息

表面看来,导航路线中增加了一些实时的图片和视频,但这背后其实是一场争分夺秒的信息战。

但这还不够,完成了信息的收集和判断,要想让车主们随时了解路况信息,还得需要把信息传递出来。究竟什么时候、距离事故发生地多远,才比较适合跳出提示信息,以及信息的呈现形式究竟该是语音还是视频还是叠加?“我们反复打磨了两三个月,才最终敲定一套适合车主的方案。”刘冰表示。

我在滴滴当“交通事故鉴图师”

在极为复杂路面信息面前,做到分钟级别的反馈,这其实是一个巨大的挑战。

利用AI系统,如果仅仅只是做到信息收集和传输的快速,这还不够,还得同时保证准确度。于是 ,多次交叉验证就变得极为重要。

“目前来说,数据上传至云端后,我们的数据中台会进一步做验真处理,通过图像、轨迹等信息的交叉验证,确保数据准确。”刘冰说。人工的分析也会帮助算法进一步迭代。

但是算法还是有局限性,算法不可能穷尽预判所有的道路情况。

以交通事故的判定为例,刘冰举了这样一个例子,在早期进行研发的时候,发现在黑夜的场景下,算法会把大货车车身悬挂的三角警示牌误认为是事故时车主摆放的三角牌。这主要是因为当时算法团队的路面识别算法没有针对弱光场景进行优化,导致将货车上悬挂的三脚牌错误识别为地面上的三脚牌。

“这就需要有团队能对图片进行分析,和算法团队紧密配合,不断分析给予反馈帮助算法持续优化。”作为滴滴导航的产品经理,刘冰就带领着图像小组,每天和事故打交道,不仅在电脑前“看事故”,还得开车出去路测,“追事故”,而仅“看事故”,往往每个人一天一看就是几千张。

“在图像小组向算法团队反馈了这个问题后,技术人员立即进行了优化,迅速地解决了这个问题。现在算法的识别准确性已经很高了,人工分析则只是尽可能地帮助找到那些极小概率的badcase,进一步帮助算法做优化,保障路况信息地准确。”刘冰说道。

此外,图像小组的另一个任务是每天面对着海量的交通事故照片时,还会帮助进一步补充深度的信息,比如是追尾、剐蹭还是其他,标注事故发生的车型,碰撞的严重程度,从而为用户提供更为精准具体的事故信息。“这也就像一个‘交通事故鉴图师’。”刘冰表示。

这样的工作流程刘冰也很熟悉,“真的是争分夺秒,整个系统对事故的判定非常快,这对图像小组来说,就只有几秒钟看图的时间。”

开始的时候,还是都有些紧张。“毕竟关乎到千百万用户的出行信息,还是大意不得。”但是随着作业流程的标准化,图像小组的成员经过一两个月的训练,已经逐渐熟能生巧。这帮“鉴图师”已经做到了条件反射,几秒钟就能完成分析、判断。

不同于人们头脑中对于交通事故的刻板印象,日常道路上的事故更多的是一些剐蹭、小追尾等交通事故。“我们需要不断重复同一个动作,说实话会有一点疲惫。”刘冰提及之前经历的“看事故”生涯,这样回忆道。

但是,系统给每个鉴图师分配的照片是随机的。这也意味着,往往可能上一张图片是在北京,下一张图片就跳出来一个非常陌生街道的一角。有些图片,一眼就能看出来是来自热带,道路两旁全是棕榈树。还能碰上一些很偏僻的小道,上面布满了动物的粪便、脚印,这时候很多人才知道,原来乡村还有这样的道路。刘冰老家是山东济南的,他甚至有一次看到了自己老家附近出了事故,就莫名很担心家里人。

“千里眼”这个平台,像一个任意门,把这群“看事故”的人拎了出来,短暂地置身到了世界的另一端。刘冰自己看了过去不敢想象的景象,“尽管坐在办公室,但好像日行千万里,也好像是自己长了千里眼”。

*应受访者要求,文中陈镇、张鸣、小陆为化名。

本站资源来自互联网,仅供学习,如有侵权,请通知删除,敬请谅解!
搜索建议:我在大厂“看堵车”  大厂  大厂词条  堵车  堵车词条