大规模 道路养护时代，智能化应用需求呈现快速的增长趋势。作为道路智慧化的重要场景， 道路智能巡检正在成为各地积极探索的新工具。根据赛文交通网的调研，当前 道路智能巡检技术的应用以AI为主，整体处于早期阶段，在已经落地的AI 道路巡检项目中，不少巡检检测成本可降低40%，且智能巡检效率是人工巡检的十倍以上；但另一方面，部分业主也传出了“识别精度不高、采集数据不准等问题，与实际应用尚存在距离”等声音。

基于行业现状， 千寻位置基于北斗高精度的独特能力，融合AI，打造 千寻驰观——AI 道路智能巡检系统，挑战道路病害的0漏检、0重检，打造真正可实用的北斗+AI 道路智能巡检系统。

百万级样本 病害+路产“联合”识别

“AI技术的应用主要取决于数据、算力和算法。” 千寻位置行业解决方案专家何喆卿介绍，首先数据要达到一定的体量，这是应用的基础，此外算力要能支持大规模的模型训练，而后算法方面需要达到一定的精度。

“我们采集了不同城市、不同环境下的海量图像数据，构建了百万级别的样本数据；除了聚焦于路面病害，针对交通标志牌、龙门架、护栏、摄像头等目标，进行专门的模型训练。”何喆卿表示。

目前 千寻驰观有效支持7种道路表面病害，24大类总计355种细分类道路基础及附属设施的模型训练，支持目标的覆盖率达到95%。在模型训练完成后，同时测试了模型的泛化能力，并在不同的路况、环境中完成了初步验证。

像素级目标还原 所见即所得

交通领域是实时动态的业务领域，尤其像高速公路场景，可能一秒就三十几米。在这个时候，算法的精度至关重要。

相比于一般的AI 道路巡检系统， 千寻驰观将北斗 高精度定位与计算机视觉技术融合，采集到的每帧画面均赋予了高精度位置及时间信息，一方面使得识别目标的定位结果和不规则病害面积的计算结果更为精准，减少估算误差；另一方面检测对象精准的绝对位置 坐标，可以与道路公里桩进行绑定，根据需求定制相应的业务报表，有效支撑养护运维。

经多地的实测验证， 千寻驰观已实现了道路检测目标车道级的位置估计、像素级的面积计算以及病害+路产“端侧联合”智能识别，召回率和准确率均优于90%。

基于技术优势， 千寻驰观在减少误检、漏报，提升自动化采集的程度上实现了性能升级，但为了满足行业的多重需求，综合体验， 千寻驰观的能力还不止于此。

数据自动融合去重 挑战0漏检0重检

经实地检验， 千寻位置技术人员发现，AI识别病害，在注重其准确性（不错报）的同时亦需要将召回率（不漏报）也纳入重要的模型评价指标。由于病害模型的不精准，会造成目标因大小位置的变化重复报告。

对此， 千寻驰观在算法模型中引入了新的能力：单次采集数据去重，以及多次、多天采集数据自动融合。

其中单次采集数据去重指将空间信息、时间信息、语义信息和视觉特征有效的融合，识别特定目标并编号，赋予其唯一的身份信息，不会随着大小及位置的变化而重复报告。

多次多天的检测成果融合，意味着通过AI+视频及时空数据分析的能力，将巡查结果进行数据整合、数据挖掘、AI推理等，形成目标的全过程跟踪，完善科学的病害及路产库，做到病害演变“可测”、路产的全生命周期管理。

技术的成熟也使得轻量化的方案成为可能， 千寻驰观的整体方案架构包含 RTK+惯导的高精定位系统，高性能AI边缘计算平台和北斗+视觉AI感知终端。遵循小型化，轻型化，易安装原则，可灵活适配各种车型。

此外， 千寻驰观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，基于边缘计算能力， 千寻驰观可以实时输出巡查结果，同时支持生成道路资产电子台账，并根据日常巡检的结果自动更新。

目前，千寻驰观 道路智能巡检系统已在全国多个省市落地，如山东、辽宁、云南、江苏等高速公路及国省干线，加速智慧 道路巡检养护的规模化复制推广。