近年来，随着物联网、大数据分析与人工智能等技术的应用，我国公路交通基础设施巡检逐步迈入智能化阶段，依托无人机的交通智能巡检及应急处置技术已取得一定成效，但针对事故发生前的监测预警技术应用仍显不足，推动低空AI智能监测预警技术在公路交通基础设施领域深度落地，是筑牢公路交通安全防线的关键一环。
近段时间以来，我国公路交通基础设施领域事故频发，2024年5月1日广东梅大高速茶阳路段发生高边坡塌方，2024年8月2日陕西柞水高速桥梁垮塌，两起事故均造成重大人员伤亡。事故发生一方面受降雨、洪水等自然灾害的影响，另一方面也反映出我国公路基础设施领域在风险排查及监测预警方面尚存短板。无人机有较强的机动性和适应性，可在各种复杂环境下大范围快速巡检，当前面向无人机的交通智能巡检及应急处置技术应用已取得一定成效，但主要在“事后”发挥作用，针对事故发生前的监测预警技术应用尚显不足。建立低空AI智能监测预警制度，推动低空监测预警分级分类实施，开展低空监测预警试点示范应用，加强低空监测预警技术攻关，对于提升公路交通基础设施领域安全风险监测预警能力具有积极作用。
公路交通基础设施巡检技术发展阶段及痛点
我国公路基础设施巡检技术及方法经历了不同发展阶段。早期为人工巡检阶段，主要依靠人工定期或不定期检查；随后，引入初步自动化工具，但仍需人工执行，手持记录设备、条形码扫描等工具的利用使数据收集效率有所提高，但信息整合与分析工作依然繁重。近年来，巡检工作逐渐进入智能化阶段，物联网（IoT）、大数据分析、人工智能（AI）等技术的应用，使交通基础设施状态实时监控、主动诊断、预测性维护和自动分析异常等得到实现，巡检效率和智能化水平大幅提升。但是，当下我国智能化巡检技术发展及应用仍处于初级阶段，在巡检效率、巡检流程和作用效果方面依然面临诸多挑战。
▲无人机在推动低空AI智能监测预警技术方面具有重要作用
巡检效率有待提升 目前，国内公路养护大部分采用人工巡检模式，发现道路病害或裂缝时，巡检人员需要停车拍照，并通过微信小程序上传信息进行派单处置，人工识别漏报率较高。
巡检流程有待统一 不同人员对病害的判断和记录方式不尽相同，巡检流程非标准化，结果不一，导致难以实现对巡检全流程数据的管理和跟踪，无法全面、及时掌握养护运营状况。
巡检效用有待改善 当前巡检技术主要应用于事故发生后的应急处置上，能够较快监测事故现场并指导救援，但难以预先准确预警风险情况，无法提前处理病害隐患。
低空AI智能监测预警技术应用特点及挑战
应用特点
无人机低空巡检具有效率高、视域宽、机动性强、受地域影响小等优势，能够更高效、更精准获取现场情况。无人机低空巡检可结合图像采集设备、AI图像识别技术和风险预警智能算法，构建“即时发现—实时预警—高效处置—重点巡查”的全链条闭环工作模式，实现数据采集、智能分析、预警推送、调度处置的端到端事件闭环，为公路交通基础设施领域安全风险监测赋能。
多维、多基综合泛在监测技术 以无人机高空感知设备为基础，融合“卫星—无人机—雷达—传感器”的多维、多基综合监测技术，实现交通基础设施浅表、深部及周边构筑物的实时监测、周期性监测和灾害短临监测。
基于视觉AI的图像识别技术 采用无人机机载视觉传感设备、边缘处理设备和人工智能算法，对交通基础设施各类病害的识别不断训练和优化，实现对植被干扰严重、地形起伏较大、设施周边环境变化等区域信息的精准采集。
动态实时安全风险预测预警技术 基于图像识别技术采集生产、环境等多维感知数据，构建监测预警模型，实现对风险隐患的监测、预警和研判处置，分类分级管控安全风险，有效遏制重大事故发生。
应用场景
常态化基础设施巡检监测 包括公路路面状况监测、交通标志及标线监测、隧道结构健康监测、桥梁构件监测、公路施工监测等场景，基于低空AI智能监测设备快速获取大量图像数据，通过智能算法分析，准确判断交通运输基础设施的健康状况，为及时维修和加固提供科学依据。在浙江省杭州市余杭区，无人机低空巡检已应用在杭州西站、运溪高架路、瓶仓互通、杭徽互通、国道235线、良渚大道（原国道104线）等重要交通枢纽及公路的养护场景中，通过“空中发现—问题上报—立案批转—处理反馈—事件核查”等一系列流程，余杭区交通部门能够及时发现路面破损、绿化带黄土裸露、设施损坏移位等情况，提高了日常公路巡查效率，减轻了人工巡查的劳动强度。
特殊天气重点路段灾害预警 包括强风天气下的公路设施稳定性预警、暴雨引发的山体滑坡和泥石流预警、雷暴天气下的公路电力设施故障预警等场景，结合无人机实时图像分析和气象数据、地质数据，利用AI算法分析预测，及时向交通管理部门和附近司机发出预警，采取封路、疏散等措施，避免人员伤亡和财产损失。安徽省合肥市投入应用了“中国通号”低空防汛巡检系统以应对暴雨可能引发的灾害，系统通过无人机搭载的高清可见光摄像头与红外成像设备，能够穿透夜幕与复杂天气条件，准确识别整体防汛态势，包括河堤潜在渗漏、塌陷等隐患，以及水位实时变化情况，为决策者提供了即时、详尽的数据支撑。
风险与挑战
机载视频设备易受污染 影响数据获取 公路交通基础设施所在环境通常较为复杂，灰尘、油污、水汽等污染物极易附着在设备镜头上，导致拍摄的图像模糊不清。此外，监测公路隧道内部时，由于通风条件相对较差，油烟和粉尘的积聚更为严重，可能会增加设备的运行成本和停机时间，影响整个监测工作的连续性和效率。
前期事故图像数据积累较少 影响结果预测 基于图像识别的事故预警技术在交通领域应用仍处于相对较新的阶段，可供分析的历史事故图像数据比较有限。对于某些新型的公路交通基础设施或特殊地理环境下的公路和桥梁，缺乏相关事故图像数据作为参考，数据积累不足导致AI模型在学习和分析上不充分，进而影响模型预测结果。
预警结果与实际存在偏差 影响处理效率 交通基础设施智能监测预警之后，并不是所有坑槽、裂缝、周围环境变化都需要处理。目前提供AI路面巡检解决方案的部分企业认为凡是病害就应上报，但路面病害通常存在一个合理值，很多早期病害并不需要提前处理。
特殊天气威胁飞行安全 影响无人机起降 暴雨、大风、雷暴等特殊天气会对无人机的传感器、电机等关键部件造成损害，增加设备故障风险，可能对飞行安全构成威胁，导致无人机无法按时起降，延误监测工作进度，影响使用者对交通基础设施状况的及时掌握和评估。
▲浙江省杭金衢高速公路上，无人机正从机巢起飞开展道路巡查。蒋才/摄
建立低空AI智能监测预警制度
加强低空AI智能监测预警和安全治理制度体系建设，出台公路交通基础设施领域的智能监测预警办法、风险评估办法和预警响应办法，从监测对象、监测内容、监测频次、监测预警责任、监测预警记录、监测预警考核等方面规范监测预警程序，明确责任分工。加快起草制定低空AI智能监测技术指南等规范标准，推动建立统一、规范、高效的公路交通基础设施领域监测预警和安全治理机制，指导相关经营单位科学有效开展安全风险防范工作。
推动低空监测预警分级分类实施
按照重点时段、重点路段及自然灾害发生的紧急程度、发展态势和可能造成的危害程度等综合研判结果，开展分级预警，根据实际情况及时组织人员现场处理病害隐患，并通报本级应急管理和相关部门。月底、汛前、节假日、年末等重要时间节点及区域重大活动前，及时组织有关部门汇总分析公路交通基础设施病害趋势预测信息，组织开展自然灾害风险形势分析研判，确定风险水平、风险类型和高风险区，形成风险形势分析报告。
开展低空监测预警试点示范应用
鼓励各地谋划开发公路交通运输基础设施领域低空监测预警特色场景，充分考虑各地的空地环境特征，开展低空监测预警试点示范。支持因地制宜探索覆盖公路、铁路、桥隧、收费站、沿线光伏发电储能设施等场景的典型区域，开展道路桥梁及附属设施监测预警、光伏设施巡查、交通状况监测、基于AI算法的异常事件监视等验证性测试。支持探索“一机多用、融合飞行”的智能监测模式，实现智能化图像采集、类型判别、结构建模、业务提醒、建档记录、追踪分析。
加强低空监测预警技术攻关
针对低空智能巡检在设备安全、图像识别预测等方面面临的挑战，协同企业、高等院校、科研机构等围绕复杂环境下的无人机飞行控制、智能避障、图像识别等核心技术领域加大技术攻关，搭建AI智能监测预警事件数据库，提升系统图像识别和趋势预警准确度。在重要通道、枢纽建设低空AI智能监测预警系统，加强重大风险源识别和全过程动态监测分析、预测预警。推进无人机与大数据、人工智能等新技术融合创新，促进关键共性技术研发、系统集成和工程化应用。
来源：交通运输部公路科学研究院
