8月24日消息，百度智能云发布公路事件AI检测一体机，基于自研40B交通多模态大模型，采用“视觉一检+多模态二检”的检测与复核机制，面向事故、拥堵、停车、逆行、行人闯入、抛洒物等高速公路事件提供7×24小时自动检测能力。在常见事件场景中，一体机实时检测平均准确率超过97%，告警时间也控制在秒级，最快可比人工电话报警提前十余分钟，为管理人员启动研判、调度和应急处置争取时间。

　　在广东佛开高速、河北京雄高速等项目中，该产品已进入实际路段运行。

　　被动报警延误、人工值守过载、传统算法失准，高速公路事件检测迎升级刚需

　　一场高速公路事故的发现时间，直接决定后续处置的响应速度与救援效率。过去公路管理部门主要依靠现场报警、人工视频轮巡、传统视觉算法三类方式排查道路异常，但受场景、人力、技术的多重限制，这套传统排查模式的覆盖效率和响应速度早已跟不上路网扩容的节奏。

　　被动等待现场人员报警的模式，极易因沿途无过路车辆发现、事故当事人受伤昏迷无法求助、报警人对路段位置不熟悉描述模糊等情况，直接错失黄金救援窗口;而依靠人工视频轮巡主动出击，又面临需要投入大量值守人力，但仍很难做到全时段覆盖的问题。

　　目前全国已有大量高速公路监控视频实现联网接入，随着公路数字化转型持续推进，前端视频采集的覆盖密度和感知能力不断增强，但“摄像头看得见”并不意味着“系统能够及时看懂”。传统视觉算法能够承担部分自动检测工作，但到了夜间、雨雾、逆光、拥堵、施工等复杂场景，识别能力显著下降，误报和漏报仍是实际应用中的重要问题。

　　对于高速公路运营方而言，如何从海量视频中快速筛出真正需要处置的事件，同时降低人工复核压力，成为智慧公路建设进一步落地需要解决的问题。

　　40B交通多模态大模型，解锁公路全场景智能研判能力

　　针对上述需求，百度智能云推出公路事件检测一体机，将交通行业大模型能力与现有视频感知体系结合。

　　据百度智能云介绍，该产品核心能力来自参数量行业居首的40B交通行业多模态大模型，其具备场景理解、多端泛化和轻量蒸馏三大能力。

　　不同于传统视觉算法只能识别单一物体，40B交通多模态大模型不仅精准识别交通参与者和道路环境要素(抛洒物、火灾烟雾、路面结冰等)，还能结合车道结构、道路通行状态以及交通参与者行为等信息进行复杂交通场景理解与风险研判，很大程度减少了类似“将警车停在应急车道处理事故判定为异常停车导致拥堵”这样的误判。

　　除了固定路侧摄像头，相关模型能力还可扩展至无人机、巡检车、机器狗、AI眼镜等多种感知终端。固定摄像头负责持续值守，移动感知设备则可以补充传统固定点位难以覆盖的区域，为道路事件检测提供更多视角。

　　首创大小模型融合检测方案，“一检”负责快，“二检”负责准

　　百度智能云公路事件检测一体机首创大小模型融合检测方案，将检测速度和告警可信度进行了拆分。“视觉一检”负责持续扫描视频流，快速发现疑似事件。“多模态二检”负责进一步研判异常是否真正构成需要处置的事件，配合由40B大模型蒸馏出的8B、2B及视觉轻量模型，既大大提高了判定准确率，又在一定程度上控制了检测成本。

　　该套融合检测方案也在广东佛开高速的真实道路环境中接受检验。此前该道路事件发现主要依赖人工视频轮巡和电话报警。接入该产品后，路侧雷达、视频、卡口等多类感知设备被纳入统一检测流程，由系统承担7x24小时全天候自动值守。

　　据项目运行数据显示，佛开高速相关场景的日间事件检测平均准确率超过95%，系统发现异常后，管理人员可以更早进入人工研判和应急处置流程。

　　无需推倒重来，分层部署让公路智慧化改造更高效

　　在部署方式上，产品可根据不同路段的建设条件采用边缘侧一体机、中心侧一体机或算法授权等形态。隧道、桥梁、弯道、匝道等重点区域可以利用边缘算力进行就近检测;视频规模较大的路段，则可以在中心机房进行集中分析。对于已经部署第三方算法或算力设备的客户，也可以在原有系统基础上增加实时检测或告警复核能力。

　　产品还可以接入既有路网监控和应急处置平台，将经过检测和复核的有效告警推送至现有业务系统，减少对原有平台的改造需求。

　　在河北京雄高速，百度智能云就在检测能力基础上增加事件复核机制，对算法产生的告警进行二次判断。系统上线后，将常发事件的检测准确率提升至95%以上，同时减少50%的人工介入工作量。

　　这也意味着，公路智能化建设并不一定需要推倒重来。对于已经具备视频、雷达、卡口和算法基础设施的路段，大模型可以进一步承担事件检测、告警复核和信息推送等工作，在既有系统之上增加智能化能力。

　　从“接入更多视频”走向“用好每一路视频”

　　近年来，公路水路交通基础设施数字化转型持续推进，入选区域累计达到26个。随着视频、雷达等感知设备进一步联网，公路管理部门获得了越来越多道路实时信息。

　　下一阶段，数字化建设的重点也将从“有没有数据”逐步转向“如何利用数据”。

　　从这一角度看，公路事件检测一体机的价值并不只是增加一种AI算法，而是尝试把视频感知、事件识别、告警复核和既有处置平台连接起来，让系统承担第一轮全天候值守，把人工力量从长时间盯屏和重复核警中释放出来，更多投入到研判、调度和现场处置等环节。

　　当道路异常能够在人工报警之前被系统发现，公路事件管理也就有机会从“等待信息到达”进一步转向“主动发现风险”。对于正在推进数字化、智能化升级的高速公路而言，这或许是海量视频感知能力真正转化为运营效率的关键一步。