近年來，“AI的應用和落地”逐漸成了具化的關鍵詞，它和很多事物很多行業結合在一起，形成了奇妙的“化學反應”。例如，在日常生活中，AI可以推送我們喜歡的新聞或視頻，可以在拍照的時候識別場景提升照片的美感…….
而今天筆者要說的，可能是從很多人都密切相關但大多很陌生的一個“神秘”的職業說起：機場塔臺指揮中心。上海麥圖信息科技有限公司，藉助華為雲ModelArts一站式AI開發與管理平臺，開發出跑道防侵入場景中的航空器識別AI模型。
AI 給了我一雙“慧眼”
在機場的每一架飛機起飛或者著陸，從飛機推離停機位到離開機場空域，或相反的降落過程中，背後都需要依靠管制員之間的協作。飛機起降的間隔非常短暫且風險大，有著“黑色十分鐘”之說。管制員也被稱為是飛行員背後的“眼睛”，對於他們的要求是非常嚴苛的，需要超長時間集中注意力，尤其在航班密集的時候，管制員需要在極短的時間內對複雜的情況，做出正確判斷，這也讓管制員們擔負著極大的壓力。對於普通乘客來說，這可能只是一次普通的空中之旅，但對於管制員來說，每一次飛機起停都伴隨著重大責任。
“跑道侵入事件” 是所有管制員們的“噩夢”。飛機起降架次的增多，再加上惡劣天氣的影響，跑道侵入事件已成為民航領域航空器地面安全運行的頭等問題，跑道安全事故在民用航空事故中也佔有很大的比例。然而，隨著機場規模和航班密度增加，對於大型機場的塔臺而言，單點視野物理受限，數字化程度提升的同時，客觀上造成屏幕變多、信息量變大等挑戰，對管制員提出了更高的要求，人的主觀能動性很強，但往往難以面面俱到。
聚焦在智能航空領域、專注於人工智能技術和應用研發的上海麥圖信息科技有限公司，希望用AI的力量破解以上痛點， 讓管制員們從高壓中解脫出來。為了加強跑道侵入事件的防範，麥圖開發出了跑道侵入防護系統，也就是說，在有飛機在使用的情況下，防止其他飛機衝入跑道，從而造成航空線之間的碰撞。
“我們想通過視頻去捕捉飛機的動態，把飛機從視頻中識別出來之後，再計算它的位置和速度，計算兩個飛機之間的運動軌跡，再根據其他的關聯數據進行認證，確保飛機之間不會發生碰撞，即使有發生碰撞的風險，也可以提前預知。”麥圖項目總監徐擎陽對筆者說。
華為雲ModelArts平臺賦能模型開發
理想有多美好，現實就有多骨感。眾所周知，人工智能包括了訓練和推理兩個階段，只有先訓練出人工智能模型才能進行推理。麥圖面臨的挑戰是，項目開發團隊基本是專注在軟件應用開發和數據分析層面的，對於計算機視覺技術方面的研究並不深。2018年，項目團隊也開始嘗試過很多場景，“當時是兩個問題制約了我們，一是視頻的清晰度不夠，當時高清視頻攝像機還沒有普及。二是沒有好的AI開發平臺，算力和工具都不夠。到了今年，4K攝像機也開始普及了，訓練工具ModelArts也有了，這個事情就可以做了。”
徐擎陽說，華為雲ModelArts提供了全流程的AI開發與管理平臺，在很大程度上降低了麥圖科技進入視頻AI領域的門檻，“如果沒有ModelArts，在準備訓練前，需要自己買設備，去開源社區裡面找這方面的技術，學習構建和配置環境;在訓練的過程中，要涉及到設備維護、性能調優，以及標定工具的開發等等。這個過程是會非常漫長和繁雜的，我們在管制語音識別的產品AI核心開發過程中已經體會過一遍，過程非常痛苦，代價非常大。”
對於麥圖來說，ModelArts帶來的效率提升的價值顯而易見：“第一版模型開發，從標定到訓練，到最後給客戶做演示，只花了三天時間。如果用傳統的方法做，可能連服務器的快遞都寄不到。”
徐擎陽介紹說，在這個系統中，“光電盯防子系統”是一個重要的實時核心，它需要具備較完整的“基於視頻流的航空器目標識別和跟蹤”能力。通過將機場平面各個關鍵點採集到的實時視頻流送入基於華為雲ModelArts一站式AI開發與管理平臺開發的“航空器識別模型”進行處理，識別出畫面中飛行器對象的像素座標等一次參數後，對其進行空間位置換算，以及包括速度、運行方向等在內的二次參數的計算，並在系統運行數據中找到相匹配的航班信息對目標進行信息標記，以AR信息增強的形式呈現在監視器上，讓管制員以“抬頭顯示”的形式在單一屏幕中直觀瞭解到足夠全面的動態信息。同時該系統會在後臺對所有目標的軌跡和矢量動態數據進行監控和推算，讓計算機能夠代替或輔助管制人員在全局範圍對每一個航班、每一個道口進行實時盯防，提前預知潛在運行風險，從而降低事故發生的概率。
此模型單幀主要目標識別準確率可以逼近96%，多幀識別中主要目標識別結果可在99%以上。目前，麥圖正在嘗試Mask-RCNN模型，將座標輸出精度提升至像素級，實現更精確的航空器識別和位置計算。
麥圖信息藉助華為雲ModelArts平臺開發出的跑道防侵入場景中的航空器識別AI模型，將於2020年2月11日-12日在深圳舉辦的華為開發者大會2020(Cloud)上與開發者們見面。
閱讀更多 天極網 的文章
