12月11日，克拉玛依市数字化发展局，基于视觉大模型的危险交通行为识别项目（一期）招标公告，项目预算金额：1577万元，投标文件上传截止时间：2024年12月31日 11:00。
项目背景：随着经济的不断发展，城市人口和机动车辆数量迅猛增长，城市道路交通的压力越来越大，路口交通事故时有发生，严重威胁人民群众的生命财产的安全。“电子警察”系统应运而生，对在道路上发生的各种违法行为进行自动取证，结合处罚管理手段，实现了对城市道路全天候、大范围的管理要求，同时为公安交警执法提供了清晰的图像证据。
传统“电子警察”系统的建设采用专用昂贵的卡口相机以及大量物联传感硬件设备以及采取破路埋设地感线圈等施工方式，造成建设和运维成本居高不下，施工周期长，维护工作繁重等问题。将视觉多模态大模型应用于智慧交通管理，尤其是与传统电子警察相比，具有显著的优势。
本项目采用普通治安监控摄像机叠加后端智能视频解析的方式，依托视觉大模型提供的AI能力赋能智慧交通系统，对机动车、非机动车和行人的危险交通行为进行识别。系统的应用必将成为非现场执法技术手段中的一个重要组成部分，形成强大威慑力促使广大人民群众自觉遵守交通规则，从而有效减少交通事故的发生隐患。充分发挥大模型这一新型科技手段在交通管理中的应用，践行科技强警理念，提高工作效能，持续提升战斗力。
主要建设内容：
1.视觉大模型引擎，视觉大模型引擎是基于注意力机制的序列模型进行设计和训练，核心通过注意力机制，对视频或图像进行特征提取，捕获图像和视频中上下文信息和目标对象之间的关联，增加模型对图像和视频中细粒度特征的感知能力。
2.大模型基础服务建设
(1)数据平台，包含目录管理、版本、数据集名称等对数据集进行统一管理。
(2)训练平台，为普通用户提供便捷的算法创建和训练迭代功能，结合数据平台构建的训练和测试数据集，设计合适模型标签实现模型训练。
(3)推理平台，包含算法仓库、调度管理、规则管理等模块，针对指定摄像头配置合适的算法实现推理布控，布控任务上线后则可产生告警。
(4)检索平台，直接利用通过向量转化技术得到视图全局和局部的高维特征信息，构建向量特征与结构化标签的混合索引，让视图检索引擎具备输入文本方式即可在海量视频中找到与查询内容最相似的目标结果的功能。
3.智慧交通场景危险交通行为识别算法
依托非智能的普通治安摄像头，基于预训练视觉大模型，根据现场摄像机收集的数据训练微调，实现机动车的闯红灯、双实线掉头、违停、逆行和不礼让行人以及非机动车逆行、电瓶车不带头盔和非机动车载人等交通危险行为的识别。除具备危险行为识别外，还可以实现人流量统计、机动车车流量统计、和非机动车车流量统计以及对路口车辆拥堵和人群拥堵聚集进行预警。另外为了车辆取证，还提供车辆捕获、视频自动检测多张抓拍、信号灯状态检测、车型车牌识别、违章图片合成和关联录像功能。
4.智能算力建设
智能算力提供智能分析和调度管理的能力，遵循“云边协同”的理念进行算力建设和部署，支持智能算力的规模化建设，提升智能算力密度。智能算力建设具体包括智能视频解析服务器、大模型训练推理服务器和存储调度服务器以及算力资源管理和容器编排管理服务组成。
5.大模型应用系统建设
(1)交通危险行为专题应用，包括机动车违章、非机动车违章和其他交通事件。
(2)大模型基础应用，包括宏观态势、视频检索、预警中心、实时预警、实时分析、视频广场和趋势分析。
6.前端摄像机建设
搭建前端摄像机点位，为后端服务器提供数据来源，本次前端建设为不满足架设要求的采取新建立杆并架设摄像机点位，满足架设要求的采取利旧立杆并架设摄像机点位。
热门跟贴