0
人工智能在傳統行業遍地開花已經不是新鮮事，但是進入地鐵這種人流量大且復雜、噪聲極強的環境中，似乎還是第一次。雷鋒網消息，昨日（12月5日），上海地鐵攜手阿里云，落地語音購票，打造首個 AI 地鐵城的消息刷了屏。
雷鋒網就此采訪了阿里云 iDST 智能語音交互團隊總監的鄢志杰，他也是該項目中語音購票技術的總負責人，聊了聊技術落地背后的故事。
大概半年前，擔任阿里云 iDST 智能語音交互團隊總監的鄢志杰，和同事參加某個機器人展會。在展會上，他們發現很多具有語音交互功能的機器人“聽力不好”，參展的觀眾需要抱著機器人的頭，幾乎貼在上面才能完成一兩句對話，主要原因就是環境噪音太強，導致機器人無法分辨“要聽什么”。
在語音交互領域，“抗噪”是個難點。市面上相對成熟的語音交互產品，幾乎全部集中在家庭、辦公等安靜場景中，通過麥克風陣列，可以讓機器輕易分辨“誰是說話人”，而類似機場、高鐵、咖啡廳、超市、展廳強噪音場景則沒有。
鄢志杰當下就想，如何才能突破舊有的使用場景，在強噪音的環境下讓人和機器進行語音交互。
面對這個具體的問題， iDST 的人工智能專家們想到了融合語音、視覺兩種模態的方法。具體來說，如果只通過擴大麥克風陣列，提升信噪比的單一方法，還是不夠，如果有了攝像頭之后，就可以通過視覺識別是否來人，來人是否講話，判斷之后用算法調整麥克風位置，進行定向增強。這樣，就可以讓一個強噪音環境變得和普通交互場景一樣了。
值得一提的是，采用視覺來確定目標說話人后，還帶來一個更大的驚喜。此前語音交互產品，都需要通過“喚醒詞”，讓用戶喚醒，但“誤喚醒率”是個問題。而采用視覺后，機器可以通過人臉、嘴巴來判斷說話人是否開口說話，從而徹底免去了“喚醒”這一步，從而也就解決了“誤喚醒率”的問題。
當然，實際工程化的過程并不像講起來這么簡單。鄢志杰坦陳，這種融合多模態的方式，學術界其實早有研究，但實際落地的產品似乎還沒見到。
技術的問題解決之后， iDST 在商店（嘈雜環境）里放了一臺可以使用語音來買咖啡的機器，用的就是語音+視覺的解決方案。這或許也是這種方案下，第一個落地的實際產品。
兩周之后，這個方案落地上海地鐵，咖啡機換成了購票機，乘客可以通過語音進行購票，掃碼支付，全程只需不到10秒。
口說有憑，自由通行
上海作為全球里程數最長的地鐵，共有 17 條線路，367個站點，以連接兩大機場、虹橋火車站、川沙、陸家嘴、龍陽路磁浮站、南京路、靜安寺，橫貫東西的2號線為例，全天都處在擁擠狀態，日客流量接近百萬。這條線路因為連接著交通樞紐和重要地標，充滿了來自全球各地不同語言的人，購票之難、時間之長可想而知。
采用阿里云 iDST 的語音購票方案后，每個人只需要走近售票機，對售票機說出你想要去的地方，售票機就能夠自動向乘客推薦線路和站點，乘客掃碼或刷臉即可購票，全程不過10秒。
舉例來說，在此之前如果想去東方明珠，需要先拿出手機，打開地圖應用，查詢公交線路，走進推薦的地鐵站，在售票機上通過點擊、投幣來買票，上地鐵。而現在，乘客可以直接進入最近的地鐵站，對售票機說“我要去東方明珠”，售票機將自動建議乘客坐到“陸家嘴站”，然后彈出二維碼進行支付。
鄢志杰向雷鋒網表示，試運行階段，目前該機器可以支持帶口音的普通話，但未來希望能夠覆蓋更多的語種和方言，滿足不同地方的乘客需求。
同時，該技術在強噪音環境下的通用性，也方便將此解決辦法復制到機場、高鐵、商店等更多場景中。
除了語音購票技術外，亮相上海地鐵的還有阿里云的“刷臉進站”、“智能客流監測”兩項技術。
雷鋒網了解到，正在研發中的新型進站閘機上，新增了一塊屏幕，用戶經過屏幕時，幾乎無需停留，屏幕就依托阿里云人臉識別技術，完成了人臉識別，開啟閘機，供乘客通過。
系統所采用的阿里云人臉識別算法具備業內領先的精度和效率，在國際公開的人臉比對評測LFW中，精度超過99.5%；在身份認證1:1比對場景，誤識率0.1%條件下，實測精度大于99%；1:3000身份識別場景，現場實測識別率>95%。
而智能客流分析技術則是基于視頻識別、數據分析機器學習和阿里云的數據可視化技術，替代肉眼，觀察車站的客流速度、密度、擁擠指數等，同時結合地鐵列車運營信息、外部天氣信息數據，對未來流量進行預測，幫助地鐵工作人員進行客流疏導、應急調度、危險防范等，保障乘客安全。
目前，這些技術已經完成實驗室測試，進入樣機研制階段，未來都將應用于上海地鐵。相信在不久之后，我們就可以享受更為智慧、方便的公共交通服務了。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
