全视频解决方案是专用于路内停车的车牌识别，由前端设备、平台端、管理端和应用端组成，系统通过视频流的方式对驶入、驶出泊位的车辆进行检测、轨迹跟踪、逐帧识别，车牌识别率高，后期维护少。

看到这个标题，大家自然而然的会联想到人类的进化，想象人类从猿人进化成原始人，再到智人，最后到现代人；也有人会联想到达尔文物竞天择的进化论；或者畅想不远的将来人类进化成外星人。

这两天，朋友圈都被马云是外星人的评论给刷爆了，为什么？因为马云既没有参加丁磊的饭局，也没有参加东兴饭局（刘强东和王兴的饭局），而是一个人“躲”在酒店吃泡面。后来马云在媒体上评论道，大家不要把注意力集中在饭局合照，应该关注第四届世界互联网大会本省，关注那些有意思的观点和一些经济的发展问题上。这个观点和我们今天要讲的进化论主题不谋而合，有一句话说的非常好，“并不是所有的企业都是需要转型的，但是所有的企业都一定是要进化、是要升级的”。对这句话我非常认可，因为我们的量在变，市场在变，规模也在变，而技术在不断进步，所以今天我用进化这个主题结合道路停车行业给大家做一些分享。

说起进化论，首先我不由联想计算机的进化，计算机从诞生到现在大概经历了四个阶段，即一代电子管计算机、二代晶体管计算机、三代集成电路计算机、四代大规模超大规模集成电路计算机。从外观形态来说，计算机从开始的重达30吨、占地超170平米，到现在重不到2kg、占地不足0.5平米。从发展时间来看，一代到二代用了11年，二代到三代用了8年，三代到四代则不到5年。然后我们回过头再来看看我们道路停车的发展史，我将其划分为1.0到4.0共四个阶段。

1.0是咪表的时代，国内最早使用的是香港和澳门，在珠海也得到大范围应用。

2.0是POS机时代，最早使用的是杭州，做为一种收费方式，后来衍生出了和咪表结合、和手机App结合的多种方式。

3.0是地磁感应时代，目前在国内得到大范围应用，但是受环境影响大，尤其是在北方冰寒积雪的环境下。

4.0是全视频时代。

从1.0到4.0，我们可以看出随着技术的进步，相邻时代的进化时差越来越小，1.0到2.0用了11年，2.0到3.0是5年，3.0到4.0则是2年。

我们公司早在2015年年底研发出4.0的全视频解决方案，经过大量的场景验证和长时间的算法升级，现已推出了第二代的全视频产品。

前段时间我看过一本书，书名是《原则》，是由美国桥水基金创始人Ray Dalio写的，他是投资界的乔布斯。这本书中有个观点很有趣，即人类应该把自己想象成为机器，然后去设计这个机器，如何设计呢？即通过从选择目标、找出障碍、分析原因、设计方案、开始进化的五个方面展开。我认为我们在看待事情，分析问题的时候也可以通过这五个方面展开，我这次演讲即是如此。

目    标 Goals

首先我们要选择目标，我认为解决停车难，停车乱，道路拥堵，社会矛盾以及环境恶化等是目前我们停车市场应该选择的目标。

障   碍 Obstacles

针对目标我们进行调查，通过调查发现违法停车，停车场使用不均衡，泊位使用无时长限制，停车缴费排队等是主要的障碍。

原   因 Reasons

方   案 Solutions

进    化 Evolution

全视频解决方案是专用于路内停车的车牌识别，由前端设备、平台端、管理端和应用端组成，系统通过视频流的方式对驶入、驶出泊位的车辆进行检测、轨迹跟踪、逐帧识别，车牌识别率高，后期维护少。前端设备主要有路车平行停车的车牌识别一体机和视频桩，路内垂直停车的枪球一体机，以及车载视频取证记录产品，一套设备最少可以覆盖8个车位，最多可以达到20个车位。

这是我们的一个应用现场，我们可以结合城市的路灯杆或者标牌标识杆来安装设备，做到停车的整个过程的有据可查。

下面是产品应用场景安装示意图，有覆盖8个车位的标准版，覆盖20个车位的PRO版，覆盖15个车位的垂直停车版。经过近2年的应用验证，信路通路内停车4.0全视频方案在全天候复杂场景下，平行停车场景车牌识别率在97%以上，垂直停车场景达95%以上，半封闭停车场景达97%上。

这里我做一个说明，我们定义的半封闭停车场的场景是类似于封闭停车场，比如人员和车辆的同时进出的场景，该场景下没有办法安装道闸，只能在出入口安装设备实现进出场车辆车牌信息采集，以及车场车位余量的判断。

八辆车同时出场

车主支付流程

车载视频取证系统

在此大家可能还在思考，停车识别率，车牌识别率97%或者是99%，是一个怎么样的概念？识别率对于我们停车管理有多重要？

我前段时间看了一篇迅雷创始人陈浩写的文章，文章里提到了一个关键词，“关键性应用和非关键性应用”。那么什么是关键性应用？比如说自动驾驶技术，手术机器人，都是属于关键性应用，这些应用追求99.99%后面的9的数量，比如说99%，在车牌识别领域大家可能觉得这个识别率已经非常高，但是对于自动驾驶人员来说，99%意味着车辆上路一百次，会出现一次事故。99.9%意味着车辆上路1000次，会出现10次事故，那么99%和99.9%的差距，并不应该算什么0.9%的差距，而应该算成是十倍的差距。对于关键性应用而言，如果说识别率不高，正确率不高，那是没有办法做到商业化应用。而非关键性应用又是什么？我们每天上班的时候要进行打卡，这可以通过人脸识别，也可以通过指纹，还可以通过人工录入，人脸识别不出来没有太大影响，因为我们还可以选择指纹等方式，这类应用就是非关键性应用。

停车领域车牌识别技术，我觉得是属于非关键性应用，但是由于其业务的特殊性，所以我们必须要追求关键性应用的正确率和准确率。我们可以假设1000个车位，周转率为一天4次，如果车牌识别正确率是95%，那么识别错误的次数将会达到每天200次，如果车牌识别正确率是91%，那么识别错误的次数是每天360次，如果车牌识别正确率只有80%、70%，那么识别错误的次数将分别是800次、1200次，这会导致车主大量投诉，加剧社会矛盾，所以说70%和95%的识别率的差距不是25个百分点，而是200和1200的差距。

在我们刚推出全视频方案的时候，很多人都质疑系统在雾霾天气、夜间等环境下识别的正确率、准确率，然而通过近2年的应用，大量数据结果表明了夜间识别率的准确性反而比最高，这是因为夜间时路边过车等其它干扰的因素比较少，所以夜间的识别效果反而更好。

车主APP端

停车时首先点击我要停车，选择车牌号进行停车时间确认；准备离场时，点击去缴费，通过授权微信或者是支付宝即可以完成停车支付的整个流程。

从技术的角度上我们是完全可以做到无感支付，即车主不需要经过任何操作便可实现停车支付业务，但是从管理的角度来看，为了保证零投诉，采用人工确认的方式，通过技术和人工的双重认证，可以保证收费计费100%的准确性。

平台端

平台端是金融级的停车服务平台，具有完整的账户系统、资产管理、金融支付、交易流水和积分结算等功能。如上图所示是停车的流水，包括车牌号、进场时间、离场时间，单击他可以查看停车图片信息。

下图是我们做的一个可视化界面，从中可以看到每日停车支付的金额、停车位的现状和需求，形象的展现重点区域车位周转率、价格分析、缴费效率、缴费方式的分布以及应收、实收的账款等图表信息。

全视频路内停车创新方案四个特点

一是实现泊位的实时监管，既能够监管到车位上方有没有车，也能够自动识别车牌信息并且上传到平台端。

二是实现智能计费，系统配置自动的计时计费功能，通过在线支付方式，减少信息漏洞。

三是实现数据沉淀，车牌和车型的信息存证可以用于数据挖掘分析。

四是解放人力，极大的降低运维成本，显著提升效率 。

全视频是一种无人值守、高效执法的解决方案，目标是实现停车收入最大化，成本最小化。

道路停车智能化的发展，主要是实现收费方式无人化、支付方式多样化、执法取证自动化、欠费追缴法制化，而技术手段与管理方式相结合才是智能化的实现的基础。

技术并不是万能的，但是能够给管理提供更加高效的手段。我不由的想到鲁迅的一句话：“这世界上本没有路,走的人多了,也就有了路”，路内停车也是如此，用户一开始是习惯传统的杂乱的停车模式，只有通过我们有效的管理，路内停车行为才会变的越来越有序。

公司介绍

introduction

最后我简单地介绍一下我们公司，总公司信路威在北京，南宁和深圳是全资子公司，在其他各个地方设有办事处，目前公司有300多人，其中200多研发。公司非常注重创新，研发上的投入每年都在增长。

公司拥有近百项专利和软件著作权，首创的产品包括05年首推的车牌识别设备；09年首推的高清车牌识别设备；13年首推的CMOS相机做车牌识别；15年首推的物流园车辆进出管理系统；16年首推的覆盖多车位的全视频路内停车管理系统和第一个通过GAT1299认证的车载视频记录取证设备。

PK案例 case

结   尾 the  end