人工智能在传统行业遍地开花已经不是新鲜事，但是进入地铁这种人流量大且复杂、噪声极强的环境中，似乎还是第一次。昨日（12 月 5 日），上海地铁携手阿里云，落地语音购票，打造首个 AI 地铁城的消息刷了屏。雷锋网就此采访了阿里云 iDST 智能语音交互团队总监的鄢志杰，他也是该项目中语音购票技术的总负责人，聊了聊技术落地背后的故事。
original="https://static.cnbetacdn.com/article/2017/1207/7ca99b1c0a0417b.jpg" />
“语音+视觉”搞定强噪音环境
大概半年前，担任 iDST 智能语音交互团队总监的鄢志杰，和同事参加某个机器人展会。在展会上，他们发现很多具有语音交互功能的机器人“听力不好”，参展的观众需要抱着机器人的头，几乎贴在上面才能完成一两句对话，主要原因就是环境噪音太强，导致机器人无法分辨“要听什么”。
在语音交互领域，“抗噪”是个难点。市面上相对成熟的语音交互产品，几乎全部集中在家庭、办公等安静场景中，通过麦克风阵列，可以让机器轻易分辨“谁是说话人”，而类似机场、高铁、咖啡厅、超市、展厅强噪音场景则没有。
鄢志杰当下就想，如何才能突破旧有的使用场景，在强噪音的环境下让人和机器进行语音交互。
面对这个具体的问题， iDST 的人工智能专家们想到了融合语音、视觉两种模态的方法。具体来说，如果只通过扩大麦克风阵列，提升信噪比的单一方法，还是不够，如果有了摄像头之后，就可以通过视觉识别是否来人，来人是否讲话，判断之后用算法调整麦克风位置，进行定向增强。这样，就可以让一个强噪音环境变得和普通交互场景一样了。
值得一提的是，采用视觉来确定目标说话人后，还带来一个更大的惊喜。此前语音交互产品，都需要通过“唤醒词”，让用户唤醒，但“误唤醒率”是个问题。而采用视觉后，机器可以通过人脸、嘴巴来判断说话人是否开口说话，从而彻底免去了“唤醒”这一步，从而也就解决了“误唤醒率”的问题。
当然，实际工程化的过程并不像讲起来这么简单。鄢志杰坦陈，这种融合多模态的方式，学术界其实早有研究，但实际落地的产品似乎还没见到。
技术的问题解决之后， iDST 在商店（嘈杂环境）里放了一台可以使用语音来买咖啡的机器，用的就是语音+视觉的解决方案。这或许也是这种方案下，第一个落地的实际产品。
两周之后，这个方案落地上海地铁，咖啡机换成了购票机，乘客可以通过语音进行购票，扫码支付，全程只需不到 10 秒。
口说有凭，自由通行
上海作为全球里程数最长的地铁，共有 17 条线路，367 个站点，以连接两大机场、虹桥火车站、川沙、陆家嘴、龙阳路磁浮站、南京路、静安寺，横贯东西的 2 号线为例，全天都处在拥挤状态，日客流量接近百万。这条线路因为连接着交通枢纽和重要地标，充满了来自全球各地不同语言的人，购票之难、时间之长可想而知。
采用阿里云 iDST 的语音购票方案后，每个人只需要走近售票机，对售票机说出你想要去的地方，售票机就能够自动向乘客推荐线路和站点，乘客扫码或刷脸即可购票，全程不过 10 秒。
举例来说，在此之前如果想去东方明珠，需要先拿出手机，打开地图应用，查询公交线路，走进推荐的地铁站，在售票机上通过点击、投币来买票，上地铁。而现在，乘客可以直接进入最近的地铁站，对售票机说“我要去东方明珠”，售票机将自动建议乘客坐到“陆家嘴站”，然后弹出二维码进行支付。
试运行阶段，目前该机器可以支持带口音的普通话，但未来希望能够覆盖更多的语种和方言，满足不同地方的乘客需求。
同时，该技术在强噪音环境下的通用性，也方便将此解决办法复制到机场、高铁、商店等更多场景中。
多项技术，打造 AI 地铁城
除了语音购票技术外，亮相上海地铁的还有阿里云的“刷脸进站”、“智能客流监测”两项技术。
正在研发中的新型进站闸机上，新增了一块屏幕，用户经过屏幕时，几乎无需停留，屏幕就依托阿里云人脸识别技术，完成了人脸识别，开启闸机，供乘客通过。
系统所采用的阿里云人脸识别算法具备业内领先的精度和效率，在国际公开的人脸比对评测 LFW 中，精度超过 99.5%；在身份认证1:1 比对场景，误识率 0.1% 条件下，实测精度大于 99%；1:3000 身份识别场景，现场实测识别率>95%。
而智能客流分析技术则是基于视频识别、数据分析机器学习和阿里云的数据可视化技术，替代肉眼，观察车站的客流速度、密度、拥挤指数等，同时结合地铁列车运营信息、外部天气信息数据，对未来流量进行预测，帮助地铁工作人员进行客流疏导、应急调度、危险防范等，保障乘客安全。
目前，这些技术已经完成实验室测试，进入样机研制阶段，未来都将应用于上海地铁。相信在不久之后，我们就可以享受更为智慧、方便的公共交通服务了。
相关文章
