中国智能交通创新挑战赛（以下简称“挑战赛”）为中国智能交通大会重要活动之一，2023年度首届中国智能交通创新挑战赛针对智能交通行业发展需求精准发力，在轨道交通、空中交通、智能网联汽车领域建立赛道，围绕人工智能、语义分割、语音识别、飞行流量预测、网络安全、数据安全等智能交通领域热门话题设置：复杂环境条件下轨道交通线路场景语义分割、铁路车站嘈杂环境下多方言语音识别、基于ADS-B的飞行流量预测算法、智能网联汽车网络与数据安全四大赛题。
经过初赛和决赛，最终评选出了四个赛题、25支团队的优胜者。这些优胜者不仅在技术上取得了卓越的成绩，更在创新和实践方面展现出了极高的能力。为了给本年度的赛题提出单位及参赛队伍提供参考，我们将分赛题对一等奖作品进行回顾。
赛题：
复杂环境条件下轨道交通线路场景语义分割
基于复杂环境条件下的轨道交通线路场景语义分割可辅助感知列车运行环境，为列车运行环境监测和列车自动驾驶提供技术支持。但轨道交通场景整体组成要素复杂多变，语义类别不平衡，且受天气与光照条件影响，捕获的图像中存在组成要素边缘轮廓不清晰等问题。参赛者需要针对轨道交通运行环境复杂多变的问题，设计在各种条件下均能够准确快速分割轨道交通场景内各组成要素的模型。
唐海川（中车工业研究院有限公司）
赵雪军（中车工业研究院有限公司）
田 寅（中车工业研究院有限公司）
咸晓雨（中车工业研究院有限公司）
朱 明（中车工业研究院有限公司）
为了应对复杂环境条件下轨道交通线路的全场景语义分割需求，作品提出了高效双流融合的轻量化语义分割网络，模型整体采用DDRNet网络结构为基础进行修正和训练，实现高效率实时分割。
难点1：数据分布偏差大，感知场景复杂多变，包含白天、夜晚、隧道、城市等多种场景，数据分布偏差很大。
突破方式：提出高效双流融合的轻量化语义分割模型，利用领域自适应训练技术，消除数据分布偏差，提升模型泛化能力，实现分割精度和速度双重兼优；同时采用无监督自适应方法进一步提高模型的训练稳定性和鲁棒性，确保轨道全场景精准分割。
难点2：标签质量良莠不齐，类别标签质量不均，铁路相关标注较为准确，其余类别相对粗糙。
突破方式：借助多源数据标注平台，基于实例分割大模型对训练集标签进行修正和精细化，提升识别准确率，提高数据质量和可信度。
难点3：标签类别不平衡，存在长尾现象。
突破方式：提出长尾修正方法、提高迭代次数及批量大小方法，利用标签占比设计平衡系数，对模型效果进行拟合，解决数据样本不平衡问题，有效提高尾部类别的识别能力。
2024中国智能交通大会（ITSAC 2024）将以“新质 增效 人本 创新”为主题，于11月3日至6日在杭州国际博览中心举行，挑战赛作为大会的重要活动之一，旨在搭建行业内高水平竞技平台、直面行业痛点，鼓励科院院所、高等院校、创新团队、科创企业等团队运用前沿科技及学术研究成果切实解决产业发展重点、难点问题，以科技创新推动新质生产力发展。
本年度挑战赛赛题征集工作正在进行中
诚邀各有关单位积极参与
（点击上方文字查看）
挑战赛相关问题敬请咨询
杨老师
010-63701100-1009
Challenge-ITS@its-china.org.cn