阿里巴巴高德地图AMAP-TECH算法大赛于7月8日开启初赛，赛题为「基于车载视频图像的动态路况分析」，活动邀请了业界权威专家担任评委，优秀选手不仅可以瓜分丰厚的奖金，领取荣誉证书，还有机会进入高德地图【终面通道】！赶紧邀请小伙伴一起来参赛吧。
报名请戳：
https://tianchi.aliyun.com/competition/entrance/531809/introduction
下面给大家介绍下大赛详情。
一、背景
高德地图每天会为用户提供海量的定位和路线导航规划服务，其所提供的路况状态信息（即道路交通是拥挤、缓行还是畅通）的准确性会影响到用户在出行过程中的决策和体验。传统的路况状态主要依靠驾车用户的轨迹信息生成。在用户少、驾驶行为异常的道路上，这种方法难以保证路况状态的准确性。
车载视频图像包含了更多的信息量，给了我们另外一个解决问题的视角。通过视频或图片，可以观察到路面的真实状态，包括机动车数量、道路宽度和空旷度等等。基于车载视频图像可以获取更准确的路况状态，为用户出行提供更高质量的服务。
本赛题要求参赛者通过计算机视觉等人工智能算法，基于视频图像中识别到的路面信息来判断道路通行状态，提高道路路况状态判断的准确性，从而提升高德地图用户的出行体验。
二、赛题描述及数据说明
术语说明
路况：根据道路的平均车速、道路等级，对道路上车辆通行状态的描述，分为畅通、缓行、拥堵三个等级，在高德地图上显示为绿色、黄色、红色，如图1所示。
参考帧：存在图像序列内路况状态渐变的情况，每个图像序列存在一幅参考帧图像，参考帧时刻的路况状态为该图像序列的真值路况状态。
图1. 路况状态示意图
问题定义
输入：给定一组含有GPS时间的图像序列（包含3-5帧图像），其中一幅图像作为参考帧。
输出：以参考帧为准，输出该图像序列对应的路况状态（畅通、缓行和拥堵）。
如下图所示，该序列包含3帧图像，其中第3帧图像为参考帧。算法需要基于整个序列，推断路况状态。当图像序列内的路况状态不一致时，以参考帧为准。
图2. 路况判断流程示意
图像序列由行车记录仪拍摄，路况真值（ground truth）是对应道路当前时刻真实的路况状态。大部分场景下，前方车辆的数量和密度决定了路况状态，但是也存在一些其他情况供参赛选手参考：
- 行驶道路存在大量路边停车，但不影响车辆行驶，实际路况状态为畅通。
- 跟车距离较近，前车遮挡视野内道路的情况，影响对当前路况的判断。
- 行驶在双向道路，对向车道拥堵，行驶车道路况状态为缓行或畅通。
- 相机安装存在角度偏差，可能会影响路况判断。
数据说明
数据集分为预赛数据集和复赛数据集，预赛数据集先公布，仅供预赛使用。复赛数据集等预赛结束后公布，复赛中也可以使用预赛数据集。预赛数据集包括训练集和测试集。训练集合有1500个序列、共约7000幅图像；测试集合为600个序列、共约2800幅图像。预赛数据集包含不同等级的道路，包含高速路、城市快速路、普通道路等。路况真值类型的分布情况约为畅通70%、缓行10%、拥堵20%。路况真值主要基于参考帧标注。路面车辆较多的情况下，在标注时结合了序列中其他帧的信息。
数据格式
数据组织是以图像序列为单位，每个文件夹包含参考帧和其前后相邻帧的图像序列，图像序列最多为5帧图像。
提供数据中包含以下信息：
- 图像序列的参考帧图像名。
- 图像序列的路况状态。
- 0：畅通，1：缓行，2：拥堵，-1：测试集真值未给出。
- 每帧图像采集时刻的GPS时间。
- 单位为秒。如GPS时间 1552806926 比 1552806921 滞后5秒钟。
提供JSON格式标注文件，具体数据格式示意如下：
"status": 0 畅通，1 缓行，2 拥堵，-1 未知（测试集默认状态为-1） { "annotations": [ { "id": "000001", "key_frame": "2.jpg", "status": 0, "frames": [ { "frame_name": "1.jpg", "gps_time": 1552806921 }, { "frame_name": "2.jpg", "gps_time": 1552806926 }, { "frame_name": "3.jpg", "gps_time": 1552806931 }, { "frame_name": "4.jpg", "gps_time": 1552806936 } ] }, { "id": "000002", "key_frame": "3.jpg", "status": 2, "frames": [ { "frame_name": "1.jpg", "gps_time": 1555300555 }, { "frame_name": "2.jpg", "gps_time": 1555300560 }, { "frame_name": "3.jpg", "gps_time": 1555300565 }, { "frame_name": "4.jpg", "gps_time": 1555300570 }, { "frame_name": "5.jpg", "gps_time": 1555300580 } ] } ] }
评价方式
路况包含通畅/缓行/拥堵三种状态，比赛评分考量每个图像序列的路况分类的准确情况，采用加权 F1 Score 作为算法评价指标。
三、权威专家评委团
为体现比赛的专业性，我们邀请到了多位权威专家来担任评委，包括：北京大学教授 查红彬、中科院自动化所研究员 王亮、阿里巴巴高德地图技术委员会主席 李小龙（聪云）、阿里巴巴高德地图首席科学家 任小枫、阿里巴巴达摩院自动驾驶实验室负责人 王刚（永川）。同时，阿里巴巴高级算法专家郝志会担任本次比赛的明星师兄，他们将为参赛团队提供最为专业的指导。
四、赛程、参赛对象
本次大赛分为初赛、复赛及决赛三个阶段：
报名（7月8日-8月28日，UTC+8）。
初赛（7月8日-8月31日，UTC+8）。
复赛（9月4日-10月13日，UTC+8）。
决赛（10月下旬，具体时间待定，UTC+8）。
数据集将于7月8日正式开放下载。7月20日10:00 AM以后可以在线提交测试集的路况识别结果（JSON文件格式）进行评测。评估程序根据真值，计算选手得分。
大赛面向全社会开放，个人、高等院校、科研单位、企业、创客团队等人员均可报名参赛，个人参赛或组队均可，组队人数上限为3人。
五、奖项设置
冠军：1支队伍，奖金6万元人民币+获奖证书。
亚军：1支队伍，奖金4万元人民币+获奖证书。
季军：1支队伍，奖金2万元人民币+获奖证书。
优胜奖：2支队伍，每支队伍奖金1万元人民币+获奖证书。
复赛审核通过的排名前10的队伍将有机会进入阿里巴巴高德地图校招绿色通道。
（上述奖项以方案评审及线上实战总决赛后的最终名次决定）
拉上小伙伴来参赛吧！
六、参赛者交流钉钉群
扫描以下二维码或搜索钉钉群号 31160357 加入，重要节点通知会在群内第一时间告知，如对本次赛事、赛题及赛制有任何疑问，也可在群内@任意管理员提问。
