引言

微型出行，指的是以自行车、电动滑板车等轻型交通工具为主的出行方式，重点关注骑行者、电动滑板车骑行者以及共享道路空间的行人等弱势道路使用者（Vulnerable Road Users，简称 VRU）。

为了提升微型出行的安全性，查尔姆斯理工大学的研究人员开发了 MicroVision——一个专注于弱势道路使用者之间互动的开创性数据集。

然而，在城市公共空间采集数千张高清图像，会带来严重的 GDPR 合规风险；要求每一位道路使用者签署书面同意既不切实际，也可能破坏场景的真实性。

如何在合法合规的前提下，让这些图像仍然保留 AI 训练所需的价值？研究团队通过集成Brighter AI的Precision Blur，对超过8,000张全高清图像完成了大规模匿名化处理。这一方案在保护哥德堡市民隐私的同时，保留了训练先进计算机视觉模型所需的数据价值，最终促成了一个全面的微型出行基准数据集的发布。

一、现实挑战：数据不足，合规难行

提升微型出行安全，关键之一在于补齐弱势道路使用者视角的数据，但现实是：一方面，这部分数据严重不足；另一方面，这类数据往往要在城市公共空间采集，又面临隐私合规与数据完整性的双重压力。

弱势道路使用者数据仍然不足

传统自动驾驶数据集通常从机动车视角采集，主要关注道路上的物体。但微型出行安全真正需要的数据，往往来自弱势道路使用者视角，例如人行道、自行车道或货运自行车视角。目前，这类数据仍然严重不足。

而要开发能够避免与微型出行使用者或车辆发生碰撞的可靠安全系统，就必须依赖这些数据。否则，系统很难可靠地识别和应对行人、骑行者和电动滑板车骑行者。

城市公共空间采集面临隐私与合规压力

为填补这一空白，研究人员计划在哥德堡记录 2,000 个独特的互动场景。但这也意味着，拍摄必须在人员密集的城市公共环境中进行，过程中会记录数百张人脸和车辆牌照。

如果要将这些数据作为开放数据集发布给全球研究社区，就必须同时解决两个问题：

1. 严格合规：遵守 GDPR 以及瑞典关于公共空间数据采集的隐私法规；

2. 数据完整性：确保匿名化过程不会降低图像质量，也不会遮挡模型需要识别的道路使用者，例如行人和骑行者。

换句话说，这是做微型出行开放数据集绕不开的痛点：既要让数据合法公开，又要让脱敏后的图像仍然保留 AI 训练所需的价值。 隐私合规和数据完整性，一个都不能少。

二、精准匿名化保障数据价值

解决隐私合规与数据完整性的矛盾，需要可靠的匿名化技术支撑。Brighter AI 提供了一套基于 AI 的行业领先匿名化方案，不仅拥有 GDPR、TISAX、ISO 27001 等多项权威合规认证，还针对不同业务场景提供了精准匿名化（Precision Blur）、扩展全身匿名化（Full body Blur）和生成式深度自然匿名化（DNAT）三种技术路径。

针对本研究需要保留微型出行者姿态与车辆细节的需求，团队最终选用Brighter AI方案，实现了高效、精准且合规的自动脱敏。

自动检测与脱敏

传统的人工模糊处理8,000多张图像耗时巨大，而简单的“黑框”遮挡又可能破坏场景信息，影响后续标注和模型训练。

Brighter AI 的解决方案借助高精度 AI，能够在不同天气和光照条件下自动检测人脸和车辆牌照，完成脱敏处理。在保障隐私合规的同时，保留了场景完整性与 AI 训练所需的数据价值，解决了人工效率低、传统遮挡破坏数据的问题。

精准且可扩展

Precision Blur 处理 8,000 张全高清图像，仅对敏感的个人身份信息（PII）进行模糊处理，同时保留场景的其他内容，例如骑行者的姿态和电动滑板车的车架，以便进行标注，不会牺牲数据价值。

经过验证的隐私保护流程

Brighter AI 遵循行业标准的隐私保护流程，通过 Precision Blur 服务完成脱敏处理，确保数据集能够在不产生法律风险的情况下公开共享，满足 GDPR 和瑞典隐私法规的要求。

借助Brighter AI的Precision Blur，研究团队在保护个人隐私的同时，保留了AI训练所需的关键场景信息。

这一方案不仅解决了人工脱敏效率低、传统遮挡破坏数据的问题，还让原本因合规风险而难以开放的城市道路图像，变成了可以合法共享的高价值数据集。

三、从隐私顾虑到开放创新

从最初的隐私合规顾虑，到如今面向全球研究社区开放共享，这一转变不仅解决了法律风险，更让数据价值得到了充分释放。主要成果体现在以下三个方面：

在保护隐私的同时保持模型性能

研究团队使用匿名化后的图像，训练和评估了YOLO11、Faster R-CNN和RF-DETR等先进模型。模型的平均精度（mAP）最高达到 0.723，与使用原始图像训练的模型表现相近。这表明，精准匿名化并未妨碍模型学习复杂的道路使用者行为。

形成超过 30,000 条安全标注

数据集对行人、骑行者、电动滑板车骑行者以及静止的微型出行车辆（MMV）进行了细粒度标注。所有标注均符合隐私保护要求，为后续模型训练提供了丰富、合规的数据基础。

支持数据集面向公众开放

解决隐私问题后，查尔姆斯理工大学得以将数据集托管在Researchdata.se等公共平台上。Researchdata.se是由瑞典国家数据服务机构提供的数据平台。这一举措不仅让数据集得以合规共享，也为未来开展 AI 驱动的交通安全研究奠定了可持续基础。

总结：隐私保护不应成为AI创新的阻力

MicroVision的真实落地案例证明，隐私保护与技术进步并不相互排斥。

借助Brighter AI，研究人员能将潜在的法律风险转化为高价值数据库，同时没有损害模型学习复杂道路使用者行为的能力，为所有人实现更安全、更智能的城市出行铺平了道路。

Brighter AI解决了数据合规与数据价值难以兼顾的痛点：在满足数据隐私合规要求的前提下，自动精准地匿名化敏感信息，同时保留模型训练所需的场景细节，让数据集能够合规开放且不影响模型性能。

如果您也面临类似的数据合规挑战，欢迎找我们聊聊，一起探讨兼顾隐私保护与AI创新的匿名化方案。