Nachricht

Mit der rasanten Entwicklung von Wissenschaft und Technologie entwickelt sich das Entwicklungskonzept von Städten von Smart Cities zu Smart Cities. Diese beiden Konzepte sind jedoch nicht einfach nur fortschrittlich, sondern weisen erhebliche Unterschiede in der Konnotation und den Implementierungsmethoden auf.

Smart Cities konzentrieren sich auf die Nutzung von Informationstechnologie zur digitalen Transformation aller Aspekte der Stadt, wie z. B. die Darstellung und Verwaltung der städtischen Infrastruktur, öffentlicher Dienstleistungen usw. in digitaler Form. Intelligente Städte werden mithilfe von KI-Großmodellfunktionen und anderen fortschrittlichen Informationstechnologien Informationen in Echtzeit erhalten und physische Systeme „intelligent“ machen.

Im Transportbereich wandeln die meisten aktuellen Digitalisierungsbemühungen lediglich physische Transportformen in digitale Formen um, können jedoch die beiden Schlüsselprobleme Transporteffizienz und -sicherheit nicht wirksam lösen. Noch immer kommt es häufig zu Staus, und der Schatten der Verkehrsunfälle ist nie verschwunden.

Bis die groß angelegte Entwicklung der Fahrzeug-Straßen-Cloud-Integration und die Bekanntgabe der Liste der Pilotanwendungsstädte uns einen neuen Morgen bescherten. Durch den Aufbau des Auto-Straßen-Cloud-Netzwerks wird die organische Verbindung zwischen Cloud (zentrale Cloud, regionale Cloud) und Edge (Edge-Computing-System) (intelligente vernetzte Fahrzeuge, intelligente Straßeninfrastruktur) wirklich realisiert und eine neue Denkweise für die Lösung bereitgestellt Verkehrsprobleme und -methoden.

In dieser Architektur werden fortschrittliche Sensortechnologien verwendet, um Fahrzeug- und Straßenstatusinformationen in Echtzeit zu erhalten. Mithilfe leistungsstarker Vorhersagefunktionen werden Verkehrsflussänderungen vorhergesagt und mögliche Probleme werden auf der Grundlage präziser Entscheidungsmechanismen optimiert Fahrzeugroute. In Kombination mit großen KI-Modellen ist der gesamte Prozess der Datenerfassung, Annotation, Modellierung, Schulung, Prüfung, Generierung und Cloud-Anwendungen intelligent. Die zentrale Cloud ist wie ein intelligentes Gehirn, das den Betriebsstatus der gesamten Stadt und des Transportwesens steuert, einen großen Wandel in der städtischen intelligenten Produktivität realisiert und anscheinend Moores Gesetz der intelligenten Städte ins Leben gerufen hat.

In der Vergangenheit handelte es sich bei Stadtverwaltung und Infrastrukturverbesserungen oft um zyklische und groß angelegte Investitionen, aber die Ergebnisse waren unbefriedigend und die Verbesserung der Verkehrseffizienz hat nicht das ideale Niveau erreicht. Heute hat die Reife der Fahrzeug-Straße-Cloud-Integrationstechnologie diese Situation völlig verändert und ein neues Kapitel für die Entwicklung intelligenter Städte aufgeschlagen.

In diesem Prozess ist eine intelligente Straßeninfrastruktur wichtig, aber es gibt noch eine weitere Schlüsselrolle, die nicht ignoriert werden darf, nämlich das von Moguolian unabhängig entwickelte Roadside Edge Computing System (MRS). Derzeit spielt MRS eine wichtige Rolle bei der Verbindung von Menschen, Fahrzeugen und nicht motorisierten Fahrzeugen und legt eine solide Grundlage für eine effizientere und sicherere Transportumgebung.

Als führendes Unternehmen für künstliche Intelligenz ist MOU stets benutzerzentriert und engagiert sich für den Aufbau künstlicher Intelligenznetzwerke für Transport und Automobile. Rund um die Integration von Fahrzeug, Straße und Cloud ist eine Reihe ausgereifter Technologielösungen entstanden, die implementiert, repliziert und gefördert werden können. Im Jahr 2023 veröffentlichte Mogou AutoLink das neueste MOGO-Paket, das eine vollständige Produktpalette an den drei Enden Auto, Straße und Cloud abdeckt: Straßenende, KI-Digital-Straßen-Basisstation MOGO AI-Station, die schnell eine Echtzeit-Digitalisierung realisieren kann Straßen; Auto-Ende, Mogou AutoLink erstellt mehrere Kategorien, mehrere Modelle standardisierter autonomer Fahrzeuge, alle Modelle sind standardmäßig mit der Cloud-, AI-Smart-Transport-Cloud-Plattform ausgestattet, die intelligente Vernetzung auf L0-L4-Niveau ermöglichen kann Fahrzeuge, verbessern die Verkehrssicherheit und -effizienz und optimieren das Verkehrsmanagement. Die Digitalisierung der Straße kann schnell in Autobahnszenen, städtischen Szenen und malerischen Parkszenen umgesetzt werden.

Nach Tests und Berichten durch das China Automotive (Beijing) Intelligent Connected Vehicle Research Institute Co., Ltd. (bezeichnet als „China Automotive Intelligence“) erfüllten die digitale Straßenbasisstation Mushroom AutoLink AI und ihr System (MRS) kürzlich die Anforderungen der „Vehicle-Road Collaborative Road“ Side Sensing System Test Methods and Standards (Draft for Approval)“ der Academy of Information and Communications Technology höchste Anforderungen. Die Testergebnisse zeigen, dass die digitale KI-Straßenbasisstation von Momoji AutoLink eine Erfassungsabdeckung, Systemerfassungszeitgenauigkeit und Erfassungsverzögerung erreichen kann, die alle dem SL3-Standard entsprechen oder ihn übertreffen. Gleichzeitig haben die Positionierungsgenauigkeit, der Kurswinkel und die Genauigkeit der Größenerkennung das branchenführende Niveau erreicht. Durch jahrelange Technologieentwicklung und Erfahrungsakkumulation hat Momogu AutoLink einen kompletten Satz integrierter Lösungen für Auto, Straße und Cloud geschaffen, die implementiert, kopiert und gefördert werden können. Es kombiniert die riesigen Datenmengen des Datenverkehrs aus den drei Terminals von Chelu Cloud um ein großes KI-Modell zu erstellen, um Folgendes zu erreichen: Von der Wahrnehmung über die Kognition bis hin zur kollaborativen Entscheidungsfindung und straßenseitigen datengestützten Simulation und Modellschulung unterstützt autonomes Fahren die groß angelegte Umsetzung eines intelligenteren und sichereren autonomen Fahrens.

Derzeit wird es auf offenen Straßen, Autobahnen, Parks, Aussichtspunkten, Flughäfen und anderen Szenen in Peking, Shenzhen, Hunan, Yunnan, Hubei, Sichuan, Liaoning, Shandong, Tianjin und anderen Städten implementiert.

Das unabhängig entwickelte MRS-System ist als zentraler Rechenteil der straßenseitigen Infrastruktur im integrierten Fahrzeug-Straßen-Cloud-System ein straßenseitiges Computersystem, das speziell das integrierte Geschäft zwischen Fahrzeug, Straße und Cloud bedient. Basierend auf den ursprünglichen Erfassungsdaten oder strukturierten Daten von Straßenerfassungsgeräten können durch leistungsstarke Echtzeit-Datenverarbeitung, Erfassungsfusion, Berechnung und Analyse dynamische Echtzeit-Verkehrserfassungsdaten für die Basisplattform der Cloud-Steuerung bereitgestellt und verbunden werden Fahrzeuge.

Es verfügt über hochpräzise integrierte Sensor- und Rechenfunktionen und alle Indikatoren erfüllen den SL3-Standard des „Vehicle-Road Collaborative Roadside Sensing System“ der Academy of Information and Communications Technology. Gleichzeitig ist es auch in der Lage, alte Geräte zu recyceln und Systemaktualisierungen auf der Grundlage vorhandener Straßencomputergeräte zu unterstützen, wodurch die Baukosten und die Ressourcenverschwendung erheblich reduziert werden. Darüber hinaus ermöglichen die umfangreichen Anwendungsszenarien die vollständige Abdeckung verschiedener Bereiche wie städtische Freistraßen, Autobahnen und Parks und die Anpassung an verschiedene komplexe Verkehrsumgebungen. Darüber hinaus ist es vollständig an das integrierte Fahrzeug-Straßen-Cloud-System angepasst und verfügt über die Möglichkeit, eine Verbindung zum Straßen-Cloud-Kommunikationsstandard der Cloud-Control-Basisplattform herzustellen, wodurch eine nahtlose Übertragung und effiziente Datenverarbeitung gewährleistet wird.

Als intelligenter Kern der Cloud-Strategie für vernetzte Autos und Straßen von Mushroom liegt seine Innovation nicht nur in der Integration und Optimierung der Hardwareebene, sondern auch in der tiefgreifenden Anwendung und Innovation von KI-Algorithmen:

Hochpräzises Wahrnehmungsmodell:Das mit Deep-Learning-Algorithmen integrierte Wahrnehmungsmodell kann verschiedene Verkehrsteilnehmer, darunter Fußgänger, nicht motorisierte Fahrzeuge und verschiedene Fahrzeugtypen, genau identifizieren und selbst in komplexen Umgebungen und extremen Wetterbedingungen eine hohe Genauigkeit aufrechterhalten.

Echtzeit-Vorhersagealgorithmus:Das Vorhersagemodell, das räumlich-zeitliche Sequenzanalyse und tiefes Verstärkungslernen integriert, kann nicht nur Verkehrsflusstrends genau vorhersagen, sondern auch Echtzeitwarnungen für Verkehrsereignisse (wie Unfälle und Staus) bereitstellen und so eine Grundlage für präventives Management bilden.

Entscheidungsoptimierungsalgorithmus:Fortschrittliche Betriebsoptimierungs- und maschinelle Lernalgorithmen werden verwendet, um die Ampelsteuerung, die Ressourcenzuweisung im Straßennetz usw. dynamisch zu optimieren, um einen maximalen reibungslosen Verkehr zu gewährleisten und gleichzeitig die CO2-Emissionen und den Energieverbrauch zu reduzieren.

Aus Sicht der Produktarchitektur umfasst das MRS-System fünf Module: Zhidao OS, Roadside Edge Fusion Perception Engine, Roadside Edge Computing Engine, unterstützende Daten und Datenaustauschschnittstelle. Jedes Modul übernimmt wichtige Funktionen.

Als zugrunde liegende Fähigkeit von MRS umfasst Zhidao OS die Kernel-Schicht, die Hardware-Abstraktionsschicht und Standardschnittstellendienste für den Datenzugriff. Die Kernel-Schicht ist die grundlegendste Funktionsschicht, die mit der zugrunde liegenden Hardware interagiert und Multitasking und Multi-Processing, Speicherverwaltung, Hardware-Treiberunterstützung und Sicherheitsfunktionen unterstützt. Die Hardware-Abstraktionsschicht implementiert eine einheitliche Hardware-Schnittstelle für Straßensensorgeräte und kann die strukturierte Datenausgabe von Kameras, Millimeterwellenradar, Lidar und anderen Geräten einheitlich verarbeiten. Der Standardschnittstellendienst für den Datenzugriff umfasst die Echtzeit-Betriebsstatus- und Wahrnehmungsdatenerfassung von Fahrzeugen, die Datenerfassung von Straßensensorgeräten, die Datenerfassung von Verkehrsanlagen usw. und stellt eine umfangreiche Datenquelle für die anschließende Verarbeitung und Analyse bereit.

Die Fusionserfassungs-Engine am Straßenrand kann eine Algorithmenidentifizierung, Fusionsanalyse und Verarbeitung der ursprünglichen Erfassungsdaten oder strukturierter Daten von Erfassungseinrichtungen am Straßenrand durchführen, um Informationen zu Erfassungsergebnissen mit höherer Präzision zu erhalten. Es kann die Identifikations-, Erkennungs- und Positionierungsfunktionen von Verkehrsteilnehmern wie Kraftfahrzeugen, Nicht-Kraftfahrzeugen und Fußgängern realisieren und charakteristische Informationen wie Verkehrsteilnehmertyp, Geschwindigkeit, Position, Bewegungsrichtung und andere Merkmale ausgeben.

Die Roadside Edge Computing Engine ist einer der Kerne des MRS-Systems. Es kann Daten von Straßensensorgeräten und Edge-Fusion-Sensormotoren in Echtzeit empfangen und eine Hochgeschwindigkeitsverarbeitung und -analyse durchführen, um hochpräzise Ereignis-, Verkehrsfluss- und andere Daten zu erhalten, die die Entscheidungsfindung und Steuerung intelligenter Transportsysteme unterstützen.

Im Hinblick auf die Erkennung von Verkehrsereignissen können automatische Erkennung, Alarmerinnerungen und Prozessaufzeichnung von Staus, Verkehrsunfällen, unnormalem Parken, Rückwärtsfahren, illegalen Spurwechseln, Fußgängern, die über rote Ampeln fahren, werfenden Gegenständen und anderen Ereignissen realisiert werden. Wenn beispielsweise ein rückläufiges Ereignis erkannt wird, kann rechtzeitig eine Frühwarnung an das Hauptfahrzeug gesendet werden. Wenn eine Baustellenbesetzung erkannt wird, kann eine Aufforderung an das Fahrzeug gesendet werden, um Staus und Unfälle zu vermeiden.

Im Hinblick auf die Verkehrsflusserkennung kann es den Verkehrsfluss, die durchschnittliche Fahrzeuggeschwindigkeit, die Zeitbelegung, die Warteschlangenlänge und andere Informationen genau erfassen und die Erstellung von Verkehrsflussinformationsstatistiken nach Fahrspuren unterstützen. Diese Daten sind von großer Bedeutung für die Optimierung der Ampelsteuerung und die rationelle Verteilung der Straßenressourcen.

Darüber hinaus verfügt die Edge-Computing-Engine am Straßenrand auch über eine vollflächige Videoüberwachungsfunktion, unterstützt mehrere Videokodierungsstandards und kann Videobilder in Echtzeit anzeigen und den Straßenzustand zeitnah erfassen. Gleichzeitig kann es den Status von Signalleuchten ermitteln und genaue Verkehrsinformationen für Fahrzeuge bereitstellen. Darüber hinaus kann durch Echtzeit-Hardwareüberwachung der Status der Hardware, einschließlich Leistung, Temperatur, Spannung und andere Informationen, in Echtzeit überwacht werden, um den stabilen Betrieb des Systems sicherzustellen.

Unterstützende Daten stammen hauptsächlich von Transporteinrichtungen und anderer Infrastruktur, einschließlich Daten zur Überwachung des Infrastrukturstatus, Ampeldaten und Daten zur verkehrsmeteorologischen Umgebungsüberwachung. Diese Daten liefern der Berechnungsmaschine eine Entscheidungsgrundlage und ermöglichen es ihr, genauere Berechnungsergebnisse auszugeben. Die Datenaustauschschnittstelle wird verwendet, um die standardisierte Interaktion von Daten zwischen MRS und intelligenten Straßeninfrastruktur- und Cloud-Steuerungsbasisplattformen sicherzustellen. Sie bietet standardisierte Datenkonvertierung und Serviceausgabe in Form einer gemeinsamen Schnittstelle zur Unterstützung von Fernfahren, unterstütztem Fahren und Sicherheitswarnungen usw. Anwendung.

Die Bedeutung des MRS-Systems spiegelt sich nicht nur in seinen leistungsstarken Funktionen und der genauen Datenanalyse wider, sondern auch in seiner erheblichen Verbesserung der Effizienz der Verkehrsabwicklung, ähnlich wie bei den Abfertigungssystemen der Hochgeschwindigkeitsbahn und der Zivilluftfahrt. Durch präzise Planung ermöglicht die Hochgeschwindigkeitsbahn, dass Züge auf komplexen Strecken effizient fahren und pünktlich an jedem Bahnhof ankommen. Die Zivilluftfahrt nutzt fortschrittliche Flugverkehrsmanagementsysteme, um einen ordnungsgemäßen Start und eine ordnungsgemäße Landung von Flugzeugen in der Luft und am Flughafen sicherzustellen und so Flüge zu vermeiden Verzögerungen. Das MRS-System im Auto-Straßen-Cloud-Netzwerk ist wie der Dispositionskern der Hochgeschwindigkeitsbahn und der Zivilluftfahrt. Es kann den Verkehrsfluss in der Stadt präzise steuern und die Nutzung der Straßenressourcen maximieren.

Aufgrund der kontinuierlichen Weiterentwicklung der Technologie sind die Entwicklungsperspektiven von MRS-Systemen äußerst vielfältig. Es wird sich nicht nur auf seine aktuellen Funktionen beschränken, sondern auch weitere intelligente Geräte wie intelligente Straßenlaternen, intelligente Sanitärfahrzeuge, intelligente Logistikfahrzeuge, Drohnen, Roboter usw. verbinden, um gemeinsam ein umfassenderes Smart-City-Ökosystem aufzubauen. Intelligente Straßenlaternen können beispielsweise automatisch Helligkeit und Beleuchtungsreichweite basierend auf dem Verkehrsfluss und den Umgebungslichtbedingungen in Echtzeit anpassen und auch mit dem MRS-System zusammenarbeiten, um den Straßenzustand zu überwachen und intelligente Reinigungsfahrzeuge zu informieren, um Reinigungsrouten effizient zu planen Durch die Führung des MRS-Systems können je nach Bereich die Reinigungshäufigkeit und -intensität je nach Situation angepasst und der Status der Müllabfuhr in Echtzeit übermittelt werden. Intelligente Logistikfahrzeuge können in Kombination mit dem MRS-System eine genauere Frachtverteilung erreichen und optimal planen Transportwege überwachen und den Status von Gütern und Fahrzeugen überwachen; Drohnen können durch das MRS-System gesteuert werden. Es kann Luftpatrouillenmissionen durchführen, Straßenzustände erkennen und Bilder zurücksenden und in besonderen Fällen auch Notvorräte liefern bessere Serviceführung an öffentlichen Orten durch das MRS-System oder Zusammenarbeit in Fabriken und Lagerhäusern, um eine effiziente Frachtabfertigung und -lagerung zu erreichen.

Weltweit erforschen verschiedene Technologieunternehmen ähnliche technologische Lösungen. Künftig will Musks Starlink Tesla-, Optimus-Prime-Roboter, Drohnen und andere Geräte miteinander verbinden. Im Gegensatz dazu hat die „chinesische Lösung“ der Fahrzeug-Straße-Cloud-Integration offensichtliche Vorteile.

Das integrierte Fahrzeug-Straßen-Cloud-Netzwerk ist Starlink hinsichtlich Verzögerung am Straßenrand, Wahrnehmungsgenauigkeit und Sicherheit überlegen. Das MRS-System wird am Straßenrand eingesetzt und kann Daten aus nächster Nähe übertragen und verarbeiten, wodurch Verzögerungen reduziert und zeitnahe und genaue Verkehrsentscheidungen sichergestellt werden. Starlink ist auf Satellitenkommunikation angewiesen und ist anfällig für Interferenzverzögerungen in städtischen Umgebungen, die Auswirkungen auf die Anwendung haben. durch eine Vielzahl von straßenseitigen Sensorgeräten, die zusammenarbeiten, um detaillierte Informationen mit hoher Präzision zu erfassen und eine genaue Datenunterstützung für das Verkehrsmanagement bereitzustellen. Starlink ist bei der Erfassung subtiler Änderungen am Boden und präziser Informationen aufgrund seiner großen Entfernung schwach und Verschlüsselungstechnologie zur Gewährleistung der Verkehrsdatensicherheit sind angesichts von Cyberangriffen, die das Transportsystem ernsthaft beeinträchtigen können, größeren Sicherheitsrisiken ausgesetzt.

Kurz gesagt, die „chinesische Lösung“ der Fahrzeug-Straßen-Cloud-Integration ist zweifellos die beste Wahl für die Verwirklichung eines intelligenten städtischen Transports. Die durch das Chelu Cloud-Netzwerk verbundene physische Welt wird auch die Weiterentwicklung von Smart Cities zu Smart Cities vorantreiben.