um die grundlagen der digitalen intelligenz zu festigen, haben aokan technology und huawei gemeinsam eine groß angelegte transport- und logistikmodelllösung veröffentlicht
2024-09-25
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
während der huawei connected conference 2024 wurde der „win-win transportation intelligence summit“ von huawei erfolgreich abgehalten. aokan technology wurde zur teilnahme eingeladen und teilte zusammen mit ma yue, vizepräsident von huawei und ceo des transportation intelligence corps, die vision, trends und neuesten praktiken der intelligenten transformation im transportbereich mit globalen industriepartnern und veröffentlichte offiziell eine groß angelegte transport- und logistikmodelllösung zur förderung einer qualitativ hochwertigen transportentwicklung.
dritter von rechts: he xin, cto von aokan technology
aokan technology ergänzt seit vielen jahren als marktführer für neue qualitätsproduktivität von big data die vorteile von huawei auf produkt-, geschäfts- und marktebene. heute hat der rasante aufstieg der großen modellindustrie zu veränderungen im ki-anwendungs- und entwicklungsparadigma geführt, indem ein allgemeines großes modell und eine feinabstimmung der szene, bessere allgegenwärtige erkennungsfähigkeiten, eine höhere ereigniserkennungsgenauigkeit und eine kürzere algorithmusentwicklung erstellt wurden kann erreicht werden. der online-zeit- und ereigniserkennungszyklus erleichtert effektiv die reform der verkehrsmanagementmethoden.
in diesem jahr konzentriert sich aokan technology auf verkehrsunfallszenarien und kombiniert die ansicht von big data mit selbst entwickelten funktionen für die erstellung großer modelleverkehrsvideo-tag-assets, modelle zur erkennung von verkehrsunfällen, erkennung von hochgeschwindigkeitsgeschleuderten objekten, bestimmung und beschreibung des grads von verkehrsunfällenund andere geschäftsfunktionen, die bildung der groß angelegten verkehrssicherheitsmodelllösung von aokan, die rekonstruktion von verkehrssicherheits-governance-szenarien und die gemeinsame unterstützung von städten bei der entwicklung hin zu verfeinerter „intelligenz“.
traffic-video-asset-tags
bei verarbeitungsanwendungen mit umfangreichen front-end-videoressourcen haben herkömmliche manuelle sortiermethoden lange zyklen und sind nicht standardisiert, was zu einer geringen abrufeffizienz führt und die videoabfrage nicht auf der grundlage von szenenänderungen und geschäftsanforderungen durchführen kann. das aokan traffic safety large model kann ein standardmäßiges intelligentes kennzeichnungssystem für videoressourcen im stadtverkehr einrichten, eine intelligente ki-kennzeichnung realisieren, etikettendaten direkt mit unternehmen abgleichen und videoressourcen in sekundenschnelle durchsuchen.
infolgedessen hat sich die videoabrufzeit von minuten auf sekunden geändert, der videoabruf hat sich von der manuellen bedienung zur sprachsteuerung weiterentwickelt und der aktualisierungszyklus des video-tags hat sich von einem monat auf eine stunde geändert. beleben sie verkehrsvideoressourcen zu effektiven datenbeständen, sodass kameras von unternehmen flexibel genutzt werden können.
modell zur erkennung von verkehrsunfällen
es wird davon ausgegangen, dass in der leitstelle der verkehrspolizei etwa fünf polizisten gleichzeitig im einsatz sind und täglich bis zu 200 polizeieinsätze bearbeitet werden können. unfälle ereignen sich oft zufällig und überall, und der mangel an polizeipatrouillen führt dazu, dass vorfälle von bürgern gemeldet werden, was es schwierig macht, polizeiliche situationen proaktiv und zeitnah zu erkennen und zu verfolgen.
das große aokan-verkehrssicherheitsmodell verfügt über ein integriertes verkehrsunfallerkennungsmodell, um eine echtzeitüberwachung und automatische frühwarnung von straßen zu realisieren. wenn das system eine ungewöhnliche situation erkennt, wie z. b. eine fahrzeugkollision, einen stau usw., kann es sofort die polizei in der nähe benachrichtigen, damit sie sich darum kümmern kann. dadurch wird die reaktionszeit erheblich verkürzt, die zuweisung von polizeiressourcen optimiert und die arbeitseffizienz und notfallreaktionsfähigkeiten verbessert die verkehrspolizei-kommandozentrale und die gewährleistung der städtischen verkehrssicherheit schützen und schützen.
hochgeschwindigkeitserkennung von geworfenen objekten
bei komplexen verhaltensweisen wie dem hochgeschwindigkeitswerfen von objekten ist es schwierig, spezielle szenen durch kleine modellalgorithmen zu entdecken. das groß angelegte aokan-verkehrssicherheitsmodell verfügt über eine integrierte trainings- und schubmaschine, und autobahnmanager können auf minimalistische weise neue algorithmen zum nulltarif generieren und so im wahrsten sinne des wortes „ideen sind algorithmen“ erkennen.
frühwarninformationen können detaillierte informationen wie ort, größe und art der geworfenen gegenstände umfassen, damit rechtzeitig behandlungsmaßnahmen ergriffen werden können. gleichzeitig sammelt das große verkehrssicherheitsmodell kontinuierlich neue daten zur erkennung von hochgeschwindigkeits-wurfobjekten und optimiert und aktualisiert das große cv-modell. durch die erhöhung der vielfalt und menge der trainingsdaten werden die generalisierungsfähigkeit und genauigkeit des modells verbessert, um das niveau des straßensicherheitsmanagements zu verbessern.
ermittlung der schwere eines verkehrsunfalls und beschreibung der polizeilichen situation
die entwicklung großer visueller modelle hat tiefgreifende veränderungen im verständnis und umgang mit verkehrsunfällen mit sich gebracht. herkömmliche beurteilungsmethoden basieren häufig auf manuellen untersuchungen vor ort und relevanten zeugenaussagen. diese methode ist ineffizient und anfällig für subjektive faktoren, was zu ungenauen beurteilungsergebnissen führt.
das aokan-verkehrssicherheits-großmodell ist mit cv-großmodellfunktionen ausgestattet. durch das anzeigenlernen einer großen anzahl von verkehrsunfällen können schlüsselelemente bei unfällen automatisch identifiziert und analysiert werden. zum beispiel die form des verletzten im unfallbereich, das überschlagene und auf den boden fallende fahrzeug, die beschädigten trümmer usw. mithilfe fortschrittlicher bildverarbeitungstechnologie und deep-learning-algorithmen kann die lösung informationen schnell und genau extrahieren und in quantifizierbare daten umwandeln. gleichzeitig können die von aokan selbst entwickelten grafik- und textfunktionen für großformatige modelle verwendet werden, um automatisch detaillierte beschreibungen von verkehrsunfallwarnungen zu erstellen, was eine wichtige grundlage für die spätere unfallbehandlung und haftungsbestimmung darstellt.
branchenintelligenz ist ein komplexes systemprojekt, und nur offenheit und zusammenarbeit können zu win-win-ergebnissen führen. in zukunft wird aokan technology mit huawei und globalen partnern zusammenarbeiten, um durch technologische innovationen eine stabile und zuverlässige digitale basis aufzubauen und so die intelligente verbesserung von transportgeschäftsszenarien zu ermöglichen und dazu beizutragen, dass „die menschen mit ihren reisen zufrieden sind und die waren fließen“. optimal, und digitale intelligenz gewinnt“ „vision.
(dazhong.com)
