uutiset

Tieteen ja tekniikan nopean kehityksen myötä kaupunkien kehityskonsepti on kehittymässä älykkäistä kaupungeista älykkäiksi kaupungeiksi. Nämä kaksi käsitettä eivät kuitenkaan ole vain progressiivisia, vaan niillä on merkittäviä eroja konnotaatiossa ja toteutusmenetelmissä.

Älykkäät kaupungit keskittyvät tietotekniikan avulla muuttamaan digitaalisesti kaupungin kaikkia osa-alueita, kuten esittelemään ja hallitsemaan kaupungin infrastruktuuria, julkisia palveluita jne. digitaalisessa muodossa. Älykkäät kaupungit saavat tietoa reaaliajassa suurten tekoälymallien ja muiden kehittyneiden tietoteknologioiden avulla, mikä tekee fyysisistä järjestelmistä "älykkäitä".

Kuljetuksen alalla useimmat nykyiset digitalisointipyrkimykset vain muuttavat fyysiset kuljetusmuodot digitaalisiksi muodoiksi, mutta eivät ratkaise tehokkaasti kahta keskeistä kysymystä, liikenteen tehokkuutta ja turvallisuutta. Liikenneruuhkia esiintyy edelleen usein, eikä liikenneonnettomuuksien varjo ole koskaan kadonnut.

Kunnes ajoneuvo-tie-pilvi-integraation laajamittainen kehittäminen ja pilottisovelluskaupunkiluettelon julkistaminen ovat tuoneet meille uuden aamun. Auto-tie-pilviverkon rakentaminen todella toteuttaa pilven (keskuspilvi, alueellinen pilvi) reunan (reunalaskentajärjestelmä) pään (älykkäät yhdistetyt ajoneuvot, älykäs tienvarsiinfrastruktuuri) orgaanisen yhteyden, mikä tarjoaa uudenlaisen ajattelutavan ratkaisuun. liikenneongelmia ja -menetelmiä.

Tässä arkkitehtuurissa edistynyttä tunnistustekniikkaa käytetään ajoneuvon ja tien tilatietojen saamiseen reaaliajassa. Tehokkaita ennusteominaisuuksia käytetään ennakoimaan liikennevirtojen muutoksia, ja mahdolliset ongelmat optimoidaan tarkkojen päätöksentekomekanismien perusteella ajoneuvon reitti. Yhdessä suurten tekoälymallien kanssa koko tiedonkeruu-, huomautus-, mallintamis-, koulutus-, testaus-, generointi- ja pilvisovellusten prosessi on älykäs. Keskuspilvi on kuin älykkäät aivot, joka hallitsee koko kaupungin ja liikenteen toimintatilaa, tajuaa suuren muutoksen kaupunkien älykkäässä tuottavuudessa ja näyttää aloittaneen Mooren älykkäiden kaupunkien lain.

Aikaisemmin kaupunkien hallinto- ja infrastruktuuriparannukset olivat usein syklisiä ja suuria investointeja, mutta tulokset eivät olleet tyydyttäviä, eikä liikenteen tehokkuuden parantaminen ole saavuttanut ihanteellista tasoa. Nykyään ajoneuvo-tie-pilvi-integraatioteknologiareitin kypsyys on muuttanut tilanteen täysin ja avannut uuden luvun älykkäiden kaupunkien kehitykselle.

Älykäs tieinfrastruktuuri on tässä prosessissa tärkeä, mutta on myös toinen keskeinen rooli, jota ei voida sivuuttaa, ja se on Moguolianin itsenäisesti kehittämä tienvarsien reunalaskentajärjestelmä (MRS). Tällä hetkellä MRS:llä on tärkeä rooli ihmisten, ajoneuvojen ja ei-moottoriajoneuvojen yhdistämisessä, mikä luo vankan perustan tehokkaamman ja turvallisemman liikenneympäristön saavuttamiselle.

Johtavana tekoälyyrityksenä MOU on aina käyttäjäkeskeinen ja sitoutunut rakentamaan tekoälyverkkoja kuljetuksiin ja autoihin. Ajoneuvon, tien ja pilven yhdistämisen ympärille on muodostunut joukko kypsiä teknologiaratkaisuja, joita voidaan toteuttaa, kopioida ja edistää. Vuonna 2023 Mogou AutoLink julkaisi uusimman MOGO-paketin, joka kattaa täyden valikoiman tuotteita auton, tien ja pilven kolmessa päässä: tienpää, digitaalinen tekoälyn tukiasema MOGO AI Station, joka voi nopeasti toteuttaa reaaliaikaisen digitoinnin tiet, Mogou AutoLink luo useita luokkia, useita standardoitujen autonomisten ajoneuvojen malleja, kaikki mallit on varustettu ajoneuvon ja maan välisen yhteistyön V2X-toiminnoilla vakiona, AI-älykäs kuljetuspilviympäristö, joka mahdollistaa täysin L0-L4-tason älykkäiden yhteyksien ajoneuvoja, parantaa liikenteen turvallisuutta ja tehokkuutta sekä optimoida liikenteen hallintaa.

China Automotive (Beijing) Intelligent Connected Vehicle Research Institute Co., Ltd. (jäljempänä "China Automotive Intelligence") testaamisen ja raportoinnin jälkeen Mushroom AutoLink AI digitaalinen tietukiasema ja sen järjestelmä (MRS) täyttivät vaatimukset. Tieto- ja viestintätekniikan akatemian "Vehicle-Road Collaborative Road" Side Sensing System -testausmenetelmät ja -standardit (hyväksyntäluonnos)" korkeimmat vaatimukset. Testitulokset osoittavat, että Momoji AutoLinkin digitaalinen AI-tietukiasema voi saavuttaa tunnistuspeiton, järjestelmän tunnistusajan tarkkuuden ja tunnistusviiveen, jotka kaikki täyttävät tai ylittävät SL3-standardin. Samaan aikaan paikannustarkkuus, suuntakulma ja koon tunnistustarkkuus ovat saavuttaneet alan johtavan tason. Vuosien teknologian kehittämisen ja kokemusten kertymisen ansiosta Momogu AutoLink on muodostanut täydellisen joukon integroituja ratkaisuja autoille, tielle ja pilvipalveluille, jotka voidaan ottaa käyttöön, kopioida ja mainostaa. Se yhdistää valtavan liikenteen suurdatan Chelu Cloudin kolmesta terminaalista rakentaa suuri tekoälymalli saavuttamiseen Havainnosta kognitioon, yhteistyöhön perustuvaan päätöksentekoon ja tienvarsidataan perustuvaan simulaatioon ja mallikoulutukseen autonominen ajo tukee älykkäämmän ja turvallisemman autonomisen ajon laajamittaista käyttöönottoa.

Tällä hetkellä se on toteutettu avoimilla teillä, moottoriteillä, puistoissa, luonnonkauniilla paikoilla, lentokentillä ja muissa kohtauksissa Pekingissä, Shenzhenissä, Hunanissa, Yunnanissa, Hubeissa, Sichuanissa, Liaoningissa, Shandongissa, Tianjinissa ja muissa kaupungeissa.

Sen itsenäisesti kehitetty MRS-järjestelmä, joka on tienvarsiinfrastruktuurin ydinlaskenta osana ajoneuvo-tie-pilvi-integroidussa järjestelmässä, on tienvarsilaskentajärjestelmä, joka palvelee erityisesti ajoneuvo-tie-pilvi-integroitua liiketoimintaa. Perustuu alkuperäisiin tunnistustietoihin tai tienvarsianturilaitteiden strukturoituihin tietoihin tehokkaan reaaliaikaisen tietojenkäsittelyn, tunnistusfuusion, laskennan ja analyysin avulla, ja se voi tarjota reaaliaikaista dynaamista liikenteen tunnistusdataa pilviohjauksen perusalustalle ja yhdistettynä. ajoneuvoja.

Siinä on erittäin tarkat integroidut tunnistus- ja laskentaominaisuudet, ja kaikki indikaattorit täyttävät tieto- ja viestintätekniikan akatemian "Vehicle-Road Collaborative Roadside Sensing System" -standardin SL3-standardin. Samalla se pystyy myös kierrättämään vanhoja laitteita ja tukemaan olemassa oleviin tienvarsilaskentalaitteisiin perustuvia järjestelmäpäivityksiä, mikä vähentää huomattavasti rakennuskustannuksia ja resurssien hukkaa. Lisäksi monipuoliset sovellusskenaariot mahdollistavat sen, että se kattaa täysin eri alueet, kuten kaupunkien avoimet tiet, moottoritiet ja puistot, ja mukautuu erilaisiin monimutkaisiin liikenneympäristöihin. Lisäksi se on täysin sovitettu ajoneuvo-tie-pilvi-integroituun järjestelmään, ja se pystyy muodostamaan yhteyden pilviohjauksen perusalustan tie-pilvi-viestintästandardiin, mikä varmistaa saumattoman tiedonsiirron ja tehokkaan tietojenkäsittelyn.

Mushroomin yhdistettynä auto- ja tiepilvistrategian älykkäänä ytimenä sen innovaatio ei piile vain laitteistotason integroinnissa ja optimoinnissa, vaan myös tekoälyalgoritmien syvällisissä sovelluksissa ja innovaatioissa:

Erittäin tarkka havaintomalli:Syväoppimisalgoritmeihin integroitu havaintomalli pystyy tunnistamaan tarkasti eri liikenteen osanottajat, mukaan lukien jalankulkijat, moottorittomat ajoneuvot ja erityyppiset ajoneuvot, ja voi säilyttää korkean tarkkuuden myös monimutkaisissa ympäristöissä ja äärimmäisissä sääolosuhteissa.

Reaaliaikainen ennustusalgoritmi:Ennustemalli, joka yhdistää spatiotemporaalisen sekvenssianalyysin ja syvän vahvistusoppimisen, ei voi vain ennustaa tarkasti liikennevirtojen kehitystä, vaan myös antaa reaaliaikaisia ​​varoituksia liikennetapahtumista (kuten onnettomuuksista ja ruuhista), mikä tarjoaa perustan ennaltaehkäisevälle hallitukselle.

Päätöksen optimointialgoritmi:Kehittyneitä toimintojen optimointia ja koneoppimisalgoritmeja käytetään dynaamisesti optimoimaan liikennemerkkien ohjausta, tieverkoston resurssien allokointia jne., jotta varmistetaan liikenteen maksimaalinen sujuvuus ja vähennetään hiilidioksidipäästöjä ja energiankulutusta.

Tuotearkkitehtuurin näkökulmasta MRS-järjestelmä sisältää 5 moduulia: Zhidao OS, tienvarsien reunan fuusiomoottori, tienvarsien reunalaskentamoottori, tukitiedot ja tiedonjakoliittymä.

MRS:n taustalla oleva ominaisuus Zhidao OS sisältää ydinkerroksen, laitteiston abstraktiokerroksen ja tiedonsaannin vakiorajapintapalvelut. Ydinkerros on yksinkertaisin toiminnallinen kerros, joka on vuorovaikutuksessa taustalla olevan laitteiston kanssa ja tukee moniajoa ja monikäsittelyä, muistinhallintaa, laitteisto-ohjaintukea ja suojaustoimintoja. Laitteiston abstraktiokerros toteuttaa yhtenäisen laitteistorajapinnan tienvarsiantureille, ja se voi käsitellä yhtenäisesti kameroiden, millimetriaaltotutkan, lidarin ja muiden laitteiden strukturoitua dataa. Tiedonsaannin standardirajapintapalvelu kattaa ajoneuvojen reaaliaikaisen käyttötila- ja havaintotietojen keruun, tienvarsitunnistinlaitteiden tiedonkeruun, liikennelaitosten tiedonkeruun jne., jotka tarjoavat monipuolisen tietolähteen myöhempää käsittelyä ja analysointia varten.

Tienreunan fuusiotunnistin voi suorittaa algoritmin tunnistamisen, fuusioanalyysin ja käsittelyn alkuperäisille tunnistustiedoille tai tienvarsien tunnistuslaitteiden strukturoidulle tiedolle saadakseen tarkempia tunnistustulostietoja. Se voi toteuttaa liikenteen osallistujien, kuten moottoriajoneuvojen, muiden kuin moottoriajoneuvojen ja jalankulkijoiden, tunnistus-, havaitsemis- ja paikannustoiminnot ja tuottaa ominaisuustietoja, mukaan lukien liikenteen osallistujan tyyppi, nopeus, sijainti, liikesuunta ja muut ominaisuudet.

Tien reunan laskentamoottori on yksi MRS-järjestelmän ytimistä. Se voi vastaanottaa tietoja tienvarsitunnistinlaitteista ja reunafuusiotunnistimesta reaaliajassa ja suorittaa nopean käsittelyn ja analyysin saadakseen erittäin tarkkoja tapahtumia, liikennevirtoja ja muuta dataa, joka tukee päätöksentekoa ja älykkäiden liikennejärjestelmien ohjausta.

Liikennetapahtumien havaitsemisen kannalta se voi toteuttaa automaattisen havaitsemisen, hälytysmuistutusten ja prosessien tallentamisen liikenneruuhkista, liikenneonnettomuuksista, epänormaalista pysäköinnistä, taaksepäin ajamisesta, laittomista kaistanvaihdoista, punaisissa valoissa ajavista jalankulkijoista, heittelevistä esineistä ja muista tapahtumista. Esimerkiksi, kun havaitaan takautuva tapahtuma, varhainen varoitus voidaan lähettää ajoissa pääajoneuvoon, kun tienkäyttötapahtuma havaitaan, ajoneuvolle voidaan antaa kehotus välttää liikenneruuhkia ja onnettomuuksia.

Liikennevirtojen havaitsemisen kannalta se pystyy havaitsemaan tarkasti liikennevirran, ajoneuvon keskinopeuden, käyttöajan, jonon pituuden ja muita tietoja sekä tukea liikennevirtatietojen tilastointia ajokaistan mukaan. Näillä tiedoilla on suuri merkitys liikennevalojen ohjauksen optimoinnissa ja tieresurssien järkevässä kohdistamisessa.

Lisäksi tienvarsien reunojen laskentamoottorissa on myös koko alueen videovalvontatoiminto, se tukee useita videokoodausstandardeja ja voi katsella videokuvia reaaliajassa ja ymmärtää tieolosuhteet oikea-aikaisesti. Samalla se voi saada merkkivalojen tilan ja antaa tarkkoja liikennetietoja ajoneuvoille. Lisäksi reaaliaikaisen laitteistovalvonnan avulla laitteiston tilaa, mukaan lukien suorituskyky, lämpötila, jännite ja muut tiedot, voidaan seurata reaaliajassa järjestelmän vakaan toiminnan varmistamiseksi.

Tukitiedot tulevat pääasiassa liikennevälineistä ja muusta infrastruktuurista, mukaan lukien infrastruktuurin tilan seurantatiedot, liikennevalotiedot ja liikennemeteorologisen ympäristön seurantatiedot. Nämä tiedot antavat laskentakoneelle perustan päätöksenteolle, jolloin se voi tuottaa tarkempia laskentatuloksia. Tiedonjakorajapintaa käytetään varmistamaan standardoitu tietojen vuorovaikutus MRS:n ja älykkään tienvarsiinfrastruktuurin ja pilviohjauksen perusalustojen välillä. Se tarjoaa standardoidun datamuunnoksen ja palvelutulosteen yhteisen käyttöliittymän muodossa tukemaan etäajoa, avustavaa ajoa ja turvallisuusvaroitusta jne. sovellus.

MRS-järjestelmän tärkeys heijastuu sen tehokkaiden toimintojen ja tarkan data-analyysin lisäksi, että se parantaa merkittävästi liikenteen lähettämisen tehokkuutta, kuten suurnopeusjuna- ja siviili-ilmailun lähetysjärjestelmät. Tarkan aikataulun ansiosta suurnopeusjunat voivat kulkea tehokkaasti monimutkaisilla linjoilla ja saapua jokaiselle asemalle ajoissa. Siviili-ilmailu käyttää kehittyneitä ilmaliikenteen hallintajärjestelmiä varmistaakseen lentokoneiden säännöllisen nousun ja laskeutumisen ilmassa ja lentokentällä välttäen lentoa. viivästyksiä. Auto-maantie-pilviverkon MRS-järjestelmä on kuin suurnopeusjuna- ja siviili-ilmailun ydin.

Teknologian jatkuvan kehittymisen myötä MRS-järjestelmien kehitysnäkymät ovat erittäin laajat. Se ei rajoitu vain nykyisiin toimintoihinsa, vaan se yhdistää myös enemmän älylaitteita, kuten älykkäitä katuvaloja, älykkäitä sanitaatioajoneuvoja, älykkäitä logistiikkaajoneuvoja, droneja, robotteja jne., rakentamaan yhdessä täydellisemmän älykkään kaupungin ekosysteemin. Esimerkiksi älykkäät katuvalot voivat säätää kirkkautta ja valaistusaluetta automaattisesti reaaliaikaisten liikennevirtojen ja ympäristön valaistusolosuhteiden perusteella, ja ne voivat myös toimia yhteistyössä MRS-järjestelmän kanssa tieolosuhteiden seuraamiseksi ja palautetiedot älykkäät sanitaatioajoneuvot voivat suunnitella tehokkaasti puhdistusreittejä MRS-järjestelmän ohjaus ja eri alueiden mukaan Säädä siivoustiheyttä ja -intensiteettiä tilanteen mukaan ja välittää jätteenkeräystilan reaaliajassa älykkäillä logistiikkaajoneuvoilla yhdessä MRS-järjestelmän kanssa, voidaan saavuttaa tarkempi lastin jakautuminen, optimaalinen suunnittelu kuljetusreittejä ja tavaroiden ja ajoneuvojen tilaa voidaan ohjata MRS-järjestelmällä. Se voi suorittaa ilmapartiot, havaita tieolosuhteet ja lähettää takaisin kuvia sekä toimittaa hätätarvikkeita erikoistilanteissa parempaa palveluohjausta julkisilla paikoilla MRS-järjestelmän kautta tai tehdä yhteistyötä tehtaissa ja varastoissa tehokkaan lastinkäsittelyn ja varastoinnin saavuttamiseksi.

Maailmanlaajuisesti eri teknologiayritykset etsivät samanlaisia ​​teknisiä ratkaisuja. Tulevaisuudessa Muskin Starlink aikoo yhdistää Teslan, Optimus Prime -robotit, droonit ja muut laitteet. Sitä vastoin "kiinalaisella ratkaisulla" ajoneuvo-tie-pilvi-integraatiolla on ilmeisiä etuja.

Integroitu ajoneuvo-tie-pilviverkko on Starlinkiä parempi tienvarsiviivästysten, havaintotarkkuuden ja turvallisuuden suhteen. MRS-järjestelmä on sijoitettu tien reunaan, ja se voi lähettää ja käsitellä tietoja lähietäisyydeltä, mikä vähentää viiveitä ja varmistaa oikea-aikaiset ja tarkat liikennepäätökset. Erilaisten tienvarsilaitteiden avulla havaitsevat yksityiskohtaiset tiedot suurella tarkkuudella ja tarjoavat tarkan tiedon liikenteen hallintaan ja salaustekniikka liikennetietojen turvallisuuden takaamiseksi Starlink-satelliittiviestinnässä on suurempia turvallisuusriskejä kyberhyökkäysten edessä, mikä voi vaikuttaa vakavasti kuljetusjärjestelmään.

Lyhyesti sanottuna ajoneuvo-tie-pilvi-integraation "kiinalainen ratkaisu" on epäilemättä paras valinta älykkään kaupunkiliikenteen toteuttamiseen. Chelu Cloud -verkon yhdistämä fyysinen maailma johtaa myös älykkäiden kaupunkien päivittämiseen älykkäiksi kaupungeiksi.