berita

Dengan pesatnya perkembangan ilmu pengetahuan dan teknologi, konsep pembangunan kota pun berkembang dari smart city menjadi smart city. Namun kedua konsep ini tidak sekedar progresif, namun memiliki perbedaan konotasi dan cara penerapan yang signifikan.

Kota pintar fokus pada penggunaan teknologi informasi untuk mentransformasikan seluruh aspek kota secara digital, seperti menghadirkan dan mengelola infrastruktur kota, layanan publik, dan lain-lain dalam bentuk digital. Kota pintar akan memperoleh informasi secara real-time melalui kemampuan model besar AI dan teknologi informasi canggih lainnya, sehingga menjadikan sistem fisik menjadi "cerdas".

Di bidang transportasi, sebagian besar upaya digitalisasi saat ini hanya mengubah bentuk transportasi fisik menjadi bentuk digital, namun gagal menyelesaikan dua permasalahan utama yaitu efisiensi dan keselamatan transportasi secara efektif. Kemacetan masih sering terjadi, dan bayang-bayang kecelakaan lalu lintas tidak pernah hilang.

Hingga pengembangan skala besar integrasi kendaraan-jalan-cloud dan pengumuman daftar kota aplikasi percontohan telah membawa kita pada fajar baru. Pembangunan jaringan cloud jalan mobil benar-benar mewujudkan koneksi organik dari cloud (cloud pusat, cloud regional) edge (sistem komputasi edge) ujung (kendaraan yang terhubung secara cerdas, infrastruktur pinggir jalan yang cerdas), memberikan cara berpikir baru untuk memecahkan masalah lalu lintas.

Dalam arsitektur ini, teknologi penginderaan canggih digunakan untuk memperoleh informasi status kendaraan dan jalan secara real time; kemampuan prediksi yang kuat digunakan untuk memprediksi perubahan arus lalu lintas dan kemungkinan masalah di muka berdasarkan mekanisme pengambilan keputusan yang akurat, kontrol sinyal lalu lintas, Adjust rute kendaraan. Dikombinasikan dengan model besar AI, seluruh proses pengumpulan data, anotasi, pemodelan, pelatihan, pengujian, pembuatan, dan aplikasi cloud menjadi cerdas. Cloud pusat seperti otak cerdas, yang mengontrol status pengoperasian seluruh kota dan transportasi, mewujudkan perubahan besar dalam produktivitas cerdas perkotaan, dan tampaknya telah memulai Hukum kota pintar Moore.

Di masa lalu, pengelolaan perkotaan dan peningkatan infrastruktur sering kali merupakan investasi yang bersifat siklus dan berskala besar, namun hasilnya tidak memuaskan, dan peningkatan efisiensi transportasi belum mencapai tingkat ideal. Saat ini, kematangan jalur teknologi integrasi kendaraan-jalan-cloud telah sepenuhnya mengubah situasi ini dan membuka babak baru bagi pengembangan kota pintar.

Dalam proses ini, infrastruktur jalan cerdas sangatlah penting, namun ada peran penting lainnya yang tidak dapat diabaikan, yaitu sistem komputasi tepi jalan (MRS) yang dikembangkan secara independen oleh Moguolian. Saat ini, MRS berperan penting dalam menghubungkan manusia, kendaraan, dan kendaraan tidak bermotor, meletakkan dasar yang kokoh untuk mencapai lingkungan transportasi yang lebih efisien dan aman.

Sebagai perusahaan kecerdasan buatan terkemuka, MOU selalu berpusat pada pengguna dan berkomitmen untuk membangun jaringan kecerdasan buatan untuk transportasi dan mobil. Serangkaian solusi teknologi matang yang dapat diimplementasikan, direplikasi, dan dipromosikan telah dibentuk berdasarkan integrasi kendaraan, jalan raya, dan cloud. Pada tahun 2023, Mogou AutoLink merilis Paket MOGO terbaru, yang mencakup rangkaian lengkap produk di tiga ujung mobil, jalan raya, dan cloud: ujung jalan, MOGO AI Station, stasiun pangkalan jalan digital AI, yang dapat dengan cepat mewujudkan real-time digitalisasi jalan; ujung mobil, Mogou AutoLink menciptakan berbagai kategori, beberapa model kendaraan otonom standar, semua model dilengkapi dengan fungsi V2X kolaborasi jalan kendaraan sebagai standar cloud, platform cloud transportasi cerdas AI, dapat sepenuhnya memberdayakan tingkat L0-L4 kendaraan yang terhubung secara cerdas, meningkatkan keselamatan dan efisiensi lalu lintas, dan mengoptimalkan manajemen lalu lintas. Digitalisasi jalan dapat dengan cepat diwujudkan dalam pemandangan jalan raya, pemandangan perkotaan, dan pemandangan taman yang indah.

Baru-baru ini, setelah pengujian dan laporan yang dikeluarkan oleh China Automobile (Beijing) Intelligent Connected Vehicle Research Institute Co., Ltd. (disebut sebagai "China Automobile Connect"), stasiun pangkalan jalan digital Mushroom AutoLink AI dan sistemnya (MRS) mencapai persyaratan Metode dan Standar Uji Sistem Penginderaan Samping "Kendaraan-Jalan Kolaboratif" Akademi Teknologi Informasi dan Komunikasi" persyaratan tertinggi. Hasil pengujian menunjukkan bahwa stasiun pangkalan jalan digital AI Moguolian dapat mencapai cakupan penginderaan, akurasi waktu penginderaan sistem, dan penundaan penginderaan yang semuanya memenuhi atau melampaui standar SL3. Pada saat yang sama, akurasi posisi, sudut arah, dan akurasi deteksi ukuran telah mencapai tingkat terdepan di industri. Melalui pengembangan teknologi dan akumulasi pengalaman selama bertahun-tahun, Moguolian telah membentuk serangkaian solusi terintegrasi lengkap untuk mobil, jalan raya, dan cloud yang dapat diimplementasikan, disalin, dan dipromosikan. Ini menggabungkan data besar lalu lintas besar-besaran dari tiga terminal Chelu Cloud untuk membangun a model AI besar yang ingin dicapai Dari persepsi hingga kognisi, pengambilan keputusan kolaboratif, dan simulasi serta pelatihan model yang didukung data di pinggir jalan, mengemudi otonom mendukung penerapan mengemudi otonom yang lebih cerdas dan lebih aman dalam skala besar.

Saat ini, telah diterapkan di jalan terbuka, jalan raya, taman, tempat pemandangan, bandara dan pemandangan lainnya di Beijing, Shenzhen, Hunan, Yunnan, Hubei, Sichuan, Liaoning, Shandong, Tianjin dan kota-kota lain.

Sistem MRS yang dikembangkan secara independen, sebagai bagian komputasi inti dari infrastruktur pinggir jalan dalam sistem terintegrasi kendaraan-jalan-cloud, adalah sistem komputasi tepi jalan yang secara khusus melayani bisnis terintegrasi kendaraan-jalan-cloud. Berdasarkan data penginderaan asli atau data terstruktur dari peralatan penginderaan pinggir jalan, melalui pemrosesan data real-time berkinerja tinggi, fusi penginderaan, penghitungan, dan analisis, ini dapat menyediakan data penginderaan lalu lintas dinamis real-time untuk platform dasar kontrol cloud dan terhubung kendaraan.

Ia memiliki kemampuan penginderaan dan komputasi terintegrasi berpresisi tinggi, dan semua indikator memenuhi standar SL3 dari "Sistem Penginderaan Pinggir Jalan Kolaboratif Kendaraan-Jalan" dari Akademi Teknologi Informasi dan Komunikasi. Pada saat yang sama, ia juga memiliki kemampuan untuk mendaur ulang peralatan lama dan mendukung peningkatan sistem berdasarkan peralatan komputasi pinggir jalan yang ada, sehingga sangat mengurangi biaya konstruksi dan pemborosan sumber daya. Selain itu, skenario aplikasi yang kaya memungkinkannya untuk sepenuhnya mencakup berbagai area seperti jalan terbuka perkotaan, jalan raya, dan taman, serta beradaptasi dengan berbagai lingkungan lalu lintas yang kompleks. Selain itu, sistem ini sepenuhnya disesuaikan dengan sistem terintegrasi kendaraan-jalan-cloud dan memiliki kemampuan untuk terhubung ke standar komunikasi cloud jalan raya dari platform dasar kontrol cloud, memastikan transmisi yang lancar dan pemrosesan data yang efisien.

Sebagai inti cerdas dari strategi cloud mobil dan jalan raya yang terhubung dari Mushroom, inovasinya tidak hanya terletak pada integrasi dan optimalisasi tingkat perangkat keras, tetapi juga pada penerapan dan inovasi algoritma AI yang mendalam:

Model persepsi presisi tinggi:Model persepsi yang terintegrasi dengan algoritma pembelajaran mendalam dapat secara akurat mengidentifikasi berbagai peserta lalu lintas, termasuk pejalan kaki, kendaraan tidak bermotor, dan berbagai jenis kendaraan, serta dapat menjaga akurasi tinggi bahkan di lingkungan kompleks dan kondisi cuaca ekstrem.

Algoritma prediksi waktu nyata:Model prediksi yang mengintegrasikan analisis urutan spatiotemporal dan pembelajaran penguatan mendalam tidak hanya dapat memprediksi tren arus lalu lintas secara akurat, namun juga memberikan peringatan real-time untuk kejadian lalu lintas (seperti kecelakaan dan kemacetan), sehingga memberikan dasar untuk manajemen pencegahan.

Algoritma optimasi keputusan:Pengoptimalan pengoperasian tingkat lanjut dan algoritme pembelajaran mesin digunakan untuk mengoptimalkan secara dinamis kontrol sinyal lalu lintas, alokasi sumber daya jaringan jalan, dll. untuk memastikan kelancaran lalu lintas maksimum sekaligus mengurangi emisi karbon dan konsumsi energi.

Dari perspektif arsitektur produk, sistem MRS mencakup 5 modul: Zhidao OS, mesin persepsi fusi tepi jalan, mesin komputasi tepi jalan, data pendukung, dan antarmuka berbagi data.

Sebagai kemampuan yang mendasari MRS, Zhidao OS mencakup lapisan kernel, lapisan abstraksi perangkat keras, dan layanan antarmuka standar akses data. Lapisan kernel adalah lapisan fungsional paling dasar yang berinteraksi dengan perangkat keras yang mendasarinya dan mendukung multi-tasking dan multi-pemrosesan, manajemen memori, dukungan driver perangkat keras, dan fungsi keamanan. Lapisan abstraksi perangkat keras mengimplementasikan antarmuka perangkat keras terpadu untuk perangkat penginderaan pinggir jalan, dan dapat memproses keluaran data terstruktur secara seragam oleh kamera, radar gelombang milimeter, lidar, dan perangkat lainnya. Layanan antarmuka standar akses data mencakup pengumpulan data persepsi dan status pengoperasian kendaraan secara real-time, pengumpulan data peralatan penginderaan pinggir jalan, pengumpulan data fasilitas lalu lintas, dll., menyediakan sumber data yang kaya untuk pemrosesan dan analisis selanjutnya.

Mesin penginderaan fusi tepi jalan dapat melakukan identifikasi algoritma, analisis fusi, dan pemrosesan pada data penginderaan asli atau data terstruktur dari fasilitas penginderaan pinggir jalan untuk mendapatkan informasi hasil penginderaan dengan presisi lebih tinggi. Hal ini dapat mewujudkan fungsi identifikasi, deteksi dan penentuan posisi peserta lalu lintas seperti kendaraan bermotor, kendaraan tidak bermotor, dan pejalan kaki, serta menghasilkan informasi karakteristik termasuk jenis peserta lalu lintas, kecepatan, lokasi, dan arah pergerakan.

Mesin komputasi tepi jalan adalah salah satu inti dari sistem MRS. Ia dapat menerima data dari perangkat penginderaan pinggir jalan dan mesin penginderaan fusi tepi secara real-time, dan melakukan pemrosesan dan analisis berkecepatan tinggi untuk memperoleh peristiwa, arus lalu lintas, dan data lainnya dengan presisi tinggi untuk mendukung pengambilan keputusan dan pengendalian sistem transportasi cerdas.

Dalam hal deteksi kejadian lalu lintas, dapat mewujudkan deteksi otomatis, pengingat alarm dan proses pencatatan kemacetan lalu lintas, kecelakaan lalu lintas, parkir tidak normal, mengemudi mundur, perubahan jalur ilegal, pejalan kaki menerobos lampu merah, melempar benda dan kejadian lainnya. Misalnya, ketika peristiwa kemunduran terdeteksi, peringatan dini dapat dikirimkan ke kendaraan utama tepat waktu; ketika peristiwa pendudukan jalan konstruksi terdeteksi, kendaraan dapat diminta untuk menghindari kemacetan lalu lintas dan kecelakaan.

Dari segi pendeteksian arus lalu lintas dapat mendeteksi secara akurat arus lalu lintas, kecepatan rata-rata kendaraan, waktu okupansi, panjang antrian dan informasi lainnya, serta mendukung penyelesaian statistik informasi arus lalu lintas berdasarkan jalur. Data ini sangat penting untuk mengoptimalkan kontrol sinyal lalu lintas dan mengalokasikan sumber daya jalan secara rasional.

Selain itu, mesin komputasi tepi jalan juga memiliki fungsi pengawasan video seluruh area dan mendukung berbagai standar pengkodean video. Mesin ini dapat melihat gambar video secara real-time dan memahami kondisi jalan secara tepat waktu. Pada saat yang sama, dapat memperoleh status lampu lalu lintas dan memberikan informasi lalu lintas kendaraan yang akurat. Selain itu, melalui pemantauan perangkat keras secara real-time, status perangkat keras, termasuk kinerja, suhu, voltase, dan informasi lainnya, dapat dipantau secara real-time untuk memastikan pengoperasian sistem yang stabil.

Data pendukung terutama berasal dari sarana transportasi dan infrastruktur lainnya, antara lain data pemantauan status infrastruktur, data lampu lalu lintas, dan data pemantauan lingkungan meteorologi lalu lintas. Data ini memberi mesin kalkulasi dasar untuk pengambilan keputusan, sehingga memungkinkannya menghasilkan hasil kalkulasi yang lebih akurat. Antarmuka berbagi data digunakan untuk memastikan interaksi data terstandarisasi antara MRS dan infrastruktur pinggir jalan cerdas serta platform dasar kontrol cloud. Antarmuka ini menyediakan konversi data terstandarisasi dan keluaran layanan dalam bentuk antarmuka umum untuk mendukung berkendara jarak jauh, mengemudi dengan bantuan, dan peringatan keselamatan , dll. aplikasi.

Pentingnya sistem MRS tidak hanya tercermin dalam fungsinya yang kuat dan analisis data yang akurat, namun juga dalam peningkatan signifikan dalam efisiensi pengiriman lalu lintas, mirip dengan sistem pengiriman kereta api berkecepatan tinggi dan penerbangan sipil. Melalui penjadwalan yang tepat, kereta api berkecepatan tinggi memungkinkan kereta api berjalan secara efisien di jalur yang kompleks dan tiba di setiap stasiun tepat waktu. Penerbangan sipil menggunakan sistem manajemen lalu lintas udara yang canggih untuk memastikan lepas landas dan pendaratan pesawat di udara dan di bandara dengan tertib, sehingga menghindari penerbangan penundaan. Sistem MRS dalam jaringan cloud jalan raya seperti inti pengiriman kereta api berkecepatan tinggi dan penerbangan sipil. Sistem ini dapat melakukan pengelolaan arus lalu lintas dalam kota secara tepat dan memaksimalkan pemanfaatan sumber daya jalan raya.

Dengan kemajuan teknologi yang berkelanjutan, prospek pengembangan sistem MRS sangatlah luas. Ini tidak hanya terbatas pada fungsinya saat ini, tetapi juga akan menghubungkan lebih banyak perangkat pintar, seperti lampu jalan pintar, kendaraan sanitasi pintar, kendaraan logistik pintar, drone, robot, dll., untuk bersama-sama membangun ekosistem kota pintar yang lebih lengkap. Misalnya, lampu jalan pintar dapat secara otomatis menyesuaikan kecerahan dan jangkauan pencahayaan berdasarkan arus lalu lintas real-time dan kondisi pencahayaan sekitar, dan juga dapat bekerja sama dengan sistem MRS untuk memantau kondisi jalan dan informasi umpan balik. Kendaraan sanitasi pintar dapat merencanakan rute pembersihan secara efisien; panduan sistem MRS, dan sesuai dengan area yang berbeda Menyesuaikan frekuensi dan intensitas pembersihan sesuai dengan situasi, dan mengirimkan status pengumpulan sampah secara real time kendaraan logistik pintar yang dikombinasikan dengan sistem MRS dapat mencapai distribusi kargo yang lebih akurat, rencana yang optimal; rute transportasi, dan memantau status barang dan kendaraan; drone dapat dikendalikan oleh sistem MRS. Ia dapat melakukan misi patroli udara, mendeteksi kondisi jalan dan mengirim kembali gambar, dan juga dapat mengirimkan pasokan darurat dalam keadaan khusus panduan layanan yang lebih baik di tempat umum melalui sistem MRS, atau bekerja sama di pabrik dan gudang untuk mencapai penanganan dan penyimpanan kargo yang efisien.

Secara global, berbagai perusahaan teknologi sedang menjajaki solusi teknologi serupa. Di masa depan, Starlink Musk berencana untuk menghubungkan Tesla, robot Optimus Prime, drone, dan peralatan lainnya. Sebaliknya, "solusi Tiongkok" dalam integrasi kendaraan-jalan-cloud memiliki keuntungan yang jelas.

Jaringan terintegrasi kendaraan-jalan-cloud lebih unggul daripada Starlink dalam hal penundaan di pinggir jalan, akurasi persepsi, dan keselamatan. Sistem MRS diterapkan di tepi jalan, yang dapat mengirimkan dan memproses data dalam jarak dekat, mengurangi penundaan, dan memastikan keputusan lalu lintas yang tepat waktu dan akurat. Starlink bergantung pada komunikasi satelit dan rentan terhadap gangguan penundaan di lingkungan perkotaan, sehingga memengaruhi aplikasi efek; melalui berbagai perangkat Penginderaan pinggir jalan yang bekerja sama untuk merasakan informasi terperinci dengan presisi tinggi, memberikan dukungan data yang akurat untuk manajemen lalu lintas. Starlink lemah dalam menangkap perubahan halus di lapangan dan informasi yang tepat karena jaraknya yang jauh; teknologi pemrosesan dan enkripsi lokal untuk memastikan keamanan lalu lintas data. Komunikasi satelit Starlink menghadapi risiko keamanan yang lebih besar dalam menghadapi serangan dunia maya, yang dapat berdampak serius pada sistem transportasi.

Singkatnya, "solusi Tiongkok" dalam integrasi kendaraan-jalan-cloud tidak diragukan lagi merupakan pilihan terbaik untuk mewujudkan transportasi perkotaan yang cerdas. Dunia fisik yang terhubung dengan jaringan Chelu Cloud juga akan memimpin peningkatan kota pintar menjadi kota pintar.