notizia

Con il rapido sviluppo della scienza e della tecnologia, il concetto di sviluppo delle città si sta evolvendo da città intelligenti a città intelligenti. Tuttavia, questi due concetti non sono semplicemente progressisti, ma presentano differenze significative nella connotazione e nelle modalità di attuazione.

Le città intelligenti si concentrano sull'utilizzo della tecnologia dell'informazione per trasformare digitalmente tutti gli aspetti della città, come la presentazione e la gestione delle infrastrutture della città, dei servizi pubblici, ecc. in forma digitale. Le città intelligenti otterranno informazioni in tempo reale attraverso le capacità di modelli di grandi dimensioni dell’intelligenza artificiale e altre tecnologie informatiche avanzate, rendendo i sistemi fisici “intelligenti”.

Nel campo dei trasporti, la maggior parte degli attuali sforzi di digitalizzazione trasformano solo le forme di trasporto fisico in forme digitali, ma non riescono a risolvere efficacemente le due questioni chiave dell’efficienza e della sicurezza dei trasporti. Gli ingorghi sono ancora frequenti e l'ombra degli incidenti stradali non è mai scomparsa.

Fino a quando lo sviluppo su larga scala dell’integrazione veicolo-strada-cloud e l’annuncio dell’elenco delle città per l’applicazione pilota non ci avranno portato una nuova alba. La costruzione della rete cloud auto-strada realizza veramente la connessione organica del cloud (cloud centrale, cloud regionale) edge (sistema di edge computing) e (veicoli connessi intelligenti, infrastruttura stradale intelligente), fornendo un nuovo modo di pensare per risolvere problemi di traffico e modalità.

In questa architettura, viene utilizzata una tecnologia di rilevamento avanzata per ottenere informazioni sullo stato dei veicoli e delle strade in tempo reale; vengono utilizzate potenti capacità di previsione per prevedere in anticipo i cambiamenti del flusso di traffico e i possibili problemi. Il controllo dei segnali stradali è ottimizzato sulla base di meccanismi decisionali accurati, Regolazione percorso del veicolo. In combinazione con i modelli di grandi dimensioni dell'intelligenza artificiale, l'intero processo di raccolta dati, annotazione, modellazione, formazione, test, generazione e applicazioni cloud è intelligente. Il cloud centrale è come un cervello intelligente, controlla lo stato operativo dell'intera città e dei trasporti, realizza un grande cambiamento nella produttività intelligente urbana e sembra aver dato inizio alla Legge di Moore delle città intelligenti.

In passato, la gestione urbana e il potenziamento delle infrastrutture erano spesso investimenti ciclici e su larga scala, ma i risultati erano insoddisfacenti e il miglioramento dell’efficienza dei trasporti non ha raggiunto il livello ideale. Oggi, la maturità del percorso tecnologico di integrazione veicolo-strada-cloud ha completamente cambiato questa situazione e ha aperto un nuovo capitolo per lo sviluppo delle città intelligenti.

In questo processo, l’infrastruttura stradale intelligente è importante, ma c’è un altro ruolo chiave che non può essere ignorato, ovvero il sistema di edge computing stradale (MRS) sviluppato in modo indipendente da Moguolian. Attualmente, l’MRS svolge un ruolo importante nel collegare persone, veicoli e veicoli non a motore, ponendo solide basi per ottenere un ambiente di trasporto più efficiente e sicuro.

In qualità di azienda leader nel settore dell'intelligenza artificiale, MOU è sempre incentrata sull'utente e impegnata nella costruzione di reti di intelligenza artificiale per i trasporti e le automobili. Intorno all’integrazione di veicolo, strada e cloud si è formata una serie di soluzioni tecnologiche mature che possono essere implementate, replicate e promosse. Nel 2023, Mogou AutoLink ha rilasciato l'ultimo pacchetto MOGO, che copre una gamma completa di prodotti sulle tre estremità dell'auto, della strada e del cloud: estremità della strada, stazione base stradale digitale AI MOGO AI Station, che può realizzare rapidamente la digitalizzazione in tempo reale di strade; fine auto, Mogou AutoLink crea più categorie, più modelli di veicoli autonomi standardizzati, tutti i modelli sono dotati di funzioni V2X di collaborazione veicolo-strada di serie; il cloud, la piattaforma cloud di trasporto intelligente AI, può potenziare completamente la connessione intelligente di livello L0-L4 veicoli, migliorare la sicurezza e l'efficienza del traffico e ottimizzare la gestione del traffico. La digitalizzazione stradale può essere rapidamente realizzata in scene autostradali, scene urbane e scene di parchi panoramici.

Recentemente, dopo i test e i report condotti dal China Automotive (Beijing) Intelligent Connected Vehicle Research Institute Co., Ltd. (denominato "China Automotive Intelligence"), la stazione base stradale digitale Mushroom AutoLink AI e il suo sistema (MRS) hanno soddisfatto i requisiti dei metodi e degli standard di prova dei sistemi di rilevamento laterale "Veicolo-strada collaborativa" dell'Accademia delle tecnologie dell'informazione e della comunicazione (bozza di approvazione)" i requisiti più elevati. I risultati dei test mostrano che la stazione base stradale digitale AI di Momoji AutoLink può raggiungere una copertura di rilevamento, una precisione temporale di rilevamento del sistema e un ritardo di rilevamento che soddisfano o superano lo standard SL3. Allo stesso tempo, la precisione di posizionamento, l'angolo di rotta e la precisione di rilevamento delle dimensioni hanno raggiunto il livello leader del settore. Attraverso anni di sviluppo tecnologico e accumulo di esperienza, Momogu AutoLink ha formato un set completo di soluzioni integrate per auto, strada e cloud che possono essere implementate, copiate e promosse. Combina l'enorme traffico di big data dai tre terminali di Chelu Cloud per costruire un ampio modello di intelligenza artificiale per raggiungere Dalla percezione alla cognizione, al processo decisionale collaborativo, alla simulazione e all'addestramento dei modelli abilitati ai dati stradali, la guida autonoma supporta l'implementazione su larga scala di una guida autonoma più intelligente e sicura.

Attualmente è stato implementato in strade aperte, autostrade, parchi, punti panoramici, aeroporti e altre scene a Pechino, Shenzhen, Hunan, Yunnan, Hubei, Sichuan, Liaoning, Shandong, Tianjin e altre città.

Il suo sistema MRS sviluppato in modo indipendente, come parte informatica centrale dell'infrastruttura stradale nel sistema integrato veicolo-strada-cloud, è un sistema informatico stradale che serve specificamente il business integrato veicolo-strada-cloud. Basato sui dati di rilevamento originali o sui dati strutturati delle apparecchiature di rilevamento stradale, attraverso l'elaborazione dei dati in tempo reale ad alte prestazioni, la fusione dei sensori, il calcolo e l'analisi, può fornire dati di rilevamento del traffico dinamico in tempo reale per la piattaforma di base di controllo cloud e i servizi connessi veicoli.

Dispone di capacità di rilevamento e calcolo integrate ad alta precisione e tutti gli indicatori soddisfano lo standard SL3 del "Sistema di rilevamento stradale collaborativo veicolo-strada" dell'Accademia di tecnologia dell'informazione e della comunicazione. Allo stesso tempo, ha anche la capacità di riciclare vecchie apparecchiature e supportare gli aggiornamenti del sistema basati su apparecchiature informatiche esistenti lungo la strada, riducendo notevolmente i costi di costruzione e lo spreco di risorse. Inoltre, i ricchi scenari applicativi gli consentono di coprire completamente diverse aree come strade urbane aperte, autostrade e parchi e di adattarsi a vari ambienti di traffico complessi. Inoltre, è completamente adattato al sistema integrato veicolo-strada-cloud e ha la capacità di connettersi allo standard di comunicazione strada-cloud della piattaforma di base di controllo cloud, garantendo una trasmissione senza interruzioni e un'elaborazione efficiente dei dati.

Essendo il nucleo intelligente della strategia cloud di Mushroom per auto connesse e strade, la sua innovazione non risiede solo nell'integrazione e nell'ottimizzazione del livello hardware, ma anche nell'applicazione approfondita e nell'innovazione degli algoritmi AI:

Modello di percezione ad alta precisione:Il modello di percezione integrato con algoritmi di deep learning può identificare con precisione i vari partecipanti al traffico, inclusi pedoni, veicoli non a motore e vari tipi di veicoli, e può mantenere un'elevata precisione anche in ambienti complessi e condizioni meteorologiche estreme.

Algoritmo di previsione in tempo reale:Il modello di previsione che integra l’analisi della sequenza spaziotemporale e l’apprendimento profondo per rinforzo può non solo prevedere con precisione le tendenze del flusso di traffico, ma anche fornire avvisi in tempo reale per eventi di traffico (come incidenti e congestione), fornendo una base per la gestione preventiva.

Algoritmo di ottimizzazione delle decisioni:L'ottimizzazione avanzata delle operazioni e gli algoritmi di apprendimento automatico vengono utilizzati per ottimizzare dinamicamente il controllo dei segnali stradali, l'allocazione delle risorse della rete stradale, ecc. per garantire la massima fluidità del traffico riducendo al contempo le emissioni di carbonio e il consumo di energia.

Dal punto di vista dell'architettura del prodotto, il sistema MRS comprende 5 moduli: sistema operativo Zhidao, motore di percezione della fusione dei bordi stradali, motore di elaborazione dei bordi stradali, dati di supporto e interfaccia di condivisione dei dati. Ciascun modulo assume funzioni importanti.

Come funzionalità sottostante di MRS, il sistema operativo Zhidao include il livello del kernel, il livello di astrazione dell'hardware e i servizi di interfaccia standard di accesso ai dati. Il livello del kernel è il livello funzionale più elementare che interagisce con l'hardware sottostante e supporta multitasking e multielaborazione, gestione della memoria, supporto dei driver hardware e funzioni di sicurezza. Il livello di astrazione hardware implementa un'interfaccia hardware unificata per i dispositivi di rilevamento lungo la strada e può elaborare in modo uniforme i dati strutturati generati da telecamere, radar a onde millimetriche, lidar e altri dispositivi. Il servizio di interfaccia standard di accesso ai dati copre lo stato operativo in tempo reale del veicolo e la raccolta dei dati di percezione, la raccolta dei dati delle apparecchiature di rilevamento a bordo strada, la raccolta dei dati sulle strutture del traffico, ecc., fornendo una ricca fonte di dati per la successiva elaborazione e analisi.

Il motore di rilevamento della fusione dei bordi stradali può eseguire l'identificazione dell'algoritmo, l'analisi della fusione e l'elaborazione dei dati di rilevamento originali o dei dati strutturati delle strutture di rilevamento dei bordi stradali per ottenere informazioni sui risultati del rilevamento con maggiore precisione. Può realizzare funzioni di identificazione, rilevamento e posizionamento dei partecipanti al traffico come veicoli a motore, veicoli non a motore e pedoni e fornire informazioni caratteristiche tra cui tipo di partecipante al traffico, velocità, posizione, direzione di movimento e altre caratteristiche.

Il motore di edge computing stradale è uno dei nuclei del sistema MRS. Può ricevere dati da dispositivi di rilevamento lungo la strada e motori di rilevamento edge fusion in tempo reale ed eseguire elaborazioni e analisi ad alta velocità per ottenere eventi, flussi di traffico e altri dati ad alta precisione per supportare il processo decisionale e il controllo dei sistemi di trasporto intelligenti.

In termini di rilevamento degli eventi del traffico, può realizzare il rilevamento automatico, i promemoria degli allarmi e la registrazione dei processi di ingorghi, incidenti stradali, parcheggi anomali, guida retrograda, cambi di corsia illegali, pedoni che passano con il semaforo rosso, lanciano oggetti e altri eventi. Ad esempio, quando viene rilevato un evento retrogrado, è possibile inviare un avviso tempestivo al veicolo principale in tempo; quando viene rilevato un evento di occupazione della strada in corso, è possibile inviare un avviso al veicolo per evitare ingorghi e incidenti;

In termini di rilevamento del flusso di traffico, è in grado di rilevare con precisione il flusso di traffico, la velocità media del veicolo, il tempo di occupazione, la lunghezza della coda e altre informazioni e supportare il completamento delle statistiche sulle informazioni sul flusso di traffico in base alle corsie. Questi dati sono di grande importanza per ottimizzare il controllo della segnaletica stradale e allocare razionalmente le risorse stradali.

Inoltre, il motore di edge computing stradale ha anche una funzione di videosorveglianza su tutta l'area, supporta più standard di codifica video e può visualizzare immagini video in tempo reale e cogliere le condizioni stradali in modo tempestivo. Allo stesso tempo, può ottenere lo stato delle luci di segnalazione e fornire informazioni precise sul traffico per i veicoli. Inoltre, attraverso il monitoraggio dell'hardware in tempo reale, lo stato dell'hardware, comprese prestazioni, temperatura, tensione e altre informazioni, può essere monitorato in tempo reale per garantire il funzionamento stabile del sistema.

I dati di supporto provengono principalmente da strutture di trasporto e altre infrastrutture, compresi dati di monitoraggio dello stato delle infrastrutture, dati sui semafori e dati di monitoraggio dell'ambiente meteorologico del traffico. Questi dati forniscono al motore di calcolo una base per il processo decisionale, consentendogli di produrre risultati di calcolo più accurati. L'interfaccia di condivisione dei dati viene utilizzata per garantire l'interazione standardizzata dei dati tra MRS e l'infrastruttura stradale intelligente e le piattaforme di base di controllo cloud. Fornisce conversione dei dati standardizzati e output del servizio sotto forma di un'interfaccia comune per supportare la guida remota, la guida assistita e gli avvisi di sicurezza , ecc. applicazione.

L’importanza del sistema MRS non si riflette solo nelle sue potenti funzioni e nell’accurata analisi dei dati, ma anche nel significativo miglioramento dell’efficienza del dispacciamento del traffico, simile ai sistemi di dispacciamento della ferrovia ad alta velocità e dell’aviazione civile. Attraverso una programmazione precisa, la ferrovia ad alta velocità consente ai treni di circolare in modo efficiente su linee complesse e di arrivare in ogni stazione in tempo; l'aviazione civile utilizza sistemi avanzati di gestione del traffico aereo per garantire un decollo e un atterraggio ordinati degli aeromobili in volo e in aeroporto, evitando il volo ritardi. Il sistema MRS nella rete cloud auto-strada è come il nucleo di dispacciamento della ferrovia ad alta velocità e dell'aviazione civile. Può gestire in modo preciso il flusso del traffico in città e massimizzare l'utilizzo delle risorse stradali.

Con il continuo progresso della tecnologia, le prospettive di sviluppo dei sistemi MRS sono estremamente ampie. Non si limiterà solo alle sue funzioni attuali, ma collegherà anche più dispositivi intelligenti, come lampioni intelligenti, veicoli igienico-sanitari intelligenti, veicoli logistici intelligenti, droni, robot, ecc., per costruire congiuntamente un ecosistema di città intelligente più completo. Ad esempio, i lampioni intelligenti possono regolare automaticamente la luminosità e la portata dell'illuminazione in base al flusso del traffico in tempo reale e alle condizioni di illuminazione ambientale e possono anche cooperare con il sistema MRS per monitorare le condizioni stradali e le informazioni di feedback sui veicoli igienico-sanitari intelligenti in grado di pianificare in modo efficiente i percorsi di pulizia; la guida del sistema MRS e in base alle diverse aree Regola la frequenza e l'intensità della pulizia in base alla situazione e trasmette lo stato della raccolta dei rifiuti in tempo reale I veicoli logistici intelligenti combinati con il sistema MRS possono ottenere una distribuzione del carico più accurata, pianificare in modo ottimale; percorsi di trasporto e monitorare lo stato di merci e veicoli; i droni possono essere controllati dal sistema MRS. Può eseguire missioni di pattugliamento aereo, rilevare le condizioni stradali e inviare immagini e può anche fornire rifornimenti di emergenza in circostanze speciali una migliore guida del servizio nei luoghi pubblici attraverso il sistema MRS o cooperare in fabbriche e magazzini per ottenere un'efficiente movimentazione e stoccaggio delle merci.

A livello globale, diverse aziende tecnologiche stanno esplorando soluzioni tecnologiche simili. In futuro, Starlink di Musk prevede di connettere Tesla, robot Optimus Prime, droni e altre apparecchiature. Al contrario, la “soluzione cinese” dell’integrazione veicolo-strada-cloud presenta evidenti vantaggi.

La rete integrata veicolo-strada-cloud è superiore a Starlink in termini di ritardo su strada, precisione di percezione e sicurezza. Il sistema MRS è implementato ai margini della strada e può trasmettere ed elaborare dati a distanza ravvicinata, riducendo i ritardi e garantendo decisioni sul traffico tempestive e accurate. Starlink si basa sulle comunicazioni satellitari ed è suscettibile ai ritardi di interferenza negli ambienti urbani, influenzando gli effetti dell'applicazione. attraverso una varietà di dispositivi di rilevamento lungo la strada lavorano insieme per rilevare informazioni dettagliate con elevata precisione, fornendo un supporto dati accurato per la gestione del traffico. Starlink è debole nel catturare cambiamenti sottili sul terreno e informazioni precise a causa della sua lunga distanza, il sistema MRS utilizza l'elaborazione localizzata e la tecnologia di crittografia per garantire la sicurezza dei dati sul traffico. Le comunicazioni satellitari Starlink affrontano maggiori rischi per la sicurezza a fronte di attacchi informatici, che potrebbero compromettere seriamente il sistema di trasporto.

In breve, la “soluzione cinese” di integrazione veicolo-strada-cloud è senza dubbio la scelta migliore per realizzare un trasporto urbano intelligente. Il mondo fisico connesso dalla rete Chelu Cloud guiderà anche l’aggiornamento delle città intelligenti in città intelligenti.