notícias

Com o rápido desenvolvimento da ciência e da tecnologia, o conceito de desenvolvimento das cidades está evoluindo de cidades inteligentes para cidades inteligentes. No entanto, estes dois conceitos não são simplesmente progressivos, mas apresentam diferenças significativas na conotação e nos métodos de implementação.

As cidades inteligentes concentram-se na utilização da tecnologia da informação para transformar digitalmente todos os aspectos da cidade, tais como apresentar e gerir a infra-estrutura da cidade, serviços públicos, etc. As cidades inteligentes obterão informações em tempo real por meio de grandes capacidades de modelos de IA e outras tecnologias de informação avançadas, tornando os sistemas físicos “inteligentes”.

No domínio dos transportes, a maioria dos actuais esforços de digitalização apenas transformam formas de transporte físico em formas digitais, mas não conseguem resolver eficazmente as duas questões principais da eficiência e segurança dos transportes. Os engarrafamentos ainda ocorrem com frequência e a sombra dos acidentes de trânsito nunca desapareceu.

Até que o desenvolvimento em larga escala da integração veículo-estrada-nuvem e o anúncio da lista de cidades piloto de aplicação nos trouxeram um novo amanhecer. A construção da rede de nuvem carro-estrada realmente realiza a conexão orgânica da nuvem (nuvem central, nuvem regional) borda (sistema de computação de ponta) fim (veículos conectados inteligentes, infraestrutura rodoviária inteligente), fornecendo uma nova maneira de pensar para resolver problemas e métodos de tráfego.

Nesta arquitetura, tecnologia de detecção avançada é usada para obter informações sobre o status do veículo e da estrada em tempo real; poderosos recursos de previsão são usados ​​para prever mudanças no fluxo de tráfego e possíveis problemas com base em mecanismos precisos de tomada de decisão, controle de sinais de trânsito, ajuste; percurso do veículo. Combinado com grandes modelos de IA, todo o processo de coleta de dados, anotação, modelagem, treinamento, teste, geração e aplicações em nuvem é inteligente. A nuvem central é como um cérebro inteligente, controlando o status de operação de toda a cidade e do transporte, realizando uma grande mudança na produtividade urbana inteligente, e parece ter iniciado a Lei de Moore das cidades inteligentes.

No passado, a gestão urbana e a melhoria das infra-estruturas eram frequentemente investimentos cíclicos e de grande escala, mas os resultados foram insatisfatórios e a melhoria da eficiência dos transportes não atingiu o nível ideal. Hoje, a maturidade da rota tecnológica de integração veículo-estrada-nuvem mudou completamente esta situação e abriu um novo capítulo para o desenvolvimento de cidades inteligentes.

Neste processo, a infraestrutura rodoviária inteligente é importante, mas há outro papel fundamental que não pode ser ignorado, que é o sistema de computação na borda da estrada (MRS) desenvolvido de forma independente por Moguolian. Atualmente, a MRS desempenha um papel importante na conexão de pessoas, veículos e veículos não motorizados, estabelecendo uma base sólida para alcançar um ambiente de transporte mais eficiente e seguro.

Como empresa líder em inteligência artificial, a MOU está sempre centrada no usuário e comprometida com a construção de redes de inteligência artificial para transportes e automóveis. Um conjunto de soluções tecnológicas maduras que podem ser implementadas, replicadas e promovidas foi formado em torno da integração de veículos, estradas e nuvem. Em 2023, Mogou AutoLink lançou o mais recente pacote MOGO, cobrindo uma gama completa de produtos nas três extremidades do carro, estrada e nuvem: extremidade da estrada, estação MOGO AI, uma estação base rodoviária digital AI, que pode realizar rapidamente em tempo real digitalização de estradas; extremidade do carro, Mogou AutoLink cria múltiplas categorias, vários modelos de veículos autônomos padronizados, todos os modelos são equipados com funções V2X de colaboração veículo-estrada como padrão, a nuvem, plataforma de nuvem de transporte inteligente de IA, pode capacitar totalmente o nível L0-L4; veículos conectados inteligentes, melhoram a segurança e a eficiência do tráfego e otimizam o gerenciamento do tráfego. A digitalização das estradas pode ser realizada rapidamente em cenas de rodovias, cenas urbanas e cenas de parques pitorescos.

Recentemente, após testes e relatórios emitidos pela China Automobile (Pequim) Intelligent Connected Vehicle Research Institute Co., Ltd. (referido como "China Automobile Connect"), a estação base rodoviária digital Mushroom AutoLink AI e seu sistema (MRS) alcançaram o requisitos dos mais altos requisitos dos métodos e padrões de teste do sistema de detecção lateral "Vehicle-Road Collaborative Road" da Academia de Tecnologia da Informação e Comunicação (Draft for Approval). Os resultados dos testes mostram que a estação base rodoviária digital AI da Moguolian pode alcançar cobertura de detecção, precisão do tempo de detecção do sistema e atraso de detecção que atendem ou excedem o padrão SL3. Ao mesmo tempo, a precisão de posicionamento, o ângulo de direção e a precisão de detecção de tamanho atingiram o nível líder do setor. Através de anos de desenvolvimento tecnológico e acumulação de experiência, Moguolian formou um conjunto completo de soluções integradas para automóveis, estradas e nuvem que podem ser implementadas, copiadas e promovidas. Combina o enorme tráfego de big data dos três terminais de Chelu Cloud para construir um. grande modelo de IA para alcançar Da percepção à cognição, tomada de decisão colaborativa e simulação habilitada por dados na estrada e treinamento de modelo, a direção autônoma apoia a implementação em larga escala de uma direção autônoma mais inteligente e segura.

Atualmente, foi implementado em estradas abertas, rodovias, parques, pontos turísticos, aeroportos e outras cenas em Pequim, Shenzhen, Hunan, Yunnan, Hubei, Sichuan, Liaoning, Shandong, Tianjin e outras cidades.

Seu sistema MRS desenvolvido de forma independente, como parte central da infraestrutura rodoviária no sistema integrado veículo-estrada-nuvem, é um sistema de computação rodoviária que atende especificamente ao negócio integrado veículo-estrada-nuvem. Com base nos dados de detecção originais ou dados estruturados de equipamentos de detecção de beira de estrada, por meio de processamento de dados em tempo real de alto desempenho, fusão de detecção, cálculo e análise, ele pode fornecer dados de detecção de tráfego dinâmico em tempo real para a plataforma básica de controle de nuvem e conectado veículos.

Possui recursos integrados de detecção e computação de alta precisão, e todos os indicadores atendem ao padrão SL3 do "Sistema Colaborativo de Detecção Rodoviária Veicular-Rodoviária" da Academia de Tecnologia da Informação e Comunicação. Ao mesmo tempo, também tem a capacidade de reciclar equipamentos antigos e apoiar atualizações de sistemas com base em equipamentos de computação existentes na estrada, reduzindo significativamente os custos de construção e o desperdício de recursos. Além disso, os ricos cenários de aplicação permitem cobrir totalmente diferentes áreas, como estradas urbanas abertas, rodovias e parques, e se adaptar a vários ambientes de tráfego complexos. Além disso, está totalmente adaptado ao sistema integrado veículo-estrada-nuvem e tem a capacidade de se conectar ao padrão de comunicação estrada-nuvem da plataforma básica de controle em nuvem, garantindo transmissão contínua e processamento eficiente de dados.

Como núcleo inteligente da estratégia de nuvem para carros e estradas conectadas da Mushroom, sua inovação reside não apenas na integração e otimização do nível de hardware, mas também na aplicação e inovação aprofundadas de algoritmos de IA:

Modelo de percepção de alta precisão:O modelo de percepção integrado com algoritmos de aprendizagem profunda pode identificar com precisão vários participantes do trânsito, incluindo pedestres, veículos não motorizados e vários tipos de veículos, e pode manter alta precisão mesmo em ambientes complexos e condições climáticas extremas.

Algoritmo de previsão em tempo real:O modelo de previsão que integra análise de sequência espaço-temporal e aprendizagem por reforço profundo pode não apenas prever com precisão as tendências do fluxo de tráfego, mas também fornecer avisos em tempo real para eventos de tráfego (como acidentes e congestionamentos), fornecendo uma base para o gerenciamento preventivo.

Algoritmo de otimização de decisão:A otimização avançada de operações e algoritmos de aprendizado de máquina são usados ​​para otimizar dinamicamente o controle dos sinais de trânsito, a alocação de recursos da rede rodoviária, etc., para garantir a máxima fluidez do tráfego e, ao mesmo tempo, reduzir as emissões de carbono e o consumo de energia.

Do ponto de vista da arquitetura do produto, o sistema MRS inclui 5 módulos: Zhidao OS, mecanismo de percepção de fusão na borda da estrada, mecanismo de computação na borda da estrada, dados de suporte e interface de compartilhamento de dados. Cada módulo assume funções importantes.

Como capacidade subjacente do MRS, o Zhidao OS inclui a camada de kernel, a camada de abstração de hardware e os serviços de interface padrão de acesso a dados. A camada kernel é a camada funcional mais básica que interage com o hardware subjacente e oferece suporte a multitarefa e multiprocessamento, gerenciamento de memória, suporte a driver de hardware e funções de segurança. A camada de abstração de hardware implementa uma interface de hardware unificada para dispositivos de detecção na estrada e pode processar uniformemente a saída de dados estruturados por câmeras, radar de ondas milimétricas, lidar e outros dispositivos. O serviço de interface padrão de acesso a dados cobre o status operacional do veículo em tempo real e coleta de dados de percepção, coleta de dados de equipamentos de detecção na estrada, coleta de dados de instalações de tráfego, etc., fornecendo uma rica fonte de dados para processamento e análise subsequentes.

O mecanismo de detecção de fusão na beira da estrada pode realizar identificação de algoritmo, análise de fusão e processamento nos dados de detecção originais ou dados estruturados de instalações de detecção na estrada para obter informações de resultados de detecção de maior precisão. Ele pode realizar as funções de identificação, detecção e posicionamento de participantes do trânsito, como veículos motorizados, veículos não motorizados e pedestres, e gerar informações características, incluindo tipo de participante do trânsito, velocidade, localização e direção do movimento.

O mecanismo de computação na beira da estrada é um dos núcleos do sistema MRS. Ele pode receber dados de dispositivos de detecção de beira de estrada e motores de detecção de fusão de borda em tempo real e realizar processamento e análise de alta velocidade para obter eventos de alta precisão, fluxo de tráfego e outros dados para apoiar a tomada de decisões e o controle de sistemas de transporte inteligentes.

Em termos de detecção de eventos de trânsito, ele pode realizar detecção automática, lembretes de alarme e registro de processos de engarrafamentos, acidentes de trânsito, estacionamento anormal, direção retrógrada, mudanças ilegais de faixa, pedestres ultrapassando sinais vermelhos, jogando objetos e outros eventos. Por exemplo, quando um evento retrógrado é detectado, um aviso antecipado pode ser enviado ao veículo principal a tempo; quando um evento de ocupação de uma estrada de construção é detectado, o veículo pode ser avisado para evitar engarrafamentos e acidentes;

Em termos de detecção de fluxo de tráfego, ele pode detectar com precisão o fluxo de tráfego, velocidade média do veículo, tempo de ocupação, comprimento da fila e outras informações, e apoiar a conclusão de estatísticas de informações de fluxo de tráfego com base nas faixas. Esses dados são de grande importância para otimizar o controle dos semáforos e alocar racionalmente os recursos rodoviários.

Além disso, o mecanismo de computação na beira da estrada também possui uma função de vigilância por vídeo em toda a área e suporta vários padrões de codificação de vídeo. Ele pode visualizar imagens de vídeo em tempo real e captar as condições da estrada em tempo hábil. Ao mesmo tempo, pode obter o status dos semáforos e fornecer informações precisas sobre o tráfego dos veículos. Além disso, através do monitoramento do hardware em tempo real, o status do hardware, incluindo desempenho, temperatura, tensão e outras informações, pode ser monitorado em tempo real para garantir a operação estável do sistema.

Os dados de apoio provêm principalmente de instalações de transporte e outras infra-estruturas, incluindo dados de monitorização do estado da infra-estrutura, dados de semáforos e dados de monitorização do ambiente meteorológico do tráfego. Esses dados fornecem ao mecanismo de cálculo uma base para a tomada de decisões, permitindo a produção de resultados de cálculo mais precisos. A interface de compartilhamento de dados é usada para garantir a interação padronizada de dados entre o MRS e a infraestrutura rodoviária inteligente e plataformas básicas de controle em nuvem. Ela fornece conversão de dados padronizada e saída de serviço na forma de uma interface comum para apoiar condução remota, direção assistida e aviso de segurança. , etc. aplicação.

A importância do sistema MRS não se reflecte apenas nas suas funções poderosas e na análise precisa dos dados, mas também na sua melhoria significativa na eficiência do despacho de tráfego, semelhante aos sistemas de despacho dos comboios de alta velocidade e da aviação civil. Através de uma programação precisa, o comboio de alta velocidade permite que os comboios circulem de forma eficiente em linhas complexas e cheguem a cada estação a tempo. A aviação civil utiliza sistemas avançados de gestão de tráfego aéreo para garantir a descolagem e aterragem ordenadas de aeronaves no ar e no aeroporto, evitando voos; atrasos. O sistema MRS na rede de nuvem automóvel-estrada é como o núcleo de despacho da ferrovia de alta velocidade e da aviação civil. Ele pode conduzir um gerenciamento preciso do fluxo de tráfego na cidade e maximizar a utilização dos recursos rodoviários.

Com o avanço contínuo da tecnologia, as perspectivas de desenvolvimento dos sistemas MRS são extremamente amplas. Não se limitará apenas às suas funções atuais, mas também conectará mais dispositivos inteligentes, como luzes de rua inteligentes, veículos de saneamento inteligentes, veículos de logística inteligentes, drones, robôs, etc., para construir conjuntamente um ecossistema de cidade inteligente mais completo. Por exemplo, as luzes de rua inteligentes podem ajustar automaticamente o brilho e a faixa de iluminação com base no fluxo de tráfego em tempo real e nas condições de iluminação ambiente, e também podem cooperar com o sistema MRS para monitorar as condições das estradas e os veículos de saneamento inteligentes podem planejar com eficiência as rotas de limpeza; a orientação do sistema MRS, e de acordo com as diferentes áreas Ajustar a frequência e intensidade da limpeza de acordo com a situação, e transmitir o status da coleta de lixo em tempo real, veículos logísticos inteligentes combinados com o sistema MRS podem alcançar uma distribuição de carga mais precisa, planejar de forma ideal; rotas de transporte e monitorar o status de mercadorias e veículos podem ser controlados pelo sistema MRS. Ele pode realizar missões de patrulha aérea, detectar condições de estradas e enviar imagens, e também pode entregar suprimentos de emergência em circunstâncias especiais. melhor orientação de serviço em locais públicos através do sistema MRS, ou cooperar em fábricas e armazéns para conseguir movimentação e armazenamento de carga eficientes.

Globalmente, diferentes empresas tecnológicas estão a explorar soluções tecnológicas semelhantes. No futuro, o Starlink de Musk planeja conectar robôs Tesla, Optimus Prime, drones e outros equipamentos. Em contraste, a "solução chinesa" de integração veículo-estrada-nuvem tem vantagens óbvias.

A rede integrada veículo-estrada-nuvem é superior ao Starlink em termos de atraso na estrada, precisão de percepção e segurança. O sistema MRS é implantado na beira da estrada, que pode transmitir e processar dados de perto, reduzir atrasos e garantir decisões de tráfego oportunas e precisas. O Starlink depende de comunicações por satélite e é suscetível a atrasos de interferência em ambientes urbanos, afetando a aplicação. efeitos; por meio de uma variedade de dispositivos de detecção na estrada, trabalham juntos para detectar informações detalhadas com alta precisão, fornecendo suporte de dados precisos para o gerenciamento de tráfego. O sistema MRS é fraco na captura de mudanças sutis no solo; tecnologia de processamento e criptografia localizada para garantir a segurança dos dados de tráfego. As comunicações por satélite Starlink enfrentam maiores riscos de segurança diante de ataques cibernéticos, que podem afetar seriamente o sistema de transporte.

Em suma, a "solução chinesa" de integração veículo-estrada-nuvem é, sem dúvida, a melhor escolha para a realização de transporte urbano inteligente. O mundo físico conectado pela rede Chelu Cloud também liderará a transformação de cidades inteligentes em cidades inteligentes.