новости

В условиях быстрого развития науки и техники концепция развития городов меняется от «умных» городов к «умным» городам. Однако эти две концепции не просто прогрессивны, но имеют существенные различия по смыслу и методам реализации.

Умные города фокусируются на использовании информационных технологий для цифровой трансформации всех аспектов города, таких как представление и управление городской инфраструктурой, общественными услугами и т. д. в цифровой форме. Умные города будут получать информацию в режиме реального времени с помощью возможностей больших моделей искусственного интеллекта и других передовых информационных технологий, что сделает физические системы «интеллектуальными».

В сфере транспорта большинство текущих усилий по цифровизации лишь преобразуют физические формы транспорта в цифровые, но не могут эффективно решить две ключевые проблемы эффективности и безопасности перевозок. Пробки на дорогах по-прежнему случаются часто, и тень дорожно-транспортных происшествий никуда не делась.

До тех пор, пока масштабное развитие интеграции транспортных средств, дорог и облаков и объявление списка пилотных городов-приложений не принесут нам новый рассвет. Построение облачной сети «автомобиль-дорога» действительно реализует органическое соединение облака (центральное облако, региональное облако), периферии (периферийная вычислительная система) и конца (интеллектуальные подключенные транспортные средства, интеллектуальная придорожная инфраструктура), обеспечивая новый образ мышления для решение транспортных проблем и методы.

В этой архитектуре используется передовая сенсорная технология для получения информации о состоянии транспортных средств и дорог в режиме реального времени; мощные возможности прогнозирования используются для заблаговременного прогнозирования изменений транспортного потока и возможных проблем на основе точных механизмов принятия решений, управления сигналами светофора и регулировки; Маршрут транспортного средства. В сочетании с большими моделями искусственного интеллекта весь процесс сбора данных, аннотирования, моделирования, обучения, тестирования, генерации и облачных приложений становится интеллектуальным. Центральное облако похоже на умный мозг, контролирующее рабочее состояние всего города и транспорта, реализующее серьезные изменения в городской интеллектуальной производительности и, похоже, положило начало закону Мура об умных городах.

В прошлом управление городским хозяйством и модернизация инфраструктуры часто представляли собой циклические и крупномасштабные инвестиции, но результаты были неудовлетворительными, а повышение эффективности транспорта не достигло идеального уровня. Сегодня зрелость технологии интеграции транспортных средств, дорог и облаков полностью изменила эту ситуацию и открыла новую главу в развитии умных городов.

В этом процессе важна интеллектуальная дорожная инфраструктура, но есть еще одна ключевая роль, которую нельзя игнорировать, а именно придорожная вычислительная система (MRS), независимо разработанная Moguolian. В настоящее время MRS играет важную роль в соединении людей, транспортных средств и немоторизованных транспортных средств, закладывая прочную основу для создания более эффективной и безопасной транспортной среды.

Будучи ведущей компанией в области искусственного интеллекта, MOU всегда ориентирована на пользователя и стремится создавать сети искусственного интеллекта для транспорта и автомобилей. На основе интеграции транспортных средств, дорог и облачных технологий был сформирован набор зрелых технологических решений, которые можно внедрять, тиражировать и продвигать. В 2023 году Mogou AutoLink выпустила новейший пакет MOGO, охватывающий полный спектр продуктов для трех сторон автомобиля, дороги и облака: придорожная станция, MOGO AI Station, цифровая дорожная базовая станция AI, которая может быстро реализовывать в режиме реального времени оцифровка дорог; Mogou AutoLink создает несколько категорий, несколько моделей стандартизированных автономных транспортных средств, все модели в стандартной комплектации оснащены функциями взаимодействия транспортных средств и дорог V2X, облачной платформой интеллектуального транспорта AI, которая может полностью расширить возможности уровня L0-L4; интеллектуальные подключенные транспортные средства, повышают безопасность и эффективность дорожного движения, а также оптимизируют управление дорожным движением. Оцифровку дорог можно быстро реализовать на шоссе, в городских сценах и в живописных парках.

Недавно, после испытаний и отчетов, опубликованных China Automobile (Пекин) Intelligent Connected Vehicle Research Institute Co., Ltd. (именуемой «China Automobile Connect»), цифровая дорожная базовая станция Mushroom AutoLink AI и ее система (MRS) достигли Требования Академии информационных и коммуникационных технологий «Методы и стандарты испытаний системы бокового зондирования для совместной работы транспортных средств и дорог (проект для утверждения)». Результаты испытаний показывают, что цифровая дорожная базовая станция с искусственным интеллектом Moguolian может обеспечить охват обнаружения, точность времени обнаружения системы и задержку обнаружения, которые соответствуют стандарту SL3 или превосходят его. В то же время точность позиционирования, угла курса и точности определения размера достигли ведущего в отрасли уровня. За годы разработки технологий и накопления опыта Moguolian сформировал полный набор интегрированных решений для автомобилей, дорог и облачных технологий, которые можно внедрять, копировать и продвигать. Он объединяет большие данные о трафике из трех терминалов Chelu Cloud для создания облака. Большая модель искусственного интеллекта для достижения целей: от восприятия до познания, совместного принятия решений, моделирования и обучения моделей с использованием придорожных данных — автономное вождение поддерживает широкомасштабное внедрение более разумного и безопасного автономного вождения.

В настоящее время оно реализовано на открытых дорогах, автомагистралях, парках, живописных местах, аэропортах и ​​других местах в Пекине, Шэньчжэне, Хунани, Юньнани, Хубэе, Сычуани, Ляонине, Шаньдуне, Тяньцзине и других городах.

Независимо разработанная ею система MRS, являющаяся основной вычислительной частью придорожной инфраструктуры в интегрированной системе «автомобиль-дорога-облако», представляет собой придорожную вычислительную систему, которая специально обслуживает интегрированный бизнес «автомобиль-дорога-облако». Основываясь на исходных данных зондирования или структурированных данных придорожного сенсорного оборудования, благодаря высокопроизводительной обработке данных в реальном времени, объединению датчиков, расчетам и анализу, он может предоставлять динамические данные зондирования дорожного движения в реальном времени для базовой платформы облачного управления и подключенных устройств. транспортные средства.

Он обладает высокоточными интегрированными сенсорными и вычислительными возможностями, а все индикаторы соответствуют стандарту SL3 «Системы совместного придорожного зондирования транспортных средств и дорог» Академии информационных и коммуникационных технологий. В то же время он также имеет возможность перерабатывать старое оборудование и поддерживать модернизацию систем на основе существующего придорожного компьютерного оборудования, что значительно снижает затраты на строительство и потери ресурсов. Кроме того, богатые сценарии применения позволяют ему полностью охватывать различные области, такие как городские открытые дороги, шоссе и парки, и адаптироваться к различным сложным дорожным условиям. Более того, он полностью адаптирован к интегрированной системе «автомобиль-дорога-облако» и имеет возможность подключения к стандарту связи «дорога-облако» базовой платформы облачного управления, обеспечивая бесперебойную передачу и эффективную обработку данных.

Будучи интеллектуальным ядром облачной стратегии Mushroom в области подключенных автомобилей и дорог, ее инновации заключаются не только в интеграции и оптимизации аппаратного уровня, но также в углубленном применении и инновациях алгоритмов искусственного интеллекта:

Высокоточная модель восприятия:Модель восприятия, интегрированная с алгоритмами глубокого обучения, позволяет точно идентифицировать различных участников дорожного движения, включая пешеходов, безмоторные транспортные средства и различные типы транспортных средств, и может сохранять высокую точность даже в сложных условиях и экстремальных погодных условиях.

Алгоритм прогнозирования в реальном времени:Модель прогнозирования, объединяющая анализ пространственно-временных последовательностей и глубокое обучение с подкреплением, может не только точно прогнозировать тенденции транспортных потоков, но также предоставлять предупреждения в режиме реального времени о дорожных событиях (таких как аварии и заторы), обеспечивая основу для превентивного управления.

Алгоритм оптимизации решения:Передовые алгоритмы оптимизации операций и машинного обучения используются для динамической оптимизации управления сигналами светофора, распределения ресурсов дорожной сети и т. д., чтобы обеспечить максимальную плавность движения при одновременном снижении выбросов углекислого газа и потребления энергии.

С точки зрения архитектуры продукта, система MRS включает в себя 5 модулей: ОС Zhidao, механизм восприятия придорожных границ, механизм придорожных вычислений, вспомогательные данные и интерфейс обмена данными. Каждый модуль выполняет важные функции.

В качестве базовой возможности MRS ОС Zhidao включает в себя уровень ядра, уровень аппаратной абстракции и стандартные интерфейсные службы доступа к данным. Уровень ядра — это самый базовый функциональный уровень, который взаимодействует с базовым оборудованием и поддерживает многозадачность и многопроцессорность, управление памятью, поддержку драйверов оборудования и функции безопасности. Уровень аппаратной абстракции реализует унифицированный аппаратный интерфейс для придорожных датчиков и может единообразно обрабатывать структурированные данные, выводимые камерами, радарами миллиметрового диапазона, лидарами и другими устройствами. Стандартная служба интерфейса доступа к данным охватывает сбор данных о рабочем состоянии и восприятии транспортного средства в реальном времени, сбор данных придорожного сенсорного оборудования, сбор данных о дорожных объектах и ​​т. д., обеспечивая богатый источник данных для последующей обработки и анализа.

Механизм обнаружения слияния на обочине дороги может выполнять идентификацию алгоритма, анализ и обработку слияния исходных данных датчиков или структурированных данных придорожных датчиков для получения более точной информации о результатах измерения. Он может реализовывать функции идентификации, обнаружения и позиционирования участников дорожного движения, таких как автомобили, немоторные транспортные средства и пешеходы, а также выводить характеристическую информацию, включая тип участника дорожного движения, скорость, местоположение и направление движения.

Придорожный вычислительный механизм является одним из ядер системы MRS. Он может получать данные от придорожных сенсорных устройств и датчиков Edge Fusion в режиме реального времени, а также выполнять высокоскоростную обработку и анализ для получения высокоточных данных о событиях, транспортных потоках и других данных для поддержки принятия решений и управления интеллектуальными транспортными системами.

Что касается обнаружения дорожных событий, он может осуществлять автоматическое обнаружение, напоминания о тревогах и обрабатывать запись пробок, дорожно-транспортных происшествий, ненормальной парковки, движения задним ходом, незаконной смены полосы движения, пешеходов, проезжающих на красный свет, бросающих предметы и других событий. Например, при обнаружении ретроградного движения на основной автомобиль может быть своевременно отправлено раннее предупреждение; при обнаружении занятия на строительной дороге транспортному средству может быть предложено избегать пробок и аварий.

Что касается обнаружения транспортного потока, он может точно определять транспортный поток, среднюю скорость транспортного средства, занятость времени, длину очереди и другую информацию, а также поддерживать завершение статистики дорожного потока на основе полос движения. Эти данные имеют большое значение для оптимизации регулирования светофоров и рационального распределения дорожных ресурсов.

Кроме того, придорожный вычислительный механизм также имеет функцию видеонаблюдения по всей территории и поддерживает несколько стандартов кодирования видео. Он может просматривать видеоизображения в режиме реального времени и своевременно определять дорожные условия. В то же время он может получать статус светофора и предоставлять точную информацию о дорожном движении для транспортных средств. Кроме того, благодаря мониторингу оборудования в режиме реального времени можно отслеживать состояние оборудования, включая производительность, температуру, напряжение и другую информацию, чтобы обеспечить стабильную работу системы.

Вспомогательные данные в основном поступают от транспортных средств и другой инфраструктуры, включая данные мониторинга состояния инфраструктуры, данные светофоров и данные мониторинга метеорологической среды движения. Эти данные предоставляют вычислительной машине основу для принятия решений, позволяя ей выдавать более точные результаты вычислений. Интерфейс обмена данными используется для обеспечения стандартизированного взаимодействия данных между MRS и интеллектуальной придорожной инфраструктурой и базовыми платформами облачного управления. Он обеспечивает стандартизированное преобразование данных и вывод услуг в виде общего интерфейса для поддержки дистанционного вождения, помощи при вождении, предупреждений о безопасности. и т.п. приложение.

Важность системы MRS выражается не только в ее мощных функциях и точном анализе данных, но и в значительном повышении эффективности диспетчеризации движения, аналогично системам диспетчеризации высокоскоростного железнодорожного транспорта и гражданской авиации. Благодаря точному расписанию высокоскоростная железная дорога позволяет поездам эффективно курсировать по сложным линиям и прибывать на каждую станцию ​​вовремя; гражданская авиация использует передовые системы управления воздушным движением, чтобы обеспечить упорядоченный взлет и посадку самолетов в воздухе и в аэропорту, избегая полетов; задержки. Система MRS в автомобильно-дорожной облачной сети подобна диспетчерскому ядру высокоскоростной железной дороги и гражданской авиации. Она может осуществлять точное управление транспортным потоком в городе и максимально эффективно использовать дорожные ресурсы.

Благодаря постоянному развитию технологий перспективы развития систем MRS чрезвычайно широки. Он не только будет ограничен своими текущими функциями, но также будет подключать больше интеллектуальных устройств, таких как интеллектуальные уличные фонари, интеллектуальные санитарные транспортные средства, интеллектуальные логистические транспортные средства, дроны, роботы и т. д., чтобы совместно построить более полную экосистему умного города. Например, интеллектуальные уличные фонари могут автоматически регулировать яркость и дальность освещения в зависимости от дорожного потока в реальном времени и условий окружающего освещения, а также могут взаимодействовать с системой MRS для мониторинга дорожных условий и обратной связи. Интеллектуальные санитарные транспортные средства могут эффективно планировать маршруты уборки; управление системой MRS и в зависимости от различных областей. Регулируйте частоту и интенсивность уборки в зависимости от ситуации и передавайте статус сбора мусора в режиме реального времени. Интеллектуальные логистические транспортные средства в сочетании с системой MRS могут обеспечить более точное распределение грузов и оптимальное планирование; маршруты транспортировки и контролировать состояние товаров и транспортных средств; дроны могут управляться системой MRS. Он может выполнять задачи воздушного патрулирования, определять дорожные условия и отправлять обратно изображения, а также может доставлять предметы первой необходимости в особых обстоятельствах. улучшить руководство обслуживанием в общественных местах через систему MRS или сотрудничать на заводах и складах для достижения эффективной обработки и хранения грузов.

Во всем мире различные технологические компании изучают схожие технологические решения. В будущем Starlink Маска планирует соединить роботов Tesla, Optimus Prime, дроны и другое оборудование. Напротив, «китайское решение» интеграции транспортных средств, дорог и облаков имеет очевидные преимущества.

Интегрированная сеть «автомобиль-дорога-облако» превосходит Starlink с точки зрения задержки на дороге, точности восприятия и безопасности. Система MRS развернута на краю дороги и может передавать и обрабатывать данные на близком расстоянии, уменьшать задержки и обеспечивать своевременные и точные решения о дорожном движении. Starlink полагается на спутниковую связь и чувствительна к задержкам из-за помех в городских условиях, что влияет на применение. эффекты; различные придорожные сенсорные устройства работают вместе, чтобы воспринимать подробную информацию с высокой точностью, обеспечивая точную поддержку данных для управления дорожным движением. локализованная технология обработки и шифрования для обеспечения безопасности данных спутниковой связи Starlink сталкивается с большими рисками безопасности перед лицом кибератак, которые могут серьезно повлиять на транспортную систему.

Короче говоря, «китайское решение» интеграции транспортных средств, дорог и облаков, несомненно, является лучшим выбором для реализации умного городского транспорта. Физический мир, соединенный сетью Chelu Cloud, также приведет к преобразованию умных городов в умные города.