热门标签 | HotTags
当前位置:  开发笔记 > 后端 > 正文

通途|车辆_智慧交通的待解谜题,中科视语在首届昇腾AI创新大赛交出金奖答案

篇首语:本文由编程笔记#小编为大家整理,主要介绍了智慧交通的待解谜题,中科视语在首届昇腾AI创新大赛交出金奖答案相关的知识,希望对你有一定的参考价值。

篇首语:本文由编程笔记#小编为大家整理,主要介绍了智慧交通的待解谜题,中科视语在首届昇腾AI创新大赛交出金奖答案相关的知识,希望对你有一定的参考价值。



近年来,在 “交通强国”“新基建”“综合立体交通网”等战略规划的推动下,我国智慧交通的发展取得了令人瞩目的成就。


不过,智慧交通领域的复杂度、碎片化程度相当高,还存在大量待解的难题和挑战,随着产业向纵深发展,这些场景也成为产学研各界关注的焦点之一。


中科院自动化所旗下的企业——中科视语,作为智慧交通领域成长型代表企业,就在智慧交通管控、公路技术状况评定这两大场景中,发现了一些尚存的挑战,比如:


低等级公路存在一些破碎、裂缝、拱起、坑洞等病害,以往要靠人工巡检来发现问题,再进行维修养护,这个过程很长、效率也比较低,大大影响了居民的出行体验。


一些违法车辆,会使用套牌、假牌、号牌遮挡等手段来躲避执法,传统的交通监测系统难以准确识别,只能依靠交警们人工蹲守缉查,工作十分艰苦。



日常的城市生活中,也存在大量交通隐患,比如黑车、道路积雪、高速逆行、摩托车不戴头盔、电动车违规行驶等等各种情况,有限的警力很难快速及时地处理,如果能在每一次交通危险事故之前就进行提醒,无疑能大大减少交通事故的发生,保障人们的出行安全……


中科视语基于昇腾AI基础软硬件平台,打造了“视语通途®智慧交通行业解决方案”,尝试解决智慧交通管控、公路技术状况评定场景中的现实挑战。这一方案,也在刚刚落下帷幕的2022昇腾AI创新大赛全国总决赛中,获得应用赛道的金奖。


我们聚焦这一创新,管中窥豹地探究一下,AI开发者和初创企业如何在昇腾AI的协助与使能下,成为智慧交通的解题人。



中科视语交出的创新答卷


那么,针对智慧交通管控、公路技术状况评定两大场景的现实问题,中科视语给出了怎样的解题思路呢?


以公路技术状况评定为例,要对公路病害进行及时、准确、高效的数据采集、分析研判,将原本依靠人工进行的“人治”,转变为用AI进行无人化采集、自动识别、精准分析的“数治”。


比如,依靠“视语通途®智慧交通行业解决方案”中的道路表观病害识别分析一体机,打造出轻量化采集装备,结合一体机上搭载的识别算法,就能够对高速、国省道、低等级农村公路的缺陷与病害实现毫米级精度的检测。在机场中,负责检修跑道的工作人员也不需要靠脚步一寸寸丈量,通过远程操控采集无人车,就能进行病害识别与定位,再辅助工人修补,可以快速完成道面维修养护。


在智慧交通管控场景中,“视语通途®智慧交通行业解决方案”则针对违法车辆跨省布控难、道路安全综合管控难度大、营运车辆综合行政执法等具体挑战,基于昇腾AI基础软硬件平台,结合自研的多元耦合神经网络、细粒度正则化模型压缩等技术,交出了别具优势的答卷。



针对识别难度大的套牌车、假牌车、污牌车等违法违规行为,中科视语基于数亿级车辆档案数据研发了车纹识别技术,海量场景数据积累与先进的AI算法相结合,能够有效减少光线、拍摄角度、图像背景及遮挡等对模型鲁棒性的影响,精准地识别出违法车辆。


车纹识别技术当前在集成指挥平台中得到了有效应用,为跨省违法车辆的缉查难题带来了行之有效的办法。比如,平台发现悬挂同一号牌的同品牌车辆在相近时段同时活动在山东、湖南、广东、贵州四省,经系统比对后发现这些同号牌车辆,局部特征差异很大,有较大的套牌风险。四省的交警部门结合该关键信息,快速开展跨省研判缉查,查处了六辆相同号牌的套牌车辆。


而针对日常交通综合管理中违规事件类别多、数量多、管理难度大的问题,“视语通途®智慧交通行业解决方案”通过软硬协同、边云融合等优势,通过端侧感知识别+云端平台分析决策,在每一次交通危险事件到来之前都及时提醒,避免事故发生。


具体来说,中科视语的边缘智能计算单元(MEC),具备多模态融合感知的能力,部署在诸多交通细分应用场景中,能够克服雾霾天、光线、雨雪等环境带来的干扰,对交通要素进行高效精准地感知和识别,更好地帮助工作人员进行证据采集和远程审核。


在感知基础上,视语通途®智慧交通平台集成了大量高性能的交通事件算法,比如路面积雪结冰、高速公路逆行、摩托车不戴头盔等等,可以及时主动进行分析研判,将事故隐患信息告知路面部门,并通过无人机巡航喊话、LED屏显等形式提前干预提醒,从而有效预防潜在风险。


此外,系统还可以对违规驾驶人进行精准告知,通过短信、电话、APP等多种渠道,提醒驾驶人注意交通安全,避免危险事故的发生。


相关大数据高效存储在视语通途®智慧交通平台上,指挥中心可以基于互联互通的大数据,进行更全面地统筹和调度,让警务安排更加高效。



软硬协同、边云融合的解决方案,对于营运车辆的综合执法也大有裨益。日常工作中,交通运输部门会遭遇大量营运车辆违法违规的情况,比如非法营运的“黑车”,正常营运车辆的违规上客、计价器打表异常、不按规定路线行驶,大型货车超速、超载、遮挡号牌等问题……这些情况都给普通人的出行安全和出行体验,带来了比较负面的影响,查处起来又费时费力、效率较低。


“视语通途®智慧交通行业解决方案”在这一垂直场景中,就将端侧计算与云端计算的优势充分结合,借助边缘计算能力,交管人员不在现场也可以完成及时准确的证据采集,大大提升了审核处置的效率。基于智慧交通平台,车辆信息查询、追踪、布控等工作,可以在云端完成智能分析研判,让现场执法更加高效准确。


目前,视语通途®智慧交通行业解决方案已经在许多城市落地应用。在2022昇腾AI创新大赛全国总决赛中,该方案也凭借技术领先性、方案落地能力、极高的华为兼容性适配能力等优势,从16个赛区的32支入围项目中脱颖而出,夺得应用赛道金奖。


昇腾AI使能 “金奖”闯关



中科视语的智慧交通行业解决方案,让人印象深刻,但这一优秀答案的诞生,实际上也遇到了不少考验。


中科视语的交通事业部副总经理赵旭告诉我们,智慧交通领域是高度碎片化、多元化的,比如仅仅一个车辆识别,就要进一步细分到型号识别、颜色识别、品牌识别、姿态识别、年检标志识别、司机违规行为识别……庞大而复杂的细分应用场景,对中科视语的研发交付综合效能,提出了较大的挑战。


另外,在数字化升级改造中,有的城市和乡镇对于成本比较敏感,所以AI软硬件必须解决“有用,但过贵”的问题,才能真正落地。


因此,中科视语选择昇腾AI作为合作伙伴,携手闯过了AI落地行业的难关。


首先,基于紫东.太初千亿参数预训练大模型及昇腾AI基础软硬件平台,解决了AI模型开发中的效率难题。将模型生产周期从原本的两个月缩短到两天,模型应用部署从原本需要3-5个人花一个月时间完成,到现在2人就可以在数天内完成,所需要的数据量也从千级样本减少到十级样本。


这不仅让中科视语的研发交付流水线效能,实现了“数量级的提升”,也有助于解决方案快速、高效地迭代升级,更好地服务于交通行业。


其次,针对行业应用AI的成本顾虑,中科视语结合昇腾AI基础软硬件平台,让所需要的研发资源、研发成本都呈“数量级下降”。



比如基于昇腾AI,边缘智能计算单元(MEC)在同等算力情况下,单位时间处理的数据体量是同类型产品的2倍。道路表观病害识别分析一体机上,采用Atlas 300I单卡分析速度达140公里/小时,应用算法模型推理提速,达到了同类型方案的1.8倍,满足了智慧交通产品的性能需求,硬件解决方案的综合成本优势明显。


此外,实际应用中要具有足够高的可靠性,保证高并发任务的实时稳定运行,减少无效计算,充分发挥出解决方案的技术优势。


中科视语充分发挥昇腾AI能力,基于CANN异构计算架构,实现模型的高效推理;并结合Profiling和Advisor工具,对神经网络的性能瓶颈进行排查分析和优化;使用MindX进行流程编排,优化业务处理效率;结合自研模型压缩技术,最终让视语通途®智慧交通解决方案能够围绕交通行业的痛点需求,实现精准感知、高效运算、快速检索等能力。


中科视语交通事业部总经理张淼表示:中科视语希望在产业痛点与AI技术之间架起一座桥梁,通过AI落地和应用去让整个交通出行更安全,提升人们的出行体验,一路畅通,一路坦途。


在昇腾AI的全方位使能下,中科视语也顺利闯过了AI创新的层层关卡,为智慧交通相关产品及解决方案的落地,铺设了一路坦途。



寻找AI时代需要的解题人


AI时代的人才需求量巨大,今天也有大量的企业、学校、培训机构在致力于AI人才的培养。为什么中科视语会选择本次大赛作为自我锻炼的一种方式?


团队坦言,参加比赛的原因之一是看中了昇腾AI基础软硬件平台的影响力,此外,希望通过同场竞技的方式,看清楚自身实力在行业当中的位置。


我们从中可以看到,昇腾AI的两方面特质,对开发者具有很强的吸引力:


一是全栈AI。昇腾AI基础软硬件平台包括了丰富的AI硬件和全栈AI软件能力,工具链覆盖AI开发的全流程,降低AI的应用开发门槛;基于昇腾AI可以打造体系化的场景解决方案,支撑特定场景需求。



二是全周期。开发者还需要一套完整的成长体系来获得锻炼,依托昇腾社区提供的“学-练-训-赛”全周期成长路径,不同阶段的人才都能够得到所需要的资源支持。以昇腾AI创新大赛为例,参赛队伍中既有中科视语这样实力强劲的专业团队,也有独立参赛的在校大学生,以及零基础的开发者。通过一场比赛来探索AI创新、拓宽视野、交流碰撞,被初创企业和开发者看作是一种非常有意义的锻炼。


从一场大赛中,我们可以看到:AI人才在成长,中科视语在智慧交通领域交出新的答卷;昇腾AI生态在壮大,将全国优秀的开发者及AI人才汇聚在一起,加速AI走向行业场景;智能中国在进化,产业智能化的种种谜题,都将在AI人才手中被一一破解。


这些画面,共同组成了一个值得期待的数智未来。



推荐阅读
  • 背景应用安全领域,各类攻击长久以来都危害着互联网上的应用,在web应用安全风险中,各类注入、跨站等攻击仍然占据着较前的位置。WAF(Web应用防火墙)正是为防御和阻断这类攻击而存在 ... [详细]
  • Android中高级面试必知必会,积累总结
    本文介绍了Android中高级面试的必知必会内容,并总结了相关经验。文章指出,如今的Android市场对开发人员的要求更高,需要更专业的人才。同时,文章还给出了针对Android岗位的职责和要求,并提供了简历突出的建议。 ... [详细]
  • 生成式对抗网络模型综述摘要生成式对抗网络模型(GAN)是基于深度学习的一种强大的生成模型,可以应用于计算机视觉、自然语言处理、半监督学习等重要领域。生成式对抗网络 ... [详细]
  • 图解redis的持久化存储机制RDB和AOF的原理和优缺点
    本文通过图解的方式介绍了redis的持久化存储机制RDB和AOF的原理和优缺点。RDB是将redis内存中的数据保存为快照文件,恢复速度较快但不支持拉链式快照。AOF是将操作日志保存到磁盘,实时存储数据但恢复速度较慢。文章详细分析了两种机制的优缺点,帮助读者更好地理解redis的持久化存储策略。 ... [详细]
  • 浏览器中的异常检测算法及其在深度学习中的应用
    本文介绍了在浏览器中进行异常检测的算法,包括统计学方法和机器学习方法,并探讨了异常检测在深度学习中的应用。异常检测在金融领域的信用卡欺诈、企业安全领域的非法入侵、IT运维中的设备维护时间点预测等方面具有广泛的应用。通过使用TensorFlow.js进行异常检测,可以实现对单变量和多变量异常的检测。统计学方法通过估计数据的分布概率来计算数据点的异常概率,而机器学习方法则通过训练数据来建立异常检测模型。 ... [详细]
  • 统一知识图谱学习和建议:更好地理解用户偏好
    本文介绍了一种将知识图谱纳入推荐系统的方法,以提高推荐的准确性和可解释性。与现有方法不同的是,本方法考虑了知识图谱的不完整性,并在知识图谱中传输关系信息,以更好地理解用户的偏好。通过大量实验,验证了本方法在推荐任务和知识图谱完成任务上的优势。 ... [详细]
  • 本文介绍了Python高级网络编程及TCP/IP协议簇的OSI七层模型。首先简单介绍了七层模型的各层及其封装解封装过程。然后讨论了程序开发中涉及到的网络通信内容,主要包括TCP协议、UDP协议和IPV4协议。最后还介绍了socket编程、聊天socket实现、远程执行命令、上传文件、socketserver及其源码分析等相关内容。 ... [详细]
  • 本文介绍了C#中生成随机数的三种方法,并分析了其中存在的问题。首先介绍了使用Random类生成随机数的默认方法,但在高并发情况下可能会出现重复的情况。接着通过循环生成了一系列随机数,进一步突显了这个问题。文章指出,随机数生成在任何编程语言中都是必备的功能,但Random类生成的随机数并不可靠。最后,提出了需要寻找其他可靠的随机数生成方法的建议。 ... [详细]
  • [译]技术公司十年经验的职场生涯回顾
    本文是一位在技术公司工作十年的职场人士对自己职业生涯的总结回顾。她的职业规划与众不同,令人深思又有趣。其中涉及到的内容有机器学习、创新创业以及引用了女性主义者在TED演讲中的部分讲义。文章表达了对职业生涯的愿望和希望,认为人类有能力不断改善自己。 ... [详细]
  • 解决Cydia数据库错误:could not open file /var/lib/dpkg/status 的方法
    本文介绍了解决iOS系统中Cydia数据库错误的方法。通过使用苹果电脑上的Impactor工具和NewTerm软件,以及ifunbox工具和终端命令,可以解决该问题。具体步骤包括下载所需工具、连接手机到电脑、安装NewTerm、下载ifunbox并注册Dropbox账号、下载并解压lib.zip文件、将lib文件夹拖入Books文件夹中,并将lib文件夹拷贝到/var/目录下。以上方法适用于已经越狱且出现Cydia数据库错误的iPhone手机。 ... [详细]
  • 本文介绍了南邮ctf-web的writeup,包括签到题和md5 collision。在CTF比赛和渗透测试中,可以通过查看源代码、代码注释、页面隐藏元素、超链接和HTTP响应头部来寻找flag或提示信息。利用PHP弱类型,可以发现md5('QNKCDZO')='0e830400451993494058024219903391'和md5('240610708')='0e462097431906509019562988736854'。 ... [详细]
  • 本文介绍了Redis中RDB文件和AOF文件的保存和还原机制。RDB文件用于保存和还原Redis服务器所有数据库中的键值对数据,SAVE命令和BGSAVE命令分别用于阻塞服务器和由子进程执行保存操作。同时执行SAVE命令和BGSAVE命令,以及同时执行两个BGSAVE命令都会产生竞争条件。服务器会保存所有用save选项设置的保存条件,当满足任意一个保存条件时,服务器会自动执行BGSAVE命令。此外,还介绍了RDB文件和AOF文件在操作方面的冲突以及同时执行大量磁盘写入操作的不良影响。 ... [详细]
  • 本文介绍了绕过WAF的XSS检测机制的方法,包括确定payload结构、测试和混淆。同时提出了一种构建XSS payload的方法,该payload与安全机制使用的正则表达式不匹配。通过清理用户输入、转义输出、使用文档对象模型(DOM)接收器和源、实施适当的跨域资源共享(CORS)策略和其他安全策略,可以有效阻止XSS漏洞。但是,WAF或自定义过滤器仍然被广泛使用来增加安全性。本文的方法可以绕过这种安全机制,构建与正则表达式不匹配的XSS payload。 ... [详细]
  • 本文介绍了H5游戏性能优化和调试技巧,包括从问题表象出发进行优化、排除外部问题导致的卡顿、帧率设定、减少drawcall的方法、UI优化和图集渲染等八个理念。对于游戏程序员来说,解决游戏性能问题是一个关键的任务,本文提供了一些有用的参考价值。摘要长度为183字。 ... [详细]
  • Windows7企业版怎样存储安全新功能详解
    本文介绍了电脑公司发布的GHOST WIN7 SP1 X64 通用特别版 V2019.12,软件大小为5.71 GB,支持简体中文,属于国产软件,免费使用。文章还提到了用户评分和软件分类为Win7系统,运行环境为Windows。同时,文章还介绍了平台检测结果,无插件,通过了360、腾讯、金山和瑞星的检测。此外,文章还提到了本地下载文件大小为5.71 GB,需要先下载高速下载器才能进行高速下载。最后,文章详细解释了Windows7企业版的存储安全新功能。 ... [详细]
author-avatar
糖糖6
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有