<rp id="eazhn"></rp>
    <progress id="eazhn"><acronym id="eazhn"><thead id="eazhn"></thead></acronym></progress>

      1. <b id="eazhn"></b>

      2. <source id="eazhn"><track id="eazhn"><object id="eazhn"></object></track></source>

        資訊中心

        百度熊掌號

        吳柯維:AI+智慧交通的場景化應用

        2019-05-15 11:38:19來源:賽文交通網 閱讀量:21088

        導讀:智慧停車是近年來特別火爆的一個智慧交通場景應用,通過車牌識別的應用已經落地了無感支付,無人值守收費等典型的AI場景應用。
          如何精確捕捉到交通各參與主體的精細要素一直是智慧交通發展面臨的一大問題,北京卓視智通科技有限責任公司CEO吳柯維表示,AI場景化應用將顯著助力智慧交通的未來發展。
         
          吳柯維在第二屆(2019)中國人工智能+交通論壇上就人工智能與深度學習的歷史、未來AI發展的方向、以及AI如何賦能智慧交通應用落地做了詳細闡述。
         
          目前,卓視智通在AI與智慧交通的結合上進行了諸多創新,無論是城市道路交通,還是高速公路,識別內容由車輛延伸到行人、路況環境,都做了極大的投入并取得了一定的成果。
         
          以下為吳柯維演講的全部內容:
         
          大家好,我們卓視智通一直專注于車臉識別和交通大數據應用,并致力于人工智能在交通相關垂直行業場景應用。今天我的演講主題是:AI場景化應用,助力智慧交通落地。 因為在坐的很多并不是人工智能領域的科研人員,首先讓我們簡單回顧一下人工智能的發展歷史。
         
          人工智能的歷史
         
          我認為人工智能有兩個大的時間節點,第一節點:起源—1956年達特茅斯會議。第二節點:騰飛—近期深度學習的廣泛應用。
         
          2006年Geoffrey Hinton發表了一篇論文,提出了深度學習相關理論及訓練方法,當時并沒有受到特別大的關注。
         
          直到2012年,通過深度學習實現的圖像分類方法在ILSVRC圖像識別比賽上大放異彩,取得了遠超前一年冠軍的好成績,才讓深度學習技術受到Google,Facebook等大公司的關注和大規模投入。
         
          值得一提的是,ILSVRC圖像識別比賽所用到的ImageNet數據集是由華人女科學家李飛飛2007自主籌資發起的,可以說,正式由于這個數據集的建立,推動了深度學習技術從理論走向了應用。
         
          直到2016年,AlphaGo 事件,讓深度學習走向大眾視野。
         
          深度學習技術目前來說,貢獻最大的在計算機視覺和語音識別兩個領域,其中計算機視覺領域取得的進展最大,這也解釋了,為什么近年來AI技術廣泛應用于安防、交通等領域。
         
          那么深度學習為什么能取得令人驚艷的效果?深度學習讓計算機自動學習內在邏輯,而計算機機器學習終其一生,就是在求一個目標函數的最小值,最小化損失,這有點類似人類的思維模式。其內在邏輯遵循奧卡姆剃刀原則——最經濟的往往是最適用的。
         
          深度學習最大的貢獻之一,是認知能力的提升,但對于智慧交通系統而言,除了認知,還需要決策,因此AI真正能給智慧交通帶來全面改變,還有很長的路要走。深度學習目前對于計算機視覺改進最顯著的有兩個方面:
         
          第一:車臉識別。由車牌識別發展到車臉識別,并且是360度任意角度識別,識別內容包括車內外的可見的所有特征信息,這為智慧交通系統奠定了數據采集基礎。
         
          第二:人臉識別。LFW庫上人臉識別準確率超過99.8%,動態人臉識別獲廣泛應用。
         
          人工智能當前的發展階段
         
          由2018年8月公布的新興技術成熟度曲線Gartner可知,深度學習目前已經處于頂點位置。關于下一步如何發展?接下來是否會有更好的突破?等問題已經被提出。
         
          深度學習逐步進入到發展相對緩慢、技術迭代周期加長的階段,在這一階段中,許多的AI芯片和前端智能化產品逐步誕生,這也催生了邊緣計算概念的提出,在這個背景下,云+端將是新的趨勢,2019年也將是邊緣計算大爆發的一年。
         
          近年來,科學界和工業界開始意識到,深度學習已經不再是包治百病的靈丹妙藥,在這個大背景下,AI只有針對場景化的優化,各個擊破,才能真正解決問題。下面我從幾個典型的場景來一一闡述。
         
          AI+智能駕駛
         
          自動駕駛目前在智能交通領域被認為是最具潛力的應用方向之一,近年來受到資本的青睞。
         
          自動駕駛的愿景雖然美好,但現階段依然存在著很多問題,例如自動駕駛車輛也頻繁發生交通事故,很多自動駕駛的演示方案往往是一些路況條件特別好的道路,對于大角度的彎道或一些具有非視距障礙物的道路,往往很難有效處理。
         
          這一些的問題導致最近一年來,產業界對自動駕駛普遍持悲觀態度,認為其可能是未來二十年甚至更久才能實現的故事,美國現任總統川普前一陣甚至說未來五十年都不可能實現。
         
          但基于自動駕駛技術已經可以落地的輔助駕駛今年備受資本關注,原因是其可以更好的商業化落地。我個人比較看好輔助駕駛。
         
          目前我們也正在打造了一項短期內可服務于輔助駕駛,遠期可助力自動駕駛的技術——車路協同道路全息感知。
         
          我們通過道路路側的攝像機精準感知道路的路況、車輛以及行人等參與主體的位置、速度和方向,識別道路上的一些異常交通事件,落地車路感知技術。交通事件檢測系統在高速公路上目前已經大量投入使用,城市道路近年也在逐步開始應用,但僅限于異常交通事件的檢測和報警。
         
          通過路側攝像機將道路參與主體(人、車、非機動車)的狀態、速度、方向、位置等信息進行檢測,通過C-V2X或5G技術給周邊車輛進行超低延時的廣播,讓其知道自己所處的環境,這顯著提升了車載輔助駕駛系統和未來的自動駕駛車輛的環境感知能力,它相當于給每一輛車安裝了一個“天眼”,能夠站在高空俯視車輛周邊的道路和環境,類似于極品飛車里的“上帝視角”。
         
          可以想象,這種環境感知極大的彌補了輔助駕駛系統和自動駕駛車輛上車載傳感器無法解決前方遮擋、大角度彎道或坡道、檢測距離有限的非視距問題,隨著5G及V2X技術的廣泛應用,能夠產生極具價值的車聯網應用,例如高速公路上的團霧是目前高速公路交通事故特別是連環碰撞事故的主要原因之一,由于其發生距離短,往往只有幾百米半徑,傳統的高速公路氣象檢測系統不容易發現,即使發現也無法通知車輛。
         
          而對于基于視覺檢測和5G及V2X技術的車路協同感知系統來說,檢測相對容易。我們可以利用該技術將檢測到的團霧預警信息發送給500米以外的車輛,提醒車輛減速規避危險,可以有效規避團霧引發的連環追尾事件,減少人車傷亡損失。
         
          可以想象,未來路側車路協同視覺檢測單元,對于道路而言,將會變成一項必備的基礎設施,它會像道路兩側的照明燈一樣,將整個的道路狀況清晰的檢測出來,并通過5G等通信技術無延遲的投射到道路上的參與主體——車輛的“大腦”里,為輔助駕駛系統和自動駕駛車輛增加了一雙天眼,為道路車輛行駛保駕護航,未來沒有配置車路協同道路感知的道路好比是漆黑無燈的鄉村公路,汽車都得小心翼翼緩慢行駛,而配置了車輛協同道路感知的道路就好比是燈火通明的公路,汽車視野開闊可以快速通過。
         
          AI+智慧交管
         
          近年來,構建城市級“交通大腦”被認為是一項行之有效可落地的智慧交通解決方案。
         
          我們也正在通過車輛識別、行人識別和大數據來構建交通大腦,調動城市內的所有攝像頭對車輛和目標進行精確感知,最終將結果映射到地圖上,由此構建現實世界的虛擬數字鏡像。
         
          通過這個工作,可以實現車道級的車流統計與交通流仿真,道路參與主體人與車的跨鏡頭跟蹤,高效精準的道路事件應急處置方案,精準的道路路況感知與識別等。
         
          除此之外,對于車輛識別,我們將過去的7個字符的車牌識別擴充到了4000維度車輛特征識別。
         
          過去的道路監測系統只能拍攝到車輛的車牌號等簡單信息,通過AI技術,我們可以進行多維度識別并獲得車輛的詳細多維特征信息,例如車的品牌、年檢標志、車內飾、車身粘貼標志、車輛天窗行李架特征等、駕駛人、副駕駛的人臉信息等,對車輛多維特征信息的掌握,可以衍生出非常廣泛的殺手級AI應用,如套牌車假牌車識別、無牌車追蹤及軌跡檢測、無牌車違法處罰、遮擋號牌車輛分析研判、危化品車輛檢測預警等等,我們稱之為車臉識別技術。
         
          通過車輛多維特征識別,還可以識別車輛的收費類型和軸型、軸數、輪數,進而推算出載重。今年兩會中提到,要在2年內取消省界收費站,通過攝像頭實現自動化的收費類型識別,將顯著加速省界收費站取消的進程,這也是AI助力智慧交通的典型應用。
         
          AI+智慧停車
         
          智慧停車是近年來特別火爆的一個智慧交通場景應用,通過車牌識別的應用已經落地了無感支付,無人值守收費等典型的AI場景應用。
         
          我們利用車輛特征進行精準識別,可以實現無牌車、污損號牌車輛的進出場精準匹配和計費,并通過AI識別規避通過打印號牌或手機圖片開閘的惡意逃費。
         
          除此之外,我們還可以構建了一個AI無線視圖物聯識別感知平臺,通過PaaS將AI能力賦能給智慧停車行業,其中一個比較典型的案例就是,我們給南京某大型商業綜合體提供了入口車輛的精準識別畫像,通過精準識別入口車輛的品牌、價位、顏色,并將數據推送給商家,由商家實現精準化的營銷推送。
         
          車位余量統計一直是智慧停車領域一大痛點,由于沒有精準的車輛余位信息,因此區域的停車位誘導系統往往效果不佳體驗不好。
         
          目前我國尚沒有一個平臺能精確發布全國各地停車場剩余余量信息,主要是因為現有的車位檢測方式,地上主要依靠地磁,地下主要依靠車位識別攝像機和超聲波探測,其中地上檢測問題尤為突出,地磁用于停車場干擾較為嚴重,精度往往不能很好的滿足用戶要求。
         
          我們通過AI實現了車位占用狀態識別,通過一個或多個攝像機組合即可實現一個室外停車場的車位余量實時檢測,成本低,施工簡單,精度高。
         
          通過4G無線圖傳,通過PaaS云平臺云服務的識別方式,采用極低成本實現智慧停車的監測,目前已經在全國多省市停車場應用,這也是一個非常典型的AIot應用和AI智慧交通的場景化應用。
         
          AI+智慧民航
         
          AI技術除了在道路交通上廣泛應用,在民航領域也能場景化落地。我們在國內某大型國際機場,通過AI實現了飛機泊位占用與停機坪檢測,便于機場管理方進行飛機停靠的精準檢測與識別。
         
          除此之外,我們今年還打造了一款基于無人機的違規停車及占用車道違法抓拍系統,通過接入無人機的視頻圖像,通過AI實現違法停車抓拍及應急車道、公交車道違法抓拍。
         
          這些都是AI在智慧民航領域的典型場景化應用。
         
          AI+公共交通
         
          AI技術還可在公共交通領域進行場景化落地。我們通過對軌道交通和公交場站環境下行人的姿態關鍵點捕捉,可以在大客流及密集人群的情況下,監測人群密度、斷面流量及乘客異常行為。
         
          在旅游景區及普通山路,對行人進行分析并進行道路預警。此外還可以在公交場站進行人數統計及排隊長度的統計,將信息發送給公交公司支持其進行精細化的公交調度。
         
          展望未來
         
          盡管近年來因為深度學習技術的應用,人工智能與計算機視覺領域取得了巨大的進展,但目前AI技術還不夠成熟,很多場景下還無法實現100%或99.9%以上精度的識別,因而在很多地方,還不能完全滿足應用的需求,因而需要針對場景,各個擊破,把每個場景做到真正可用,這也是本次演講的主題,AI場景化應用助力智慧交通。
         
          當一個技術還不能完全解決應用的需求時,就意味著存在巨大的商業機會。我們的生活中還有太多不夠智能的地方,AI的水平離大眾想象的還差的很遠,因而機會巨大,特別是在智慧交通領域。
         
          我國經過近四十年的高速發展,“衣食住行”中前三個基本解決,但行依然面臨著很多問題,這需要無數AI與智慧交通領域同仁的共同奮斗。
         
          我們將繼續堅持,不忘初心,精耕行業,致力做到讓機器看懂世界,賦能生產與生活!通過AI技術,讓交通更便捷更安全,為城市智慧交通貢獻一份力量!
         
          (原標題:吳柯維:AI+智慧交通的場景化應用)

        我要評論

        所有評論僅代表網友意見,與本站立場無關。

        相關新聞

        解鈴還須系鈴人,面對各種修圖亂象Adobe在行動 2019-06-17 14:57:52
        前不久,Adobe與加州大學伯克利分校的科學家合作分享了一項新的研究成果,他們編寫并訓練了一種AI算法,能夠利用機器學習來自動檢測面部圖像是否被修改。
        計算機視覺之花盛放 AI四小龍兀自笑春風 2019-06-17 08:41:21
        AI技術主要包括大數據、計算機視覺、語音識別、自然語言處理、機器學習五大部分。其中,計算機視覺已在政務民生、安防監控、金融服務、移動互聯網、手機等行業落地,“雪亮工程”、“智慧城市”等項目的部署成為催化劑。
        你的聲音堪比DNA,在AI加持下妙用無限! 2019-06-10 14:36:42
        最近,一項由美國麻省理工學院給出的研究表明,經過訓練的AI不僅能從聲音中獲取人們的性別、種族、年齡等信息,甚至連你長什么樣它都能聽出來!

        版權與免責聲明:凡本網注明“來源:智能制造網”的所有作品,均為浙江興旺寶明通網絡有限公司-智能制造網合法擁有版權或有權使用的作品,未經本網授權不得轉載、摘編或利用其它方式使用上述作品。已經本網授權使用作品的,應在授權范圍內使用,并注明“來源:智能制造網”。違反上述聲明者,本網將追究其相關法律責任。

        本網轉載并注明自其它來源(非智能制造網)的作品,目的在于傳遞更多信息,并不代表本網贊同其觀點或和對其真實性負責,不承擔此類作品侵權行為的直接責任及連帶責任。其他媒體、網站或個人從本網轉載時,必須保留本網注明的作品第一來源,并自負版權等法律責任。

        如涉及作品內容、版權等問題,請在作品發表之日起一周內與本網聯系,否則視為放棄相關權利。

        不想錯過最新資訊?

        下載智能制造APP

        一鍵篩選來訂閱

        信息更精準

        圖說智能 更多


        關于我們|本站服務|會員服務|商站通服務|旗下網站|友情鏈接|誠聘英才|意見反饋|熱詞搜索|頻道

        智能制造網 - 工業4.0時代智能制造領域“互聯網+”服務平臺

        Copyright 2019 gkzhan.comAll Rights Reserved法律顧問:浙江天冊律師事務所 賈熙明律師

        客服熱線:0571-87756395采購熱線:0571-87759926媒體合作:0571-89719789

        客服部:采購部:編輯部:展會合作:市場一組:市場二組:

        2019廣東工博會
        關閉


        關閉
        天天干妹妹,日光月美论坛新地址,电影视频在线观看,天天鲁在线视频