5G 和边缘AI处理交通管理问题
发布时间：2022-05-01 09:33:24 所属栏目：通讯 来源：互联网
导读：随着时间的推移，我们通勤的方式可能发生了改变，但交通管理的方式却没有改变。INRIX全球交通记分卡报告称，2018年，全球20个最拥堵的城市人均拥堵时间减少了164至210小时。城市车辆的指数增长是造成交通拥堵的核心原因。 改善公共交通是解决方案，但与此同
|
随着时间的推移，我们通勤的方式可能发生了改变，但交通管理的方式却没有改变。INRIX全球交通记分卡报告称，2018年，全球20个最拥堵的城市人均拥堵时间减少了164至210小时。城市车辆的指数增长是造成交通拥堵的核心原因。 改善公共交通是解决方案，但与此同时，我们也需要考虑如何提高交通管理的效率，以改善现场。交通管理部门曾尝试将被动管理转变为主动的交通管理，但一直受到网络速度和边缘处理能力的限制。5G和人工智能为交通管理提供了巨大的机遇。 当 5G 上路时 借助更密集和更复杂的道路网络、更新的技术和更大的数据，5G 将提供更大的可见性和对交通的控制。反过来，这将有助于更快地疏通交通网络，进一步减少堵塞，消除连锁效应，并使所有用户的道路更安全。借助 5G，边缘设备在通过 AI 分析服务器传输和处理大量数据方面将变得更加强大，这只会有利于流量管理。 它的速度比 4G 快 70 倍，它将提供对所有道路使用者——人和交通——的运动的综合可见性，从而实现更好的整体规划。借助大量传感器、摄像头甚至无人机，5G 将道路网络转变为一组微型云，每个云都可以相互通信，包括自动驾驶车辆。自动驾驶或自动驾驶车辆中的传感器产生的大量数据可以毫不费力地被 5G 容纳，从而实现车辆间和传感器间的通信。 这些车辆中的传感器将根据记录的观察结果收集关键信息，以做出决策和改变路线。来自芬兰 VTT 技术研究中心的自动驾驶汽车 Martti 已经过测试，可以提前检测结冰的路况以及在车辆间传输 3D 视图。 人工智能和智能交通灯 基于人工智能的红绿灯控制将对车辆活动产生重大影响，显着减少车辆行驶中的冲突并增加道路网络容量。有效交通管理的集成设置将涉及自适应交通灯系统、边缘系统和后端监控系统。使用 IP 摄像头捕获的视频被中继到基于边缘的 AI 系统，该系统在将数据发送给后端监控之前分析数据。预训练的深度学习模型将处理后的信息实时发送回自适应交通信号灯，以创造交通流畅性。 通过红绿灯实时适应不断变化的交通，道路上的运动可以通过红绿灯定时来控制，红绿灯定时可以自我调整。可以通过互操作的通信共享不断变化的交通场景和交叉路口的时间，以便所有交叉路口都准备好优化接近的交通流量。据报道，在宾夕法尼亚州匹兹堡部署的试点系统将旅行时间减少了 26%，怠速时间减少了 41%，排放量减少了 21%。有趣的是，自适应红绿灯系统还将总事故和致命事故减少了 13-36%。 在德里，来自 7,500 多个闭路电视摄像机、程序化交通信号灯和 1000 个 LED 标志的传感器收集实时数据，人工智能将这些数据处理成即时洞察力，当局使用这些数据来改善交通管理。从安装在英国米尔顿凯恩斯的全市智能摄像头收集的数据在深度学习模型上运行，以 89% 的准确率预测提前 15 分钟的交通状况。 简化交通管理 为了兑现 5G 的承诺，道路和运输网络管理系统也需要随着时间的推移而发展。来自不同来源的数据必然会更加复杂。所有系统协同工作以普遍并立即响应的过程需要精确实施。在技术适应性中，重要的是智能网络决策是自主且易于理解的。当需要时，这将为人类决策和干预以及技术提供空间。虽然自世界上第一条高速公路建成以来，我们可能已经过了一个世纪，但直到现在，世界才开始为推动这一进程而加速。 （编辑：555手机网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
站长推荐
热点阅读
