加入收藏 | 设为首页 

咨询电话:
咨询电话:
首页 新闻 解决方案 行业分析 前沿技术 品牌企业 招标信息 智能交通产品与技术应用汇编
  当前位置: 网站首页 > 解决方案

交通超体——智慧公路创新与实践

来源:上海电科智能系统股份有限公司   发布时间: 2020-03-27 10:22:31


一、智慧(高速)公路的发展现状
大家或许发现了,我把范围缩小到了智慧高速。因为最近几年的技术提升和信息化提升主要集中在智慧高速上。我们有理由相信,未来自动驾驶最先实现商用化的道路应该是高速公路。
1. 国家政策导向
从最近几年的发文里看,各级政府对“智慧公路”近年来重视程度不断提升,行业需求迫切。从时间排序上看,越往后的发文对“智慧公路”的发展目标越来越明确,方向越来聚焦。可以看出在技术、产业和应用等多方面,“智慧公路”的发展方向正逐步从摸索走向明朗。2019年9月《交通强国建设纲要》中又再次强调了大力发展智慧交通的要求,智慧公路无疑将迎来新一轮的机遇。
2. 智慧公路探索
近几年业内同仁们都在努力打造自己心目中的“智慧高速”,的确取得了不错的成绩,智慧化提升效果显著。我略微整理了一下,主要可以归纳为两个方面的提升:
第1个方面是针对某一个领域的技术提升,比如:手机信令、图像分析、结构健康、移动端应用、车路通讯、雷达、北斗、智能化锥桶、雾灯。而在传输网络上,物联网技术的发展,移动互联网尤其是5G的推出,让“智慧高速”的很多应用场景成为了可能。而在中心层,采用先进的云计算架构实现算力的合理调配和管理,在业内已经形成了共识,不再赘述。
第2个方面是针对现有数据的应用提升。大数据的理念告诉我们数据一旦达到了一定的量必然会显现一些规律,对这些规律研究让我们有机会可以预测未来,这也就是现在各类智慧大脑的建设雏形。
二、“智慧公路”的发展瓶颈和交通超体
智慧大脑在之前的几年一直引导着我们技术的发展,但是随着初期的显著效果,随之而来的是发展的瓶颈,似乎我们触摸到了智慧的边缘了,但却始终无法更近一步。为什么?
1. 智慧的瓶颈
瓶颈一,很多公司都在发展自己的“智慧公路”理念,都说是完整的解决方案,但是实际上都局限于某一系统的(某一方面)的智能化提升。单个智能化设备(系统)发展和原有高速系统的不兼容,于是这个智能系统就变成了一个独立运行的系统。某方面实现了一定的智能化提升,但又没真的解放人力。
瓶颈二,仅仅依赖于大数据的方法本身就是瓶颈。大部分大数据的应用原理更接近于黑箱模型。我们寄希望于建立用户图像分析的方式,通过时间维度,空间维度,类型维度等归纳总结,希望把潜藏在海量数据中的规律提取出来,然后做后续应用。这部分规律的提取过程,我们可以称之为数据可视化。
具体为什么有这种规律?计算机不知道,我们人脑可以猜出个大概,但是实际上也不知道。这需要我们不断的修正数学模型去匹配规律的本质,也就是黑箱透明化,这才是人工智能(计算机)能理解的语言,但是这步太难。于是我们退而求其次,用人脑的经验来弥补这个不足,计算机只根据规律做预判提示,于是就有了辅助决策。
大部分公司实际上在这个阶段都停留在可视化和辅助决策两步上,甚至很多公司实际上只完成到数据可视化阶段。这也就是为什么这两年我们说的软件越来越漂亮,但是总觉得没达到想象中的那么智慧。
瓶颈三,数据分析的准确度对数据的质量是成正比的。但实际上现有的数据质量相当堪忧。数据采集相当粗放,粗放到在设备故障时仍然不停的进行着有效数据的记录。而且大部分的数据在记录的时间上是不同步的。以往粗放的传统数据采样方式做做统计还行,但是做不了智慧化的分析。分析的要求越精细,错的就越离谱。
2.交通超体定义
所以我们公司认为,“智慧公路”的发展不是靠某一个方面的提升就能实现的,它是一个体系化的问题。需要自上而下的整体的系统性框架去支撑,于是我们推出了交通超体。
用一句话来概括交通超体是融合全息感知、超能计算、自主决策、动态管控、友好交互等多种能力,采用“云-边-端”三层架构,构建数字化采集、网络化传输、智能化应用三大体系,分层分布、智能互联、数据驱动的数字交通智能体。
我们的超体推崇的是开放性的云边端架构,可以兼容于业内主流的智能设备和系统。
由统一的交通语义定义来保持数据自上而下的一致性,由智能中枢标准化构架提供面向对象的应用服务。
三、交通超体在智慧公路中的创新和实践
那我们在智慧公路中这几年基于交通超体的理念做了哪些创新和实践呢?
1. 创新和实践-云计算端-辅助决策系统
首先,我们和大部分业内的公司一样,先想到的是从大数据可视化分析入手,逐步提取数据特征,提供各类预警预判功能,实现辅助决策。我们寄希望于通过大数据的工具找寻宏观交通的规律。也希望通过剥离出特征数据的方式,实现微观到车辆个体的行驶特征的判定。
2. 创新和实践-智能端-机器视觉
因为对道路事故的防范和快速响应,我们公司也投入了基于人工智能的视觉感知的研究。没错,电科智能及其子公司已经具备了自主知识产权的视觉感知核心算法和相关产品。可以实现交通流量、交通事件、团雾能见度等多功能的融合应用。我们称之为“智慧之眼”。
在实践中,因为现有机器视觉的不足,引导了新的性能需求探索,为了解决摄像机单个视角的可视范围过短的问题,我们创新性成功研发了“多段位”的视频检测功能。让云台摄像机功能和视觉感知功能同步。
3. 创新和实践-云计算端-传统监控系统升级
当然,这仍未解决视频检测距离和夜间光照不佳的问题,所以基于现有的技术突破,我们正在研究雷视觉一体的智能化感知方案。为了将机器视觉的能力充分发挥到高速监控中。我们对高速监控系统进行了整体的信息化提升来对接新业务应用。比如结合机器视觉,我们可以真正的实现交通流特征分析和实时预警、收费站排队长度的预测分析、精确到单车的全轨迹跟踪监控、基于视频视觉的团雾预警监控等等。
当然视觉感知设备也有局限性。单独的设备无法区分同一个事件的多次报警,以及日常养护作业造成的行人和停车。所以我们在监控软件中增加互动辅助接口,弥补以上不足。
我们将视觉感知和监控系统的对接,实现了实时图像和事件录像同步对比,大大减少了操作人员对事件确认所需的操作时间。
4. 创新和实践-云计算端-融合指挥平台
我们觉得传统的由中心调度的应急联动效率还是不够高,所以我们又研究了融合指挥平台。用大屏端优势,实现日常监控和应急救援全景可视化。给中心操作人员配置了桌面端,实现操作上的便捷。给现场运营人员配置了移动端,支持信息任务的同步和多媒体互动。三者之间各司其职又相互联动,数据共享,图像共享。完全的实现了应急指挥全景可视、一键联动、现场同步、高效协同。
5.创新和实践-云计算端-自动运维管理
我们觉得现有运维的效率低下,进度不可控。于是开始尝试着采用“互联网”的思维打造最新的运维体系,希望将运维的每个步骤简化到和互联网购物一样便捷可视。同时通过不断的更新,实现人工智能巡检、故障预判,设备全生命周期管理和可视化管理等等技术手段在运维中的应用。
6. 创新和实践-云计算端-数字交通
数字化是“智慧公路”的发展的必要基础,所以我们开始了数字化的创新。我们探索GIS+BIM的应用,对隧道桥梁等重点复杂的道路区域实现3D数字化建模,提升使用者的直观感受。我们用VR技术搭建仿真的虚拟场景,可以将一些不方便在路上做的演练放到虚拟场景中进行模拟。我们尝试着将非结构化的视频数据,数字化成计算机可以认知的车辆行驶路径、速度、轨迹,动态同步到我们的软件里,以便让计算机可以全程监控到每辆车的行驶行为。
四、“智慧公路”I2V的车路协同探索
1. 智慧公路&自动驾驶
自动驾驶必然是未来的“智慧公路”的终极形态。我们现在理解上也是,自动驾驶的自动化程度实时上和智慧公路的发展水平是同步发展的。
2.车路协同的探索
我们公司是最早投身于自动驾驶路侧端智能化的公司之一,为上海自动驾驶示范区的提供了服务。也在路侧车路协同系统软件的研发中取得了一定进展。在我们以往和车厂进行对接,自动驾驶车辆能够提供的数据,远没有我们想要的那么完整。这让我发现了车厂和道路管理者认知上存在着错位。所以未来的“智慧公路”和自动驾驶的磨合还有很长的一段路要走,两种业态首先要达成一定的共识。我们坚信只有实现数据共享才能实现未来各自的目标。
3. 车路协同的设想-边缘计算节点
我们可以大胆的设想,未来必然存在边缘的计算节点,它可以和车辆进行数据交互,每一次交互可以为车辆提供实时路网信息,前方道路状态,推荐的路径规划信息和本路段推荐时速。也可以让道路知道车辆的运行状态等等信息。这个边缘节点可以掌管一个区域内的所有设备的工作,让我们的交通大脑不再为发个情报板的字体,为突发事件做个应急联动预案而费心。而更多的在于合理分配和提升道路运能上。未来的“智慧公路”,在这些日常的管理活动和基础联动必然是去中心化的。当然这里面内容还很多,要考虑车路协同的数据标准,要考虑区域控制器数据防篡改等等一系列问题。
所以,“智慧公路”的建设不是一两家单位就能做好的,这是一个需要融合多项先进技术多项智能化系统的综合性工作。上海电科智能在以前的发展中一直秉持着开放合作的态度,用我们最擅长的总集身份为业主带来最完整的“智慧公路”解决方案和最佳的用户体验。我们也希望更多的单位能加入到和我们的合作中,共同营造 “智慧公路”发展的生态圈,一起携手推进“智慧公路”的快速发展 



 

相关链接

 

  栏目导航

网站首页 | 关于我们 | 在线订阅 | 友情链接 | 联系我们

亿聚力智慧交通网 www.citnet.cn 网站备案:京ICP备17017045号-1

Copyright © 2007-2022 , All Rights Reserve

免责声明:本网站部分转载信息是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益,请作者持权属证明与本网联系,我们将及时更正、删除,谢谢。