Адаптивная система управления дорожными сигналами
Вступление
Города состоят из дорог и улиц, на которых пересекаются все типы транспортных средств: пешеходы, велосипеды, автомобили, автобусы и другое. Регулировка светофоров на перекрестках сильно влияет на активность транспортных средств, многосторонее движение и пропускную способность дорог. Чтобы достигнуть максимальной эффективности безопасного дорожного движения, необходим точный мониторинг трафика, чтобы понять движение транспортных средств и потоки по всему городу.
Традиционные технологии отслеживания трафика, такие как ультразвуковые, микроволновые радары или инфракрасные датчики, либо стоят слишком дорого, либо не имеют необходимой детализации записи. Системы видеообнаружения могут преодолеть эти недостатки и, благодаря искусственному интеллекту (ИИ), генерировать важные метаданные о дорожном движении. Такая информация, как номера автомобилей, направление движения, время ожидания и т.д., может быть легко получена с помощью видео и системы оснащенной искусственным интеллектом. Это революция в области мониторинга дорожного движения.
Системные требования
Решение для мониторинга дорожного движения с использованием искусственного интеллекта включает в себя самоадаптивную светофорную систему, граничную систему искусственного интеллекта и внутренний сервер логического вывода для искусственного интеллекта. Система искусственного интеллекта получает видеопотоки с IP-камер, а затем анализирует содержимое используя логический вывод. Питание IP-камер по технологии Power-over-Ethernet (PoE) осуществляется через порт LAN RJ45 общего назначения и значительно упрощает развертывание камер в удаленных районах. Так как оборудование планировалось размещать на светофорах оно должно было соответствовать определенным требованиям: низкое энергопотребление, безвентиляторная конструкция и широкий диапазон температур.
После снятия показаний дорожного движения необработанные данные передаются в центральную диспетчерскую, где мощный сервер логических вычислений будет анализировать весь массив полученных данных с помощью предварительно обученных моделей глубокого обучения. Это позволит управлять самоадаптирующимися светофорами из диспетчерской центра.
Описание системы
Компактный модульный компьютер Advantech MIC-720AI на базе NVIDIA Jetson Tegra X2 (TX2) был использован в качестве граничной системы ИИ. MIC-720AI использует технологию искусственного интеллекта для мониторинга дорожного движения на основе огромного количества собранных данных, превосходя традиционные методы распознавания транспортных средств. MIC-720AI удовлетворяет требованиям вычислений глубокого обучения в полевых условиях, где метаданные упаковываются и передаются в центральный диспетчерский пункт. MIC-720AI также предоставляет множество интерфейсов для интеграции с другим дорожным оборудованием.
Интегрированный с интуитивно понятной приборной панелью в диспетчерской, сервер выводов ИИ SKY-6100 не только получает метаданные от всех граничных систем ИИ, но и отслеживает дорожные условия с помощью моделей глубокого обучения. При возникновении любых аномальных ситуаций сервер ИИ может распознать их и адаптивно управлять светофорами. Благодаря аналитическим возможностям SKY-6100, самоадаптивная система управления светофорами обеспечивает плавное и эффективное движение транспорта в городе. Теперь городские власти могут иметь высокоуровневый обзор всего дорожного движения в городе в режиме реального времени. Более того, данные и информация о дорожном движении постоянно необходимы для оценки текущих и прошлых показателей, а также для прогнозирования будущих показателей. Все это помогает активному транспортному планированию, такому как оценка воздействия на дорожное движение, общественный транспорт и проектирование дорог, для создания лучшей транспортной инфраструктуры в будущем.
Ключевые особенности
- Решение для мониторинга трафика с искусственным интеллектом и хорошо продуманным сквозным потоком данных.
- Промышленная система искусственного интеллекта расширяет возможности искусственного интеллекта в полевых условиях с минимальными усилиями по развертыванию.
- Вычисления с глубоким обучением на серверной части позволяют автоматически адаптировать управление светофором