交通分野における人工知能の応用
1, 交通渋滞の緩和
現在の都市交通ガバナンスにおける中心的な問題の 1 つは、どのようにして交通渋滞を緩和するかということです。交通渋滞を緩和するために。人工知能アルゴリズムを使用して信号機を調整することは、大手インターネット企業やIT企業が過去2年間で渋滞問題を軽減するために試み始めた戦略であり、一線都市でパイロットプロジェクトを構築し、最終的に良好な結果を達成した。 AIアルゴリズムを活用して交差点運営効率をリアルタイムに監視・表示し、信号機のタイミングを最適化するもので、主に交差点運営のアンバランスと出口オーバーフローの2つの現象を対象としている。交差点が一方向では非常に渋滞しているのに、他の方向ではスムーズに進む場合、これを交差点アンバランスと呼びます。この場合、渋滞方向の信号タイミングを適切に上げ、スムーズな方向の信号タイミングを短くすることで、交差点の渋滞を緩和することができる。著しくアンバランスな交差点の場合、システムは警報を鳴らして交通管制官に注意を促し、次の措置を講じるよう促します。出口オーバーフロー警告は、出口渋滞を監視し、オーバーフローの可能性が高い交差点を分類して表示するため、タイムリーに交通規制と介入を実施して、オーバーフローによる交差点の麻痺を回避できます。
人工知能信号機システムも、インテリジェント交通分野における人工知能の応用製品であり、信号機の時刻をリセットしたり、現場の交通状況を識別したりすることができます。車両数と歩行者数の統計結果に基づいてリアルタイムに計測します。このシステムは一般に、ビデオ収集、分析、保存およびアップロードシステム、ゲート、コントローラ、表示画面、音声ブロードキャスト、フロントエンドコンピュータなどで構成されます。音声ブロードキャスト、遅延シャットダウン、検出制御、顔認識、スナップショットアラームを実現できます。機能。簡単に言うと、人工知能を活用して車両や人などの移動体の移動情報を識別・分析し、交通状況を推測して車両や歩行者の解放時間をさらに調整します。
2, インテリジェントナビゲーションと無人運転
自動運転は現在注目の課題であり、その基礎はは、車両に最適なルートを効果的に提供して、道路の渋滞区間を回避し、あらゆる面で効果的に交通速度を向上させることができるインテリジェント ナビゲーション システムです。道路認識技術を車両の運転に適用することで、無人運転の要件を効果的に満たし、人々の移動効率を包括的に向上させることができます。スマートマップを活用したインテリジェントなナビゲーションは、実際の道路状況に基づいて最適な運転方向を実現するのに役立ちます。自動車の運転を最適化します。 。
3, 道路維持管理
当社における道路維持管理の需要成長傾向を見ると、長年の「復興と軽整備」の考え方により、初期段階で建設された多くの道路が徐々に再建、拡張、大規模・中規模道路の段階に入っている。
人工知能アルゴリズムの急速な反復と進歩に伴い、舗装の病気の識別における人工知能アルゴリズムの適用に関する試みと研究が徐々に増加しています。現時点で、市場に導入されて成功しているインテリジェント道路検査製品は比較的少数であり、主に上海知能交通、COSCO Shipping、Carlo などの企業から提供されています。 SenseTime、Tencent、その他の大手企業が含まれており、同社の製品のほとんどは、フロントエンドの視覚センシング機器、エッジ処理機器、人工知能アルゴリズムに基づいており、道路の欠陥を収集、送信、識別し、最終的に結果を Web プラットフォームまたはモバイルプラットフォーム。
4、スマートパーキング
渋滞に加えて, 駐車に関する難しい問題も多くの注目を集めており、それが近年、スマートパーキングに対する継続的な要求にもつながっています。したがって、人工知能も静かにスマートトラベルを破壊しつつあります。私たちの国での運転時間のほとんどは、渋滞に費やされるか、駐車スペースを探すことに費やされます。
人工知能に基づくセンサーレス駐車は、従来の駐車モデルを変えるだけでなく、交通管理の概念を完全に変革します。多くの都市は、駐車場の需要と供給の矛盾を緩和するには、新しい駐車スペースを追加するだけでは十分ではないことにますます気づき始めています。第一に、土地資源が不足しており、第二に、建設サイクルが長すぎます。動的なバランスを達成するための正しい方法は、人工知能、モノのインターネット、ビッグデータ、クラウド コンピューティングなどのスマート パーキング テクノロジを使用して、駐車場の活性化と改善を行うことです。既存の駐車スペースの利用率と回転率。
#5、電子警察
## 交通管理は、テクノロジー応用の最も初期の分野の 1 つです。 、私たちがよく知っている「電子警察」など、早くも1997年に使用され始めました。現在、「電子警察」法執行(現場外法執行)は完全に普及しており、交通警察の法執行を支援する重要な手段の一つとなっている。 初期の「電子警察」は単一の機能を持っていました。主に都市部の道路、交差点、その他のエリアで違法な写真を撮影しました。画質と知能レベルは非常に低かったです。カバー範囲は一般に約30メートル 要件 車両の速度も比較的低く、基本的に高速走行時の交通違反の取り締まりは困難です。 #何度かの反復とアップグレードを経て、我が国の「電子警察」システムの適用は徐々に成熟してきました。市場で一般的に見られる「電子警察」システムのフロントエンドは、主に銃剣、電気警察、違法駐車、シューティングボールマシンなどで構成されています。 このシステムは、AI フロントエンド収集装置を使用して、赤信号での自動車の走行、スピード違反、渋滞での車線変更、駐車などの非文明的な交通行動を捕捉します。規則に従って運転する、シートベルトを着用しない運転者、運転中に携帯電話で通話する、非電動車両が自動車専用レーンに進入する、赤信号を走行する、逆走する歩行者、走行中の歩行者赤信号やその他の違法行為。 AI電子警察フロントエンドカメラは、ディープラーニングとマシンビジョンを使用して交通違反の分析と判断を実現し、車両と顔を識別できます。が保存され、ビッグデータと人工知能アルゴリズム技術を通じて数十件の違法行為を分析し、証拠を収集することで、交通違反の調査、判断、証拠収集を完了できます。 # さらに、主要人物や車両の正確な交通管理も実現できます。比較的、AI電子警察は人間の判断よりも正確であり、エラー率も低いです。 スマート交通の最高の「領域」は、人、車、道路の連携です。我が国ではそれだけでは不十分であり、AI、5Gなどの先端技術が急務となっています。 将来の交通情報化は、全方位、完全な範囲、プロセス全体であり、旅行だけでなく、人、車両、道路も高度に情報化され、調整されます。輸送の安全性のレベルも大幅に向上します。 「交通パワー」戦略の実施とさまざまな先進技術の統合と応用により、我が国のスマート交通産業の発展が全体的に加速されます。 。したがって、スマート交通分野における AI の応用の可能性は非常に広いです。 #AI にとって、将来のスマート交通市場は、箸さえも芽吹く肥沃な土地となるでしょう。
以上が交通分野における人工知能の応用の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック









このサイトは6月27日、JianyingはByteDanceの子会社であるFaceMeng Technologyによって開発されたビデオ編集ソフトウェアであり、Douyinプラットフォームに依存しており、基本的にプラットフォームのユーザー向けに短いビデオコンテンツを作成すると報告しました。 Windows、MacOS、その他のオペレーティング システム。 Jianyingは会員システムのアップグレードを正式に発表し、インテリジェント翻訳、インテリジェントハイライト、インテリジェントパッケージング、デジタルヒューマン合成などのさまざまなAIブラックテクノロジーを含む新しいSVIPを開始しました。価格的には、クリッピングSVIPの月額料金は79元、年会費は599元(当サイト注:月額49.9元に相当)、継続月額サブスクリプションは月額59元、継続年間サブスクリプションは、年間499元(月額41.6元に相当)です。さらに、カット担当者は、ユーザーエクスペリエンスを向上させるために、オリジナルのVIPに登録している人は、

検索強化生成およびセマンティック メモリを AI コーディング アシスタントに組み込むことで、開発者の生産性、効率、精度を向上させます。 JanakiramMSV 著者の EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG から翻訳。基本的な AI プログラミング アシスタントは当然役に立ちますが、ソフトウェア言語とソフトウェア作成の最も一般的なパターンに関する一般的な理解に依存しているため、最も適切で正しいコードの提案を提供できないことがよくあります。これらのコーディング アシスタントによって生成されたコードは、彼らが解決する責任を負っている問題の解決には適していますが、多くの場合、個々のチームのコーディング標準、規約、スタイルには準拠していません。これにより、コードがアプリケーションに受け入れられるように修正または調整する必要がある提案が得られることがよくあります。

大規模言語モデル (LLM) は巨大なテキスト データベースでトレーニングされ、そこで大量の現実世界の知識を取得します。この知識はパラメータに組み込まれており、必要なときに使用できます。これらのモデルの知識は、トレーニングの終了時に「具体化」されます。事前トレーニングの終了時に、モデルは実際に学習を停止します。モデルを調整または微調整して、この知識を活用し、ユーザーの質問により自然に応答する方法を学びます。ただし、モデルの知識だけでは不十分な場合があり、モデルは RAG を通じて外部コンテンツにアクセスできますが、微調整を通じてモデルを新しいドメインに適応させることが有益であると考えられます。この微調整は、ヒューマン アノテーターまたは他の LLM 作成物からの入力を使用して実行され、モデルは追加の実世界の知識に遭遇し、それを統合します。

AIGC について詳しくは、51CTOAI.x コミュニティ https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou を参照してください。これらの質問は、インターネット上のどこでも見られる従来の質問バンクとは異なります。既成概念にとらわれずに考える必要があります。大規模言語モデル (LLM) は、データ サイエンス、生成人工知能 (GenAI)、および人工知能の分野でますます重要になっています。これらの複雑なアルゴリズムは人間のスキルを向上させ、多くの業界で効率とイノベーションを推進し、企業が競争力を維持するための鍵となります。 LLM は、自然言語処理、テキスト生成、音声認識、推奨システムなどの分野で幅広い用途に使用できます。 LLM は大量のデータから学習することでテキストを生成できます。

編集者 |ScienceAI 質問応答 (QA) データセットは、自然言語処理 (NLP) 研究を促進する上で重要な役割を果たします。高品質の QA データ セットは、モデルの微調整に使用できるだけでなく、大規模言語モデル (LLM) の機能、特に科学的知識を理解し推論する能力を効果的に評価することもできます。現在、医学、化学、生物学、その他の分野をカバーする多くの科学 QA データ セットがありますが、これらのデータ セットにはまだいくつかの欠点があります。まず、データ形式は比較的単純で、そのほとんどが多肢選択式の質問であり、評価は簡単ですが、モデルの回答選択範囲が制限され、科学的な質問に回答するモデルの能力を完全にテストすることはできません。対照的に、自由回答型の Q&A

機械学習は人工知能の重要な分野であり、明示的にプログラムしなくてもコンピューターにデータから学習して能力を向上させる機能を提供します。機械学習は、画像認識や自然言語処理から、レコメンデーションシステムや不正行為検出に至るまで、さまざまな分野で幅広く応用されており、私たちの生活様式を変えつつあります。機械学習の分野にはさまざまな手法や理論があり、その中で最も影響力のある 5 つの手法は「機械学習の 5 つの流派」と呼ばれています。 5 つの主要な学派は、象徴学派、コネクショニスト学派、進化学派、ベイジアン学派、およびアナロジー学派です。 1. 象徴主義は、象徴主義とも呼ばれ、論理的推論と知識の表現のためのシンボルの使用を強調します。この学派は、学習は既存の既存の要素を介した逆演繹のプロセスであると信じています。

編集者 | KX 医薬品の研究開発の分野では、タンパク質とリガンドの結合親和性を正確かつ効果的に予測することが、医薬品のスクリーニングと最適化にとって重要です。しかし、現在の研究では、タンパク質とリガンドの相互作用における分子表面情報の重要な役割が考慮されていません。これに基づいて、アモイ大学の研究者らは、初めてタンパク質の表面、3D 構造、配列に関する情報を組み合わせ、クロスアテンション メカニズムを使用して異なるモダリティの特徴を比較する、新しいマルチモーダル特徴抽出 (MFE) フレームワークを提案しました。アライメント。実験結果は、この方法がタンパク質-リガンド結合親和性の予測において最先端の性能を達成することを実証しています。さらに、アブレーション研究は、この枠組み内でのタンパク質表面情報と多峰性特徴の位置合わせの有効性と必要性を実証しています。 「S」で始まる関連研究

7月5日のこのウェブサイトのニュースによると、グローバルファウンドリーズは今年7月1日にプレスリリースを発行し、自動車とインターネットでの市場シェア拡大を目指してタゴール・テクノロジーのパワー窒化ガリウム(GaN)技術と知的財産ポートフォリオを買収したことを発表した。モノと人工知能データセンターのアプリケーション分野で、より高い効率とより優れたパフォーマンスを探求します。生成 AI などのテクノロジーがデジタル世界で発展を続ける中、窒化ガリウム (GaN) は、特にデータセンターにおいて、持続可能で効率的な電力管理のための重要なソリューションとなっています。このウェブサイトは、この買収中にタゴール・テクノロジーのエンジニアリングチームがGLOBALFOUNDRIESに加わり、窒化ガリウム技術をさらに開発するという公式発表を引用した。 G
