Rumah Peranti teknologi AI Aplikasi kecerdasan buatan dalam pengangkutan

Aplikasi kecerdasan buatan dalam pengangkutan

Apr 08, 2023 pm 04:51 PM
AI Bidang pengangkutan

Aplikasi kecerdasan buatan dalam pengangkutan

1 Meredakan kesesakan lalu lintas

Salah satu isu teras dalam tadbir urus lalu lintas bandar semasa ialah bagaimana untuk mengurangkan kesesakan lalu lintas. Menggunakan algoritma kecerdasan buatan untuk melaraskan lampu isyarat ialah strategi yang syarikat Internet dan IT utama telah mula cuba untuk mengurangkan masalah kesesakan dalam tempoh dua tahun lalu, dan mereka telah membina projek perintis di bandar peringkat pertama, dan akhirnya mencapai keputusan yang baik. Algoritma AI digunakan untuk memantau dan memaparkan kecekapan operasi persimpangan dalam masa nyata, dengan itu mengoptimumkan pemasaan lampu isyarat Ia terutamanya menyasarkan dua fenomena, satu ialah ketidakseimbangan operasi persimpangan, dan satu lagi adalah limpahan keluar. Apabila persimpangan sangat sesak dalam satu arah tetapi berjalan lancar ke arah lain, ia dipanggil ketidakseimbangan persimpangan. Dalam kes ini, pemasaan isyarat dalam arah yang sesak boleh ditingkatkan dengan sewajarnya dan pemasaan dalam arah yang lancar boleh dikurangkan untuk mengurangkan kesesakan di persimpangan. Untuk persimpangan yang tidak seimbang yang serius, sistem akan membunyikan penggera untuk mengingatkan pengawal trafik supaya memberi perhatian dan mengambil langkah seterusnya. Amaran limpahan keluar memantau kesesakan keluar dan mengisih serta memaparkan persimpangan dengan potensi limpahan tinggi, supaya kawalan lalu lintas dan campur tangan dapat dilaksanakan tepat pada masanya untuk mengelakkan lumpuh persimpangan yang disebabkan oleh limpahan.

Sistem lampu isyarat kecerdasan buatan juga merupakan produk aplikasi kecerdasan buatan dalam bidang pengangkutan pintar Ia boleh menetapkan semula masa lampu isyarat dan mengenal pasti keadaan lalu lintas di tapak masa nyata berdasarkan keputusan statistik bilangan kenderaan dan pejalan kaki. Sistem ini secara amnya terdiri daripada sistem pengumpulan, analisis, penyimpanan dan muat naik video, pintu pagar, pengawal, skrin paparan, siaran suara dan komputer hadapan, dsb. Ia boleh merealisasikan siaran suara, penutupan tertunda, kawalan pengesanan, pengecaman muka dan penggera syot kilat fungsi. Ringkasnya, kecerdasan buatan digunakan untuk mengenal pasti dan menganalisis maklumat pergerakan objek bergerak seperti kenderaan dan orang, dan membuat kesimpulan keadaan lalu lintas untuk melaraskan lagi masa pelepasan kenderaan dan pejalan kaki.

2 Navigasi pintar dan pemanduan tanpa pemandu

Pemanduan autonomi merupakan isu hangat pada masa ini, dan asasnya Ia ialah sistem navigasi pintar yang dapat menyediakan laluan optimum untuk kenderaan dengan berkesan untuk mengelakkan bahagian jalan yang sesak dan meningkatkan kelajuan trafik secara berkesan dalam semua aspek. Menerapkan teknologi pengecaman jalan untuk memandu kenderaan dengan berkesan boleh memenuhi keperluan pemanduan tanpa pemandu dan secara menyeluruh meningkatkan kecekapan perjalanan orang ramai dengan bantuan peta pintar adalah kondusif untuk mencapai arah pemanduan yang terbaik dan boleh berdasarkan keadaan jalan raya sebenar .

3 Penyelenggaraan jalan raya

Permintaan untuk penyelenggaraan jalan di kami Dari segi trend pertumbuhan, kerana konsep "pembinaan semula dan penyelenggaraan ringan" yang telah lama wujud, sebilangan besar jalan yang dibina pada peringkat awal secara beransur-ansur memasuki peringkat pembinaan semula, pengembangan dan utama dan sederhana. -pembaikan bersaiz

Dalam beberapa tahun kebelakangan ini Dengan lelaran dan kemajuan pesat algoritma kecerdasan buatan, percubaan dan penyelidikan tentang aplikasi algoritma kecerdasan buatan dalam pengecaman penyakit turapan telah meningkat secara beransur-ansur. Pada masa ini, terdapat sedikit produk pemeriksaan jalan pintar yang telah berjaya digunakan di pasaran. Ia kebanyakannya berasal dari syarikat seperti Shanghai Intelligent Transportation, COSCO Shipping, dan Carlo yang masih dalam proses penyelidikan dan pembangunan termasuk SenseTime, Tencent dan syarikat utama yang lain Kebanyakan produk syarikat adalah berdasarkan peralatan penderiaan visual bahagian hadapan, peralatan pemprosesan tepi dan algoritma kecerdasan buatan untuk mengumpul, menghantar dan mengenal pasti kecacatan jalan, dan akhirnya membentangkan hasilnya pada platform web atau. platform mudah alih.

4 Smart parking

Selain kesesakan. , tempat letak kereta Isu sukar juga telah menarik banyak perhatian, yang juga telah menyebabkan desakan berterusan untuk parkir pintar dalam beberapa tahun kebelakangan ini. Oleh itu, kecerdasan buatan juga secara senyap-senyap menumbangkan perjalanan pintar. Kebanyakan masa memandu di negara kita dihabiskan sama ada dalam kesesakan lalu lintas atau mencari tempat letak kereta.

Tempat letak kenderaan tanpa sensor berdasarkan kecerdasan buatan bukan sahaja mengubah model tempat letak kereta tradisional, tetapi juga merevolusi sepenuhnya konsep pengurusan trafik. Banyak bandar semakin menyedari bahawa untuk mengurangkan percanggahan antara bekalan dan permintaan tempat letak kereta, adalah tidak mencukupi untuk menambah tempat letak kereta baharu sahaja. Pertama, sumber tanah adalah ketat, dan kedua, kitaran pembinaan terlalu panjang Cara yang betul untuk mencapai keseimbangan dinamik adalah dengan menggunakan teknologi tempat letak kereta pintar seperti kecerdasan buatan, Internet Perkara, data besar dan pengkomputeran awan untuk menggiatkan semula dan menambah baik. penggunaan dan kadar pusing ganti idea tempat letak kereta sedia ada.

5 Polis Elektronik

Pengurusan trafik merupakan salah satu bidang teknologi yang terawal. aplikasi , seperti "polis elektronik" yang kita kenali, yang mula digunakan seawal tahun 1997. Kini, penguatkuasaan undang-undang "polis elektronik" (penguatkuasaan undang-undang luar tapak) telah dipopularkan sepenuhnya dan telah menjadi salah satu cara penting untuk membantu polis trafik dalam penguatkuasaan undang-undang.

"Polis elektronik" awal mempunyai satu fungsi terutamanya menangkap gambar haram di jalan bandar, persimpangan dan kawasan lain 30 meter Keperluan Kelajuan kenderaan juga agak rendah, dan pada dasarnya sukar untuk menangkap pelanggaran lalu lintas pada kelajuan tinggi.

Selepas beberapa lelaran dan peningkatan, aplikasi sistem "polis elektronik" negara saya telah beransur-ansur matang. Bahagian hadapan sistem "polis elektronik" yang kini biasa di pasaran terutamanya terdiri daripada bayonet, polis elektrik, tempat letak kereta haram dan mesin bola menembak, dsb.

Sistem ini menggunakan peralatan pengumpulan bahagian hadapan AI untuk menangkap tingkah laku lalu lintas yang tidak beradab, seperti kenderaan bermotor yang menyalakan lampu merah, memandu laju, menukar lorong dalam kesesakan lalu lintas, tempat letak kereta sesuka hati, melintasi lorong larangan, dan memandu secara haram mengikut peraturan; lampu merah dan tingkah laku haram yang lain.

Dengan bantuan pembelajaran mendalam dan penglihatan mesin, kamera hadapan polis elektronik AI boleh menganalisis dan menilai pelanggaran lalu lintas, serta boleh mengenal pasti kenderaan dan muka data disimpan, dan berpuluh-puluh tingkah laku yang menyalahi undang-undang boleh dianalisis dan bukti dikumpulkan melalui data besar dan teknologi algoritma kecerdasan buatan, dengan itu melengkapkan penyelidikan, penghakiman dan pengumpulan bukti pelanggaran lalu lintas.

Selain itu, ia juga boleh mencapai pengurusan trafik yang tepat bagi orang penting dan kenderaan. Secara relatifnya, polis elektronik AI lebih tepat daripada penilaian manusia dan mempunyai kadar ralat yang lebih rendah.

"alam" tertinggi pengangkutan pintar ialah penyelarasan orang, kenderaan dan jalan raya pada masa ini, penyelarasan orang, kenderaan dan jalan raya negara saya tidak mencukupi, dan AI diperlukan segera , 5G dan teknologi canggih yang lain.

Pemakluman pengangkutan masa hadapan akan menyeluruh, liputan penuh dan keseluruhan proses orang, kenderaan dan jalan raya akan dimaklumkan dan diselaraskan, bukan sahaja kecekapan perjalanan Tahap keselamatan pengangkutan juga akan bertambah baik.

Pelaksanaan strategi "Kuasa Pengangkutan" dan penyepaduan serta aplikasi pelbagai teknologi canggih akan menggalakkan pecutan keseluruhan pembangunan industri pengangkutan pintar negara saya . Oleh itu, prospek aplikasi AI dalam bidang pengangkutan pintar adalah sangat luas.

Bagi AI, pasaran pengangkutan pintar masa depan akan menjadi tanah yang subur di mana penyepit pun akan bercambah.

Atas ialah kandungan terperinci Aplikasi kecerdasan buatan dalam pengangkutan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Artikel Panas

R.E.P.O. Kristal tenaga dijelaskan dan apa yang mereka lakukan (kristal kuning)
1 bulan yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Tetapan grafik terbaik
1 bulan yang lalu By 尊渡假赌尊渡假赌尊渡假赌
Akan R.E.P.O. Ada Crossplay?
1 bulan yang lalu By 尊渡假赌尊渡假赌尊渡假赌

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI Jun 28, 2024 am 03:51 AM

Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag Jun 10, 2024 am 11:08 AM

Tingkatkan produktiviti, kecekapan dan ketepatan pembangun dengan menggabungkan penjanaan dipertingkatkan semula dan memori semantik ke dalam pembantu pengekodan AI. Diterjemah daripada EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, pengarang JanakiramMSV. Walaupun pembantu pengaturcaraan AI asas secara semulajadi membantu, mereka sering gagal memberikan cadangan kod yang paling relevan dan betul kerana mereka bergantung pada pemahaman umum bahasa perisian dan corak penulisan perisian yang paling biasa. Kod yang dijana oleh pembantu pengekodan ini sesuai untuk menyelesaikan masalah yang mereka bertanggungjawab untuk menyelesaikannya, tetapi selalunya tidak mematuhi piawaian pengekodan, konvensyen dan gaya pasukan individu. Ini selalunya menghasilkan cadangan yang perlu diubah suai atau diperhalusi agar kod itu diterima ke dalam aplikasi

Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi Jun 11, 2024 pm 03:57 PM

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool Jun 07, 2024 am 10:06 AM

Untuk mengetahui lebih lanjut tentang AIGC, sila layari: 51CTOAI.x Komuniti https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou berbeza daripada bank soalan tradisional yang boleh dilihat di mana-mana sahaja di Internet memerlukan pemikiran di luar kotak. Model Bahasa Besar (LLM) semakin penting dalam bidang sains data, kecerdasan buatan generatif (GenAI) dan kecerdasan buatan. Algoritma kompleks ini meningkatkan kemahiran manusia dan memacu kecekapan dan inovasi dalam banyak industri, menjadi kunci kepada syarikat untuk kekal berdaya saing. LLM mempunyai pelbagai aplikasi Ia boleh digunakan dalam bidang seperti pemprosesan bahasa semula jadi, penjanaan teks, pengecaman pertuturan dan sistem pengesyoran. Dengan belajar daripada sejumlah besar data, LLM dapat menjana teks

Lima sekolah pembelajaran mesin yang anda tidak tahu Lima sekolah pembelajaran mesin yang anda tidak tahu Jun 05, 2024 pm 08:51 PM

Pembelajaran mesin ialah cabang penting kecerdasan buatan yang memberikan komputer keupayaan untuk belajar daripada data dan meningkatkan keupayaan mereka tanpa diprogramkan secara eksplisit. Pembelajaran mesin mempunyai pelbagai aplikasi dalam pelbagai bidang, daripada pengecaman imej dan pemprosesan bahasa semula jadi kepada sistem pengesyoran dan pengesanan penipuan, dan ia mengubah cara hidup kita. Terdapat banyak kaedah dan teori yang berbeza dalam bidang pembelajaran mesin, antaranya lima kaedah yang paling berpengaruh dipanggil "Lima Sekolah Pembelajaran Mesin". Lima sekolah utama ialah sekolah simbolik, sekolah sambungan, sekolah evolusi, sekolah Bayesian dan sekolah analogi. 1. Simbolisme, juga dikenali sebagai simbolisme, menekankan penggunaan simbol untuk penaakulan logik dan ekspresi pengetahuan. Aliran pemikiran ini percaya bahawa pembelajaran adalah proses penolakan terbalik, melalui sedia ada

Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Jul 25, 2024 am 06:42 AM

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

Prestasi SOTA, kaedah AI ramalan pertalian protein-ligan pelbagai mod Xiamen, menggabungkan maklumat permukaan molekul buat kali pertama Prestasi SOTA, kaedah AI ramalan pertalian protein-ligan pelbagai mod Xiamen, menggabungkan maklumat permukaan molekul buat kali pertama Jul 17, 2024 pm 06:37 PM

Editor |. KX Dalam bidang penyelidikan dan pembangunan ubat, meramalkan pertalian pengikatan protein dan ligan dengan tepat dan berkesan adalah penting untuk pemeriksaan dan pengoptimuman ubat. Walau bagaimanapun, kajian semasa tidak mengambil kira peranan penting maklumat permukaan molekul dalam interaksi protein-ligan. Berdasarkan ini, penyelidik dari Universiti Xiamen mencadangkan rangka kerja pengekstrakan ciri berbilang mod (MFE) novel, yang buat pertama kalinya menggabungkan maklumat mengenai permukaan protein, struktur dan jujukan 3D, dan menggunakan mekanisme perhatian silang untuk membandingkan ciri modaliti yang berbeza penjajaran. Keputusan eksperimen menunjukkan bahawa kaedah ini mencapai prestasi terkini dalam meramalkan pertalian mengikat protein-ligan. Tambahan pula, kajian ablasi menunjukkan keberkesanan dan keperluan maklumat permukaan protein dan penjajaran ciri multimodal dalam rangka kerja ini. Penyelidikan berkaitan bermula dengan "S

SK Hynix akan memaparkan produk berkaitan AI baharu pada 6 Ogos: HBM3E 12 lapisan, NAND 321 tinggi, dsb. SK Hynix akan memaparkan produk berkaitan AI baharu pada 6 Ogos: HBM3E 12 lapisan, NAND 321 tinggi, dsb. Aug 01, 2024 pm 09:40 PM

Menurut berita dari laman web ini pada 1 Ogos, SK Hynix mengeluarkan catatan blog hari ini (1 Ogos), mengumumkan bahawa ia akan menghadiri Global Semiconductor Memory Summit FMS2024 yang akan diadakan di Santa Clara, California, Amerika Syarikat dari 6 hingga 8 Ogos, mempamerkan banyak produk penjanaan teknologi baru. Pengenalan kepada Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage), dahulunya Sidang Kemuncak Memori Flash (FlashMemorySummit) terutamanya untuk pembekal NAND, dalam konteks peningkatan perhatian kepada teknologi kecerdasan buatan, tahun ini dinamakan semula sebagai Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage) kepada jemput vendor DRAM dan storan serta ramai lagi pemain. Produk baharu SK hynix dilancarkan tahun lepas

See all articles