快速导航

首页 > 新闻中心 > 技术前沿技术前沿

  • AI技术将用于交通领域 或可降低交通事故概率

      我国是上人口超多的,人口过多带来多方面的社会问题,道路交通问题也是其中之一。现在交通问题成了人们出行超大的困扰,而人口越密集的城市往往交通拥堵情况越严重。

      数据显示,我国超过50多个城市面临不同程度的交通问题,而2016年度我国发生交通事故多达5万起。

      交通问题给我们的工作生活带来不便,还会增大发生交通事故的几率,对公众的生命及财产安全都带来一定的威胁。面对亟待解决的交通问题,人工智能的应用或许能一定程度上发挥作用。

      众所周知,人工智能的核心就是对大数据的处理,而现阶段的交通体系能很好的融合AI技术。将人工智能应用于交通领域,其数据层面的可行性主要表现在三个方面:首先,大型城市的交通问题往往比较严重,但同时其交通监控系般比较完善,也就是说交通监管部门能实时获得道路交通的大体数据;其次,目前车载地图导航系统应用比较普遍,地图导航系统具有定位功能,也就可以提供海量车辆位置、速度等交通数据;超重要的是,现在的交通系统与网络联系紧密,以网络为媒介的出行平台应用也越来越普遍,网络系统使交通数据的获取与积累变得更方便。

      业内人士表示,接下来几年中应用人工智能推行智慧交通,将是进行城市的现代化建设的重要一环。AI技术有助于应对现阶段的道路交通问题,对于道路交通系统的完善意义重大,同时使交通事故的处理与追责变得更为方便。

      笔者认为,人工智能作为2017年度超热门的技术,除了在消费级别的研发与应用外,更可以用于解决一些社会问题。应用人工智能解决交通问题只是很小的一个方面,期待人工智能在更多的领域造福于公众。(中文科技咨询)

  • 自动驾驶还不够,下一代汽车要在无线通讯能力上取得巨大飞跃

         汽车用上无线通讯技术后,应用开始支撑基本安全、交通效率和互联网接入等功能,车辆在 V2V 模式和 V2I 模式下实现了直接通信。同时,连接还成了自动驾驶车辆集成大量传感器的自然补充。

     

         由于自动化水平的不同,市场上的自动驾驶车辆也各不相同。有些车辆虽然有自动驾驶功能,但驾驶员却要全程紧握方向盘;但另一个极端的自动驾驶,是没有方向盘。在这两种极端情况之间,驾驶员可以选择是否介入。

     

         举例来说,自动驾驶程度较低的汽车,只会在危险时刻提醒驾驶员潜在碰撞将要发生,而自动驾驶程度较高的汽车,则会自动刹车并作出躲避。

     

         需要注意的是,即使自动驾驶程度很高,汽车也不能脱离通信系统而存在,因为想实现完全自动驾驶,如果没有高精地图,那就很难实现。这就意味着汽车要实时从地图服务器获取超新的数据。

     

     

    车载传感器

         支持汽车自动驾驶的传感器包括车载雷达、视觉摄像头和激光雷达系统。

     

         其中雷达主要用在自动巡航控制、碰撞预警、并线辅助和泊车等功能上;视觉摄像头则负责倒车安全、盲区监控、防疲劳和车道保持等功能;激光雷达的主要任务则是提供高精地图信息,以便汽车完成自动导航并及时发现行人和自行车。

     

         对全自动驾驶汽车来说,这些技术至关重要。

     

         举例来说,特斯拉使用视觉摄像头来完成高速公路上的自动驾驶,而谷歌则力求准确,主要依靠激光雷达和 3D 地图数据,同时雷达系统则负责探测其他车辆和障碍物。

     

         需要注意的是,这些技术的作用范围要看硬件配置和部署场景。如果在郊区行驶,雷达的作用范围可达 200 米,激光雷达也有 35 米,视觉摄像头则为 30 米。如果换到城市环境,由于交通拥堵、障碍物众多,这些硬件的探测范围就会缩到至几米。

     

         超重要的是,这些外部传感器会受制于它们的“视力”,如果加上通讯,车辆的传感范围则会大幅提升,因为四面八方的车辆都能给它提供重要信息。

     

         当然,自动驾驶车辆到底要交换什么数据目前还没定论,如果数据传输速率较低,汽车间恐怕只能交换那些经过精细处理的数据了。

     

         举例来说,一辆车上的传感器如果探测到一辆自行车,会将其位置和速度传给了其他车辆。如果传输速率高,它发送的可能就是处理较少的原始信息,其他车辆则需要根据自己传感器搜集到的数据进行整合处理。也就是说,拥有高速率和低延迟的通讯系统就能让处理和未处理的信息进行快速交换。

     

    下图是汽车传感器及其相关数据摘要,其中也涉及各种传感器所需的传输速率对比。

         专用短程通讯技术(DSRC)主要为交换基础安全信息和为交通管理提供应用而生,该技术可同时支持 V2V 和V2I。

     

         经过 20 年的发展,DSRC 现在已经在开始在美国的新车型上部署了。不过,要想大规模普及这种技术,还需要政府授权。

     

         眼下,DSRC 能支持的数据速率还很低,每秒传输几兆而已。此外,注意到,DSRC 技术并不支持原始传感器数据的交换,而这类数据对自动驾驶汽车至关重要。

     

         随着通信网络的发展,蜂窝通讯也成了车辆间交流的新方式,车辆可直接利用 D2D 模式或通过蜂窝基础设施在850 MHz,1800 MHz 或 2100 MHz 三个频段进行通信。

     

         通过 D2D 模式,在 LTE-A 网络下基站将帮助车辆完成发现和沟通的任务。不过,即使在 LTE-A 网络下,D2D 的传输速率也有限制,因为其信道状态信息不够准确,这对移动设置会产生影响。4G 网络通讯较为依赖基础设施,但在中高速行驶时传输速率还是会降到每秒几兆。

     

    下图展示了 DSRC 和 LTE-A 用在 V2V/V2I 通讯时的传输速率对比。考虑到自动驾驶时车辆每小时能生成 1 TB 的数据,因此两项技术都无法满足联网车辆数据交换的需要。

     

     

    传感器面临的挑战

         如今,5G 成了业内眼中自动驾驶的好搭档,新一代移动网络的应用包括车辆自动化、交通规划、运营和资讯娱乐等。

     

         确实,5G 网络上马后,延迟会低上十倍,而带宽则会增长十倍,因此非常适合应用在汽车上。此外,5G 网络特有的毫米波技术能提供高速数据传输,原始传感器数据也不在话下。

     

         需要注意的是,高速率资讯娱乐应用、联合通讯和雷达未来都会集中在毫米波这一频率。在毫米波链接状态下,车辆和行人可能会阻断主要通讯路径,同时树木和建筑等静态实体也会产生阻挡效应。

     

         假设基站搭载了不同的传感器,如雷达和摄像头,就可以通过传感器的结合与机器学习来探测潜在的障碍物和相关的移动物体来帮忙配置通讯链接,并提升 V2I 通讯的表现。机器学习算法会利用过去的通讯性能数据将特殊的雷达反馈识别为障碍。

     

         举例来说,在与静态环境地图进行结合后,得出的信息会成为算法生成的“养料”,该算法可以预测车辆行驶中将遇到的不同形式的障碍。算法得出的障碍预测结果可反馈到基础设施建设端,这样基础设施就能对车辆起到提醒作用。

     

         除此之外,传感器和机器学习算法的结合还能让交通运行中心发掘更多与交通环境相关的信息,同时它们还能不断提升交通信号和规划方面的服务。

     

         除了以上各个方面,准确定位也是自动驾驶车辆导航时的关键因素。

     

         标准的 GPS 导航系统,即使在多路径情况下,准确度也只能保持在 2 到 3 米之内,但这样的精度用在自动驾驶上完全不够,自动驾驶的准确度至少要达到分米或者厘米级别,这样车辆才能与其他物体保持安全距离。

     

         即使我们实现了高精定位,在城市里也会遭遇“城市峡谷”效应(高层建筑间)。同时,能完成高精度定位的 GPS 传感器现在还相当昂贵。要想解决这些挑战,我们就必须使用汽车其他传感器采集到的数据或者用道路基础设施对标准的 GPS 数据进行校正,这样才能实现实时厘米级准确定位。

     

         还有一点,在车辆自动驾驶程度和通讯能力有差别的环境下,挑战也会相当巨大。想解决这一挑战,我们可以在基站安装传感器,随后这些传感器采集到的信息会直接传递给联网车辆,让它们对非联网车辆和非机动车产生态势感知。

     

         这种依靠基础设施的方式,即使在大多数车辆都没有通讯能力时也能稳定工作,同时全自动驾驶汽车也能借助它更高效地通过十字路口。

    *蜂窝网络为基础的交通运输愿景

         这样的方式(如上图)将围绕 5G 网络完成,因为其目标就是提供更快的传输速率。同时,下图的愿景也正是传感器、机器学习和通讯等技术的结合。

     

     

    新的战略研究计划

         德克萨斯大学超近推出了新的战略研究计划,负责推动该计划的是德克萨斯大学的无线网络和通信集团(SAVES),它的目标就是解决下一代联网车辆遇到的挑战。

     

         SAVES 为先进车辆通讯系统、基础设施、传感器技术等设计了一个通用框架。同时,SAVES 还邀请通讯和汽车界的公司齐聚一堂,与擅长无线通讯、机器学习和交通的学者们进行了一番交流。

     

         借助自己强大的影响力,SAVES 还成功拉美国交通部“入伙”,它的“筹码”就是数据支持的交通运营和管理系统(DSTOP)与德州交通部门资助的多个项目。

     

         SAVES 的强悍之处在于它们的无线性能指标(如数据传输速率)和交通运输指标(如交通效率和安全)。

     

         超近,该团队在开发基础理论、算法上做了不少实验,其中一个研究方向是为了建立传感器辅助通讯技术的基础,并利用这一基础在毫米波 V2X 通讯中完成训练。

     

         另一个研究方向则是毫米波车载通讯基础理论的研究,他们对超优波束宽度和光束的相干时间对其进行了调查,成绩斐然。

     

         在一系列实验中,SAVES 充分利用了美国仪器公司的设备,其中包括毫米波原型产品、雷达测试和测量工具。在信道测量中,它找来了丰田信息技术中心和仪器公司来帮忙。

     

         同时,一款混合型毫米波 MIMO 原型系统也得到了有效开发,SAVES 的目的就是测试自研混合型预编程和信道预估算法。

     

         在仪器公司的设备之上,SAVES 还成功开发了联合毫米波通讯与雷达原型产品。除此之外,在实验数据之上完成数据融合也是研究的重点项目之一。

     

     

    总结

         5G 和毫米波通讯无疑会成为下一代传感器密集型自动驾驶车辆的标配,而高速率连接对于传感器数据交换则至关重要,该技术能扩大车辆传感器的探测范围,让车辆所做的决定更加安全。

     

         传感能力将成为车载系统性能的分水岭,而传感器数据不但能提升车辆安全和交通效率,还能直接反哺通讯系统,在低成本的情况下就能建立毫米波链接。

     

         基础设施不但是通讯的载体,它还成了传感器和数据平台,它采集的数据将用于实时运营、交通网络控制和规划上。

     

         不过,前途并非一片光明,在前进的道路上我们还有许多挑战需要面对。(雷锋网)

  • 无人驾驶再出“黑科技” 行人挥手汽车就会停车

      研究人员开发了一套无人驾驶汽车系统,有了这套系统,行人挥一挥手就可以让汽车停车,或者继续行驶。新系统用LED显示屏、传感器侦测行人。当无人驾驶汽车在城市行驶时,由于行人很多,安全是一个问题,新系统也许可以解决这一问题。

    无人驾驶再出“黑科技” 行人挥手汽车就会停车

      这套系统名叫“Blink”,是英国皇家艺术学院(Royal College of Art)和伦敦帝国学院(Imperial College London)开发的。无人驾驶汽车的挡风玻璃和后窗都是LED屏幕,当汽车知道行人在附近行走时,可以用灯光信号告诉用户。例如,如果汽车传感器发现附近有人,汽车上的图标就会发光,模拟行人是怎样移动的,同时还会发出哔哔声。

      当汽车知道行人在附近,行人可以举起手,发出停车信号,此时汽车LED屏幕上的图标会变成绿色,汽车停车。如果行人的手放在一边,LED灯变红,汽车继续行驶。

      看起来很好,不过一些研究人员认为在城市这种系统不太实用。乔治•菲利浦(George Philip)是英国诺丁汉大学的工程博士候选人,他在接受采访时表示,让行人控制无人驾驶汽车不是一个好主意,行人如果能让汽车停车,城市会更加拥堵。菲利浦说:“人到底如何与无人驾驶汽车互动,我们还要继续研究。”

      谷歌申请了许多“行人-无人驾驶汽车”通信专利。2015年,谷歌获得一项专利,按照谷歌的构想,无人驾驶汽车可以识别自行车车手的手势信号,还能做出回应。汽车安装了传感器阵列,它可以识别骑自行车的人。骑手可以用手势告诉汽车自己准备向左转还是向右转,汽车根据收到的信号改变速度。

      2015年,谷歌还获得另一项专利,按照描述,如果无人驾驶汽车正在穿行,没有停车,它会在外部显示屏上显示文字,用扬声器发出警告信息,告诉行人此时穿过马路是否安全。(dailymail)

  • 6到8年后不再有交通拥堵?大众集团:就靠量子计算了!

          高深莫测的量子计算机离大家的生活其实并不遥远。未来,你在北京的街头打出租车后,或许将不再需要为交通拥堵而头痛,这就得益于量子计算机的辅助。

     

          当地时间5月6日《华尔街日报》报道称,在汉诺威消费电子、通信及信息技术博览会(CeBIT)大会上,大众公司宣布与量子计算机开发公司D-Wave合作,展开个研究项目:即利用量子计算机解决北京的交通拥堵问题。

     

    北京交通拥堵

     

          具体来说,大众集团采集了北京1万辆出租车的GPS数据,利用D-Wave公司价值1500万美元的量子计算云平台模拟出每辆车从市中心到达机场的超佳路线。他们希望能让出租车在32公里的路程中以超快的速度到达目的地,且不会造成交通堵塞。

     

    大众集团使用D-Wave 2000Q系统作为两级计算平台

     

          经过近6个月的试验,两家公司所开发的算法在不到一秒的时间内就给出每辆车的超优行驶路线。这一结果令人震惊,因为如果要依靠普通的计算机,大概需要45分钟才能完成同样的任务,而45分钟对于解决交通拥堵来说是无法接受的。

     

          “如果技术可以按照我们所预期的那样推进,那么估计在6到8年之后,这个上就不会有交通堵塞发生了。”大众首席信息官,同时也是该项目的负责人马丁·霍夫曼(Martin Hofmann)在接受媒体采访时称。

     

          该团队的下一个项目是计划在西班牙巴塞罗那推出基于量子计算和机器学习技术所开发的导航APP,它可以在短时间预测出前方的交通拥堵状况,并立即给出超佳的替代方案。

     

          “传统计算机在求解相同问题时,你总会得到相同的答案,而我们的量子计算机得到的答案却是一种概率,就像宇宙的运行原理。”D-Wave美国区总裁波·埃瓦尔德(Bo Ewald)说。

     

          D-Wave公司成立于加拿大,它被称为家量子计算机公司,推出了台商用量子计算机。D- Wave的优选计算机设计可追溯到2007年,当时只使用了16个量子位,而且也无法扩充。2009年,D-Wave首度向Google展示128量子位架构。随后该公司已持续升级至512量子位的架构。

     

          不过对比标准的计算能力,D-Wave量子计算机还是会比传统计算机慢得多,但在解决某些特定的工程问题方面,量子计算机要比现有超级计算机快几千倍。

     

          按照经典计算机的设计原理,科学家们在传统芯片的晶体管中,用0和1的二进制来表示信息。但在量子力学的里,依据量子的物理性质,它能够呈现叠加状态,能同时表示0和1。处于叠加态的量子比特能以一种叫做量子纠缠的现象相互联系,简单来说,就是一个量子比特的行为能瞬间影响到另一个量子比特。

     

          正是由于这样的特性,才让量子计算机有了颠覆传统计算机的能力。谷歌、IBM和微软等公司都已发布各自的量子计算机研究计划。

     

          目前看来,谷歌无疑是这个领域里的羊,他们的研究员计划在今年推出49量子比特的量子计算机。他们还与D-Wave有过合作。2013年,谷歌购买了一台D-Wave计算机,想要搞清楚它是否可以被用于改善搜索结果和人工智能。2014年,公司还聘请了加州大学圣塔芭芭拉分校的John Martinis来设计自己的超导量子位,并且谷歌已经对D-Wave量子计算机进行了测试,并片。谷歌的量子人工智能实验室还曾宣布,其量子计算机D-Wave2X的运行速度比传统计算机芯片上运行的模拟装置快1亿倍。IBM则是在今年年初推出了量子计算云平台,实现了5个量子比特的计算。

     

          尽管成绩突出,但要让量子计算机商业化仍是一件任重道远的事。IBM公司科学和解决方案副总裁达里奥·吉尔(Dario Gil)就认为,当前量子比特的状态还很不稳定,通常受到温度、噪音和频率的干扰而中断,很难保持量子态超过一秒钟。(澎湃新闻网)

  • 交通信号灯接入互联网技术 会结出什么果实?

           随着中国城市规模的不断扩大,尤其是中心城市对人口的持续吸引,让拥堵成为不可忽视的社会之重。繁华之上的低效率出行,带来不少经济和社会问题,“治堵”自然是每个城市的心愿。

          国内头个以浮动车轨迹作为数据基础的“互联网+信号灯”落地济南经十路,经过一个月的使用,已显示出一定的成效,经十路早晚高峰期间的交通延误时间均下降了超过10%。那么,什么是“互联网+信号灯”?它的优势在哪里?它是如何智能地对交通进行管理呢?

          什么是“互联网+信号灯”?

          普通的交通信号灯可以使各个方向的车流及行人在道路交叉口上都能获得通行权,那针对交通延误如此有效的“互联网+信号灯”到底是什么呢?据中国新闻网报道,“互联网+信号灯”可以通过分析数据,针对实时路况,准确计算与评估区域内的车流量,优化红绿灯的合理使用,在饱和状态下优化区域内超大通行量,实现信号灯的智能控制,改善交通环境。通俗的说,就是根据道路的需要,红绿灯可以自行“决定”各自显示的时间。例如,交叉路口明明没车,但是信号灯显示的却是绿灯;路口车很多时,信号灯却显示的是红灯,不让车辆通过。“互联网+信号灯”就可以改变这种情况,利用监控到的车流数据,使车多的路口显示绿灯的时间较长,车少的路口显示的红灯时间较长。

        “互联网+信号灯”的优势在哪里?

        “互联网+信号灯”与之前使用的交通信号灯控制系统相比,有何优势呢?除了上文介绍的,“互联网+信号灯”可以实现自动调控,让交通运行变得更“智慧”,它的监控范围也比普通信号灯要大得多。之前使用的交通信号灯控制系统只是断面检测,无法感知全路段的交通运行情况,容易造成路口拥堵,“互联网+信号灯”则可以对这种现象进行有效治理。

        “互联网+信号灯”如何变智能?

        “互联网+信号灯”让交通灯变得越来越智能主要通过以下四个步骤:

        1、监控。实时对路况进行监控,如哪个路口拥堵、哪个出口出现“通行瘫痪”以及每个路口、每个方向堵到什么程度等都可以时间“汇报”。“互联网+信号灯”改变了以往依赖市民报警和警力巡查发现问题路口的状况。

        2、大数据处理。“互联网+信号灯”通过对大数据的计算与预测,梳理各个路口的交通状况,对每个路口进行实时度量。

        3、设计配时方案。根据计算所预测的数据,可以设计出交通信号灯的配时方案,同时这个以浮动车轨迹为数据基础的配时方案并不是传统的“一次性”方案,而是可以通过对交通大数据的分析,再次设计出不同的“解决方案”,通过模拟不同优化方案实施之后的交通通行状况,给出超理想的优化方案。

        4、将指令传给“互联网+信号灯”,进行超优配时。 (科普中国)

7 页 共 26 页 显示 31-35 条