“边缘AI”在智慧交通领域中的应用

在5G浪潮的推动下,车路协同、智能停车、智能交通规划和自动驾驶等技术越来越多。与此同时,5G带来了数据暴增,越来越多的应用程序开始在云端运行,通过网络进行数据通讯。

而对于交通行业来说,有些应用场景对传输延迟有非常严格的要求,强实时数据体量不断增加,在应用现场进行数据处理的需求也随之上升,于是智能交通领域也开始应用“边缘计算”技术。

边缘计算与边缘AI

边缘计算是5G网络架构的核心环节。指的是一个分布式计算框架,它集成了网络、计算、存储和应用等核心功能,是一个部署在数据源头,更接近用户边的独立处理终端。

其分布式计算的框架特性,能够使处理终端更接近数据源,如物联网设备或本地边缘服务器。这种特性可以为业务处理带来更准确的监控、更快的响应时间和更少的带宽压力。

当然,边缘计算是一个连续迭代更新的概念。不同技术的融合使得边缘计算的核心不断创新。例如,加入人工智能和神经网络的应用,为“边缘AI”的落地提供了助力。

在物联网时代,大量硬件将连接互联网,进行数据采集和传输交互。边缘AI通常与物联网联系在一起。物联网设备功能越来越强大,也因此产生了大量数据,边缘AI计算机可以将数据重新迁移到网络的“边缘”,这意味着数据不需要在云服务器与用户之间反复传输以进行处理。

因此,边缘AI能够更有效地管理来自物联网设备的大量数据,具备更低延迟、更快处理速度和更好的扩展性。在5G和AI的乘数效应下,强化了无线数据传输的高带宽、低延迟能力,大大提高边缘AI计算机的处理速度,并最终增强对实时应用的支持能力。

据IDC预测,到2025年,全球物联网连接数量将增加到270亿,物联网设备数量将达到1000亿。而全球数据总量将达到163 ZB,超过70%的数据和应用将在边缘生成和处理。

在云计算刚普及时,很多人认为终端的价值已经不会再提升。所有数据将直接传输到云端进行处理和计算,然后在传回终端。但实际的发展多少有些出人意料。许多应用程序场景对延迟有非常严格的要求,如果完全依赖云端处理,将不可避免地降低效率,甚至出现隐患。

边缘AI在智能交通的应用

智能交通的实施是一项巨大的系统工程。除了调整城市空间和道路,还需要一个稳定可靠的管理系统,它能结合最新的软硬件技术,来应对各种场景下复杂的应用。根据麦肯锡的咨询研究报告,在边缘计算的行业应用中,交通运输所占比例最高。

随着城市交通智能化的发展,各种终端数量的增加,对海量信息实时处理的需求也显著增加。将所有的数据都上传到云端计算,会占用大量带宽资源,提高传输延迟,但如果将一部分数据分析和实时处理的工作放在用户端的边缘AI计算机上,在终端直接反馈,只保留必须云端参与的计算需求上传,则可以有效降低带宽占用和信息延时。

比如在视频监控领域,单个路口的高清摄像头每天就会产生几十G的视频文件,如果是一条街、一个区域、甚至一座城市,产生的数据量是无比巨大的,而这些视频中,真正有效的,发生违法行为的内容占比很少。

为了避免大量无效视频占用带宽资源上传云端分析的情况,可在现场进行智能分析处理的边缘AI计算机提供了帮助,它可以直接在本地分析违法行为,筛选有价值内容上传,大大降低了无效内容产生的带宽浪费。

通过融合边缘AI框架和视频监控技术,软硬件结合的视频监控应用平台,提高视频监控系统前端摄像头的智能处理能力,进而强化预警系统和处置机制。

通过上述可以理解,“云计算”相当于智能设备的大脑,处理相对复杂的流程,而“边缘AI”相当于智能设备的神经末梢,会做出一些“潜意识”的反应,这为行业长期发展遇到的难题带来了解决的希望。

边缘AI在车路协同的应用

“边缘AI”在智慧交通领域中的应用

交通领域最典型的应用场景是智能汽车,汽车在行驶过程中会产生大量数据,这些数据可能是汽车自身数据、如时速、油门、刹车开度等,也可能是雷达、视觉等外部传感器探测的数据,甚至在车路协同场景中,还会有其他车辆的位置、速度,及电子路政设施的交互数据。

汽车在道路上行使时,这些海量数据如果全部需要上传云端处理后再返回车辆,就会产生严重的安全隐患,而有独立计算能力,能做出“潜意识”反应的边缘计AI算机,就展现出了自身价值。

例如,当自动驾驶汽车处于危险状态,需要立即减速或停车时,如果还需要向“云端”上传数据,等待云计算后,反馈停车命令给汽车,汽车再做出响应,那就严重增加了事故风险。

如果恰巧汽车行使在无信号的山洞、隧道中,或信号故障、干扰的区域,云计算就完全失联了,汽车无法自主进行决断是非常可怕的。所以要借助边缘AI计算机给与汽车相应思考能力,让他们不需要云计算即可做出“潜意识”的正确反应。

此外,智能交通正在从单一场景的交通管理,向融合场景的交通服务发展。V2X(汽车无线通讯互联)场景可以让智能驾驶更安全、高效、便捷,更多的道路智能设备加入,给与汽车如限速、恶劣天气预警、并线提醒、路口信号灯配时调度等数据。

对计算能力的高要求、高移动性、高可靠性和实时性带来了全新的技术挑战,边缘AI将在车路协同领域有更多的技术拓展空间。

边缘AI在静态交通的应用

边缘AI在智能停车中的应用也体现在停车控制系统和车联网中,并影响着未来的停车位和道路交通规划。

目前,智能停车已被纳入新型基础设施和智慧城市的战略建设。边缘AI使智能停车变得更加成熟和完善,智能停车管理方法也有了长足的进步,加速了科技与商业的融合。

随着时间的推移,静态交通信息的大数据不断积攒,云存储等类似服务面临着大量复杂的数据处理压力。智能停车的建设如果依赖于单一集中处理的云计算模式,无法解决所有问题。

解决这些问题需要多种计算模式的集成。边缘AI模型可以最大限度地将计算迁移到数据源头上,将更多的数据在源头筛选、处理,降低对传输要求和云端计算与存储压力。

目前,中国的边缘AI市场仍处于行业的早期阶段,具有巨大的技术爆发潜力。各类行业参与者均在积极部署抢占市场。主要生产厂家和科研机构正在制定标准和规范。虽然尚未达成共识,但国内外已形成许多行业联盟,大力推动边缘AI的标准和技术进步。

边缘AI的出现使智能交通更加安全。无论是公路、铁路、航运还是航空,在运输行业中,安全是最重要的。相信在未来,“边缘AI”在智能交通领域会有更多的技术突破,从而改善我们的日常生活。

来源:汉智兴科技

最新文章