人工智能帮助快速修复道路上的坑洼

作者: Jim Gorzelany 2019-03-10 16:25:54

又到了道路上坑洼遍布的季节,这种神奇的现象总是出现在冬季和春季之间,美国各地的道路对乘用车和卡车展开了报复。AAA表示,每年,美国的车主为了维修坑洼造成的损坏需要花费30亿美元的费用。在过去五年中,有1600万名驾驶员报告称,由于很难对付的草皮,他们的汽车出现了轮胎爆裂、车轮弯曲和悬架过快损坏等损失。

人工智能帮助快速修复道路上的坑洼

今年,随着冬季老伯(Old Man Winter)来到美国所有的50个州,全国大片的地区将在本月再度迎来道路上的坑坑洼洼。

外行人也许还不了解,坑洼是对道路路面的破坏,作为一年一度的冰冻/融化循环的一部分,冰雪开始消融。水渗入路面并加剧道路路面的开裂。这种现象在交通繁忙的地区尤为普遍,特别是卡车通行比较多的道路更是如此,而且由于排水不畅,倾斜低洼的道路和高架桥下的通道更易出现坑洼。

一家汽车供应商——CarVi正在为其旗舰售后服务车道偏离和碰撞警告装置加装车载人工智能系统,该系统名为“坑洼探测(Pothole Detection)”,有望帮助减少车辆在道路上的损坏。该系统在车辆的前挡风玻璃上安装前视摄像头,该摄像头配备了9轴传感器,可以检测道路的情况,识别出现在已经存在的坑洼和刚刚开始裂开的坑洼。该公司表示,这是通过先进的转移学习和深度学习技术实现的。

在旧金山进行的一次初步的试验发现了不少于300个坑洼。该试验的想法是与当地机构实时共享这些信息,以帮助快速修复最严重的裂缝并找出潜在的问题点。CarVi表示,该公司目前正与伊利诺伊州和爱荷华州的联邦运输机构合作,以实现这一目标。

CarVi的***执行官兼创始人Kevin Lee表示:“我们有能力与市政当局合作解决全国各地的坑洼问题,这对我们为所有人创造更安全道路的目标至关重要……坑洼不仅会对车辆和其他运输方式造成损害和不必要的开支,而且由于道路没有得到维修让坑洼变大,还会增加因此而死亡的人数。”

如果这样的监测系统能够被集成到未来的车联通信系统之中,警告驾驶员注意前方道路的坑洼,那么我们很喜欢它。更好的方法是将该技术集成到车辆的车道对中系统之中,并且真正地让车辆自动避开它们。当然,数据库应该可以进行双向通信,这样市政当局就可以让系统知道这里已经确定存在一个坑洼,这样车辆就不会误踩,并且会绕行使用好的路面区域。

与此同时,由于道路上那些令人讨厌的车辙不会很快消失,Farmers Insurance的专家们还提供了下面的坑洼生存技巧:

对于新手来说,请谨慎行事。慢下来,在你的汽车和前方车辆之间多留出一点距离,以便更好地发现并避免撞到路径上的坑洼。这在能见度不足的夜晚尤其重要。如果你以较慢的速度撞到道路上的一个坑洼,你的车辆受到的伤害也会比较少。

注意充满雨水或冰雪融化的“隐藏”坑洼。它们通常与路面的其他部分融为一体,使得它们难以被发现并且也很难判断它们的深度。沿着你的常规驾驶路线留心记下坑洼的位置,这样你就可以知道会在哪里遇到它们,并且绕开它们。

如果你踩到了一个足以损坏你的汽车或卡车的坑洼,请务必联系你的汽车保险代理商,看看你的保单是否包含所需的维修费用。坑洼造成的损坏通常会被涵盖在车辆碰撞的事故之中,Farmers Insurance表示,每年全行业要处理50万起与坑洼相关的理赔。或者,美国有很多较大的城市会在一定程度上补偿驾驶者因为道路中未被修补的坑洼而造成的、必要的维修费用。

人工智能 坑洼 车辆
上一篇:「从入门到放弃」,苹果无人车项目再裁 190 人 下一篇:该如何选择最适合你的开源框架?
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

MIT提出Liquid机器学习系统,可像液体一样适应动态变化

麻省理工学院(MIT)的研究者开发出了一种新型的神经网络,其不仅能在训练阶段学习,而且还能持续不断地适应。

机器之心 ·  2021-02-21 15:47:47
规划智慧城市时,别忘了无障碍通行

要想成为一个智慧城市甚至一个智慧世界,虽然可能需要时间和有针对性的规划,但我们必须以人为本。

蒙光伟 ·  2021-02-21 10:26:41
2021关于人工智能的五大趋势

数字化变革,比过去10年更多,这主要是由于远程工作的规模,以及企业迅速部署了必要的技术,尤其是与网络安全相关的技术。那,2021关于人工智能的五大趋势会是如何的呢?

Lichu ·  2021-02-21 10:21:01
使数据中心更智能:人工智能如何发挥作用?

随着数据成为维持几乎所有业务运营以获取洞察力和业务成果的先决条件,数据中心正处于这种数字化转型的关键。

Cassie ·  2021-02-21 10:14:59
IBM拟出售Watson Health后,AI医疗还能不能碰

医疗服务仍然是一块商业上尚未被完全发掘的市场,看病难/看病贵、医疗资源紧缺、医疗资源不平均等痛点问题长期存在,对应的市场空间理应是巨大的。而Watson Health作为IBM曾寄予厚望的业务方向,为何要在此时萌生退意?它的故事给业界带来哪些启发?眼下的AI医疗市场,究竟是一副什么样的局面呢?

物联传媒 ·  2021-02-21 08:41:16
抛弃归一化,深度学习模型准确率却达到了前所未有的水平

我们知道,在传递给机器学习模型的数据中,我们需要对数据进行归一化(normalization)处理。

机器之心 ·  2021-02-20 21:09:12
华人博士生首次尝试用两个Transformer构建一个GAN

最近,CV 研究者对 transformer 产生了极大的兴趣并取得了不少突破。这表明,transformer 有可能成为计算机视觉任务(如分类、检测和分割)的强大通用模型。

Yifan Jiang ·  2021-02-20 21:04:53
无监督训练用堆叠自编码器是否落伍?ML博士对比了8个自编码器

柏林工业大学深度学习方向博士生 Tilman Krokotsch 在多项任务中对比了 8 种自编码器的性能。

Tilman Krokotsch ·  2021-02-20 20:57:16
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载