大数据与深度学习如何让你在下班路上少堵一会儿?

作者: 钛媒体 2017-03-27 16:27:00

当你在手机上的公交App里查询112路还有几站到时,是否觉得这不过就是公交车装上GPS的事儿?当你下班路上在百度/高德看着满城的红色“沦陷区”一筹莫展时,可有抱怨过地图App只能提示拥堵,却并不能解决拥堵?当你在赶往机场的路上被一路红灯道道阻拦、急火攻心时,可曾想过为什么信号灯偏偏跟你过不去?

在对于无人驾驶的畅想中,解决交通拥堵,减少浪费在路上的无谓时间是很多人的美好期待(据2016年数据,北京市工作日平均每天堵车约3个小时)。然而,然而车与车之间的数据共享与时时“沟通”目前看来仍然遥不可及,受限于无线通信标准、车厂合作、政府监管等原因,“车联网”在短期内仍然难以实现。更为棘手的是,司机经常会违背或忽略交通规则,而无人车与行人之间的意识“沟通”仍然是天方夜谭。

既然短时间内无法寄希望于无人驾驶将“堵车”问题一劳永逸地解决,那么目前的智能交通系统能够做些什么?如何在“车辆网”尚未实现的情况下实现车流的控制,交通的疏导?大数据、深度学习又能在其中发挥什么样的作用?

“一座城市每天会产生数千万的海量交通数据,但这些数据以前大多数只能‘沉睡’,不能为人所用。”作为中国智能交通领域连续八年的“隐形冠军”,海信网络科技董事长周厚健认为,目前基于GPS、摄像头、超声波雷达、横断面雷达、地磁感应器等“外部监控网络”形成的天罗地网,已经可以产生足够的数据,来帮助实现“交通交响曲”的宏观指挥。

目前的问题在于,这些数据并未被充分挖掘和利用。

“我们不是去告诉大家哪里拥堵哪里不堵,而是要解决怎样把拥堵变成不堵。”按照周厚健的说法,智能交通解决方案就是通过合理的车流调配,让拥堵的地方松驰一些,让闲置的地方密集一些。通过交通管控平台,给出卡口及红绿灯信号,引导车流流向。

比如,如何借助智能交通系统尽可能实现“一路绿灯”?海信的信号控制专家马晓龙给出了基于人工智能技术的解决方案。通过深度学习模型,以数据大脑为核心,实时监控分析道路车流量,依据动态的交通数据,自动切换和调配信号灯时间,最直观的变化是红绿灯的时间不再固定,甚至全程绿灯不停车。

在海信自适应信号控制系统下,按推荐速度行驶,就可以实现“一路绿灯”。在南昌,15条绿波控制的路段,协调控制方向的行程时间平均减少30%以上,车速平均提高40%以上,交通流量提高15%以上。在青岛,智能交通系统的建设完成让高峰持续时间下降1.48小时,平均速度提高比例提高9.71%。

再比如,如何实现交通堵塞问题的快速疏导?以往对于交通堵塞问题,往往是发生拥堵后十多分钟,交警才收到报警,部署警力前往现场疏导。不仅反应过程长,而且容易导致拥堵加剧和潜在安全事故。

海信建立起基于深度学习的交通预测,“以海量交通数据为基础,分析交通运行的规律性和相似性,建立智能学习模型,通过深度学习去预测流量等交通参数,预知拥堵区域等”。就可以预测拥堵地区和时间,提前进行方案制定、信号调配、诱导信息发布以及警力的部署。

这一切都建立在海信研发的“数据魔方”之上,基于深度学习的交通预测,可在30秒内完成10亿规模交通大数据的可视化分析。

十几年时间里,基于对城市交通数据的持续研究,海信率先提出了基于大数据的新一代城市交通一体化解决方案并不断优化。在全国39个省会城市和计划单列市中,海信的智能交通解决方案已应用于其中28个。

2012到2015年,国内亿元以上的智能交通大项目海信的中标额占比42%,并直接把相关产品的价格拉下2/3。海信的智能交通方案,包括智能调度公交车、智能红绿灯、对突发拥堵进行超前检测等,已经服务国内100多个城市。

在成都,海信将13000多辆公交车接入到智能公交调度系统中,实现全国首例1万台以上公交接入。智能公交调度系统实施后,乘客平均候车时间下降40%,月均投诉下降20%,同时,月均事故下降47%,超速违规行为下降97%。

今年两会期间,在回答媒体追问“是否可以解决像北京这样的大城市拥堵问题”时,身为人大代表周厚健自信地回答: 能! 并“希望北京给海信智能交通一个机会”。周厚健的回答之所以如此充满底气,是因为无论是北京奥运村区域的智能交通管理系统,还是朝阳路、安定路的快速公交系统,都是海信网络参与搭建的。

你也可能会好奇做家电的海信何以成为了智能交通行业的领头羊?实际上,出走家电红海的海信悄然之间已经成为了很多细分领域的“隐形冠军”。目前,海信智能交通成为全国第一,光通信全球第五、接入份额第一,商用空调已位列国内第二。周厚健透露,B2B业务目前已近占海信集团利润的近四成。

深度学习
上一篇:AI发展的下一站——机器人用自己独创的语言进行交流 下一篇:迪拜街头将部署机器人警察
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

18个挑战项目带你快速入门深度学习

AlphaGo 大战李世?h之后,深度学习技术便在国内变得异常火。吸引了大批的技术人员争相学习,那么到底如何才能更快速的入门深度学习呢?下面给大家介绍的 18 个挑战项目,通过实践动手带你快速入门深度学习!

实验楼 ·  3天前
盘点 | 8个你可能不知道的深度学习应用案例

深度学习与传统机器学习系统的不同之处在于,它能够在分析大型数据集时进行自我学习和改进,因此能应用在许多不同的领域。

天极网 ·  3天前
2019年较热门的5大深度学习课程

今天,我们将和大家盘点一下,当下较流行的深度学习资源/课程,可以帮助你们提升深度学习技能。

猿哥 ·  2019-09-26 05:16:24
DeepMind一次性开源3个新框架!深度强化学习应用落地即将迎来春天?

深度强化学习(Deep Reinforcement Learning,DRL)一直是近年来人工智能的一些重大突破的核心。然而,尽管 DRL 有了很大的进步,但由于缺乏工具和库,DRL 方法在主流解决方案中仍然难以应用。

杨鲤萍 ·  2019-09-20 09:38:18
一步一步带你完成深度学习与对象检测之人脸识别

要进行人脸识别,就要搜集用户的人脸图片,我们从网站上搜集了几个明星的照片来进行本期文章的分享。此部分文章是人脸识别的第一部分,人脸数据的搜集与提取,后期我们分享人脸识别系统的神经网络训练与人脸识别。

人工智能研究所 ·  2019-09-18 07:20:34
看懂这十步,8岁的小朋友都能理解深度学习

如果对当今人工智能的主流技术——深度学习没有了解,可能真的会有人觉得,当前的科学家们在创造无所不能、无所不知的电影AI形象。那么,如何用最浅显的方式,给大众解释什么是深度学习呢?快来看看吧!

佚名 ·  2019-09-17 16:56:39
PyTorch版《动手学深度学习》开源了,最美DL书遇上超赞DL框架

李沐等人的开源中文书《动手学深度学习》现在有 PyTorch 版实现了。不论是原书中的示例代码,还是实战项目,原来的 MXNet 都可以无缝转化到 PyTorch 代码。

ShusenTang ·  2019-09-17 10:23:45
2019年10大机器学习Q&A,面试应知!

本文整理了一些最常见的机器学习面试问题及其相应的回答。机器学习有志者以及经验丰富的ML专业人员可以在面试前以此巩固其基础知识。

读芯术 ·  2019-09-09 11:07:00
Copyright©2005-2019 51CTO.COM 版权所有 未经许可 请勿转载