物联网  >   智能交通  >  正文

“云+未来”| 今天,腾讯在智能交通领域出了一个大招

 

厉害了,我的腾讯,在智能交通领域也大放光彩...
5月23至24日,以“焕启”为主题的2018腾讯“云+未来”峰会在广州召开。
今天,腾讯在智能交通行业的业务布局揭晓了……

 冯宇彦 (腾讯云交通云总经理):腾讯智慧交通的愿景是让交通变得更智慧。

腾讯交通行业业务:

覆盖航空公司、机场港口、高速公路、轨道交通、城市道路交通、铁路客货运输、城际铁路、物流运输、交通基础设施建设等“大交通”各个领域。

腾讯智慧交通业务:

通过自身的云计算、大数据、物联网、移动互联网、人工智能等新兴技术和产品,围绕“旅客出行服务”和“运输生产经营管理”,与众多合作伙伴一起为交通运输企业打造“公交云”、“地铁云”、“智慧场站”、“智能安防”等智慧交通系列产品和解决方案。 

腾讯智慧交通实现手段,

  • 第一,出行的态势感知智能化

  • 第二,让所有的数据可视化

  • 第三,让所有交通设施资源物联网化

  • 第四,实现交通运输精细化管理

  • 第五,实现个性化服务

  • 第六,所有基础设施云化  

腾讯智慧交通的应用,

  • 基于深度学习车牌识别技术的高速不停车收费应用。

  • 基于LBS挖掘潜在商旅人士,带来商业和管理的智慧化。比如借助于腾讯云所提供的云端地理位置数据服务和用户画像数据,政企客户可以更方便而准确的为实时人群流动构建虚拟镜像,在数据矩阵中洞悉人群价值。

  • 大数据为交通运输企业建立闭环的数据精准营销体系。

  • 商业营销方面,人脸支付及商家会员拓展。比如机场购票人脸识别自动支付等等。

最后冯宇彦表示,数字化转型时代,腾讯融合大数据和AI能力为交通行业贡献技术和经验。

 周可菁 (腾讯优图产品负责人)解析了计算机视觉在智慧城市的实践应用。

在智慧交通领域,基于车辆的检测与分析,周可菁表示腾讯优图可以做到打击车辆违法,助力智慧交通的建设。

在车辆检测与属性识别的实现中,

  • 采用了多目标检测技术,支持行人、非机动车、机动车、兼容不同大小、类型、遮挡情况、覆盖卡口、停车场、社区等各种场景

  • 以及车辆属性识别技术,对特征区域、驾驶员行为、车型、车身颜色、车辆品牌、各类常规特种车牌

也可以实现车辆追踪与车辆检索,在解决车辆追踪中,采用了视觉相似度与时空运动关联学习,兼容目标交汇、快速移动等复杂车流场景,支持卡口、高空等各类点位。

简单总结,腾讯优图基于深度学习的AI技术在交通领域的应用,有车辆检测、车辆追踪、车辆属性、车牌识别、以图搜图等等。

在安防领域,优图还有天眼交通平台。

周可菁最后表示,人类真正优越于人工智能的,不仅仅是更强大的逻辑运算能力或创造力,而是神圣的道德感和责任感。富有道德感和责任感的决策者会让技术引领所有人,步入人类新纪元。

 周聆 (深圳地铁运营总部票务中心研发室主任)分享了深圳地铁拥抱全新出行的模式体验体验。

周聆表示,2018年5月8日,深圳地铁乘车码扫码过闸正式上线。 

 杨赖土 (四维图新产品总监)表示四维图新的愿景是打造智能汽车大脑。

市场业务包括联网云服务、自动驾驶、导航三大板块。

  • 联网云服务是指智慧交通大数据、车联网、车载智能语音

  • 自动驾驶是指高精度地图、高精度定位

  • 导航是指导航电子地图、ADAS地图、导航引擎 

杨赖土认为人工智能的基础是海量数据的累计,四维图新有1000亿累计用户行驶轨迹、1600万车辆实时数据、2亿道路交通采集数据。

其智慧交通产品包含出行服务和研判分析两个部分,

  • 出行服务包括,交通路况、交通事件、交通天气、限行服务、停车场动态服务、路径规划等等。

  • 研判分析包括,道路通行能力分析、交通事件预测、拥堵态势分析、潮汐现象分析、路况通勤效率分析、交通模式分析、交通枢纽客流分析等。 

图像识别在智慧交通中的应用,比如交通事件识别、交通模式识别。

我们知道传统ETA预测的痛点,有红路灯模型存在误差和算法准确率达到瓶颈,而机器学习可以解决这些问题,做ETA预测。 

AI云助力智慧交通,表现在,

  • 大规模深度学习模型训练资源弹性扩展

  • Modil as a Service快速投产使用

  • 聚焦业务模式,平台搭建管理无忧

 贾佳亚 (腾讯优图实验室杰出科学家)首先分享了AI是什么?并表示,

  • AI与我们的生活越来越密切,生活中AI无处不在,但“真”AI并不多

  • 现阶段人才主义的合理培养和利用是AI产业的重要环节

  • AI在技术普及层面民主化了

  • 在产业应用层面越来越具备壁垒效应

 王龙 (腾讯云副总裁)简单介绍了腾讯“超级大脑”,是一套开放、共建的技术输出体系,数字世界“智能操作系统”。

重点从数据层面介绍,行业对数据质量和数据规模的需求。 

以及,如何处理大数据?如何运用技术来解决?强调了腾讯的算法模型,比如,

  • 单点提速,更强的数据计算能力

  • 规模拓展,弹性可靠       

  • 框架优化,软硬结合,全面加速    

上一篇:城市智能交通发展目标与主流方向

下一篇:悉尼未来的智能交通要如何建造?