日前,第四届华为全联接大会在上海召开,华为智慧交通解决方案总经理方海林、华为智慧交通解决方案CTO王鹏和赛文交通网CEO徐赫联合发布了华为智慧交通TrafficGo2.0解决方案。华为智慧交通TrafficGo2.0方案在TrafficGo1.0基础上迎来全面升级,以华为云EI交通智能体为核心,五大服务闭环创新、四大生态智慧聚合、五大平台强劲支撑,在智慧交通领域给客户带来持续创新,让交通更顺畅,出行更美好。
华为智慧交通TrafficGo2.0方案发布
方案成效如何 ?事实来说话
华为智慧交通解决方案已经在多个城市成功应用。
以深圳为例,深圳有6000公里,9000多条道路,道路车辆密度全国第一,拥堵成“顽疾”。 TrafficGo在深圳坂田8个路口做了试点,实现区域协同优化效果,平均车速总体提升4.2%,平均旅行时间总体上升5.1%,车均延误总体下降17.7%。
2019年5月17日,TrafficGo2.0在天津生态城完成关键桥口区域23个路口的信号优化。高峰时段,路口车辆排队溢出次数降低20%,平均车速提升18%,高早高峰时长缩短10-15分钟,完成基于50个路口的应急绿波,减少 44% 消防救援通行时间。
华为智慧交通TrafficGo2.0方案在天津、深圳的成功应用,表明了华为在智能交通行业给客户带来的价值,也让TrafficGo 2.0方案的上线更加令人期待。
五大服务闭环交通治理
华为智慧交通TrafficGo2.0方案,以华为云EI交通智能体为核心,通过感知、认知、诊断、优化、评价五大服务闭环交通治理。
全息数据融合的感知:华为支持电警、卡口过车记录、地磁、停车场、公交车GPS、浮动车、GIS地图、天气、运营商OD、车联网等等多源数据的融合,并对数据进行校准补齐,用数据构建出一个完整的数字化交通形态,真实地展现交通情况。
全量数据认知:就是从数据到信息加工的过程。在宏观掌握全网实时交通状态,中观观察区域交通情况,微观洞察交通瓶颈路口路段,识别交通供给能力和交通需求。在交通供给侧对通行能力提供精准分析;在交通需求侧,识别车多带来的拥堵变化,实时检测交通事件,识别事故带来的交通状态下降,动态的调节交通需求,提升交通供给能力。
多维AI诊断分析:在认知的基础上,使用萃取专家经验的AI算法,从时间、空间多个维度分析出路口拥堵成因。传统人工勘验靠人蹲守在路口,耗时耗力,做不到长时间全天候的观察,主要依靠人工经验解决问题,是定性的碎片化的分析。TrafficGo的价值是依靠人工智能,大数据,做到定量的,科学化的自动分析,诊断出拥堵原因,提供优化建议给交通工程师。
全时空优化治理:根据诊断出的成因,对症下药。TrafficGo除了可以使用AI技术优化信号配时,还可以结合行业专家经验更科学地为道路设计提供优化建议,如潮汐车道,可变车道等。TrafficGo通过信号优化解决的不仅是单个路口和干线的拥堵问题,最重要的是通过区域协同优化,缓解整个区域的拥堵情况。升级后的全栈AI处理平台,算力和算法更强大,让复杂计算速度更快,优化建议更准确。
精准可信的评价体系:华为交通智能体联合行业主管部门建立了6大类,100+指标的评价体系,完善和建设精准可信的联合标准。
成功实践的秘诀:黑土地底座+四大生态
华为智慧交通TrafficGo2.0方案秉承华为 “坚持把自己擅长的做好,把芯片、算法、操作系统、数据库做到极致,一点一点的把底座做好”的原则,坚持开放开源,为合作伙伴提供最肥沃的“黑土地”。从算法生态、数据生态、专家生态、业务生态四大层面联合客户和合作伙伴携手创新,共建开放、合作、共赢的产业生态,博采众长,百花齐放。
TrafficGo2.0的创新基础:五大平台
在SDC感知平台,华为智慧交通TrafficGo2.0推出新款SDC软件定义摄像机,支持云端算法加载,支持将非智能摄像机改造成智能摄像机的1拖N功能,增强视频分析能力。华为研发了 SDC OS 视频设备操作系统,开放给图像智能识别算法企业,形成算法仓库,各合作伙伴可更为快速的将算法上线,而应用单位可以将前端算法一键加载或升级,提供前所未有的使用体验。
通过IEF边缘计算平台,让路口具有智能计算的能力,实时处理事件检测的分析与扩展能力,提升了数据处理的实时性,完成对路口档案的精准刻画。
通过FusionData数据平台,汇聚互联网和各类交通大数据,提供“采-存-算-管-用”全生命周期的数据处理能力,让数据“存得下、流得动、算得快、用得好”,帮助客户打通全域数据连接、建立统一的数据平台、提升实时数据服务能力,打造数据融合的黑土地。
基于华为自研全栈全场景的AI平台,提供Modelarts2.0开发和管理平台、Mindscope统一机器学习框架,并开放算法仓,共享AI开放平台能力,提高了处理性能,减少了业界成本。
HUAWEICloud平台:信号推理模型基于海量样本数据在华为云平台上持续进行“训练-仿真-预评估”循环,不断地迭代优化信号推理模型,让信号优化方案更准确。
