云上技术 | AI一体机高速自由流收费稽核

简介: 自2019年两会政府工作报告中明确“深化收费公路制度改革,两年内基本取消全国高速公路省界收费站,实现不停车快捷收费,减少拥堵,便利群众”政策以来,全国高速公路取消省界收费站的工作快速推进。

画板 10 副本 2@2x-100.jpg

自2019年两会政府工作报告中明确“深化收费公路制度改革,两年内基本取消全国高速公路省界收费站,实现不停车快捷收费,减少拥堵,便利群众”政策以来,全国高速公路取消省界收费站的工作快速推进。在撤站实现开放式的收费模式后,一些深层次的挑战也随之而来。其中最为突出的是,高速公路的路网服务从省域路网扩大到全国一张网,收费稽查和追缴难度变大。收费的准确性依赖于路侧的收费设施设备,对车辆识别要求更高,单纯依赖于仅识别车牌已不满足新场景下的稽核要求。

最典型的例子是经过高速公路收费站时,一旦司机对收费金额有所疑问,收费员需花费大量时间来调取路网数据并进行现场沟通处理,尤其当跨省车辆路径复杂的情况,会更加耗时。同时,调取路网数据中精准车辆识别所生产的图片、视频等数据迅猛增加,对存储、算力、计算延迟也产生了数十倍压力。

针对高速自由流收费稽核当前遇到的种种现实问题,阿里云混合云AI一体机在交通大数据应用场景下采用“云边一体”的部署新模式,通过“边缘计算+AI”能力和地雀轻量级云平台,为客户提供高速公路稽核系统解决方案。

自由流收费稽核系统通过对通行车辆进行档案化管理,实现车辆整体态势分析;并利用大数据和AI算法提供标签与嫌疑车辆圈选,从海量数据中精准快速地找到待稽核的车辆名单;将嫌疑车辆列表推送给人工稽核,利用图像特征实现车辆真实通行路径还原,提供完整的证据链,加速取证过程。

基于阿里云混合云AI一体机的自由流收费稽核系统三大功能
1、稽核数据监测
通过AI算法和大数据技术,提供标签与嫌疑车辆圈选,在海量的数据中自动识别通行异常的车辆并推送给稽核人员,当日稽核数据的基础情况在关键指标区域可见(通行量、平均扣费成功率、实收金额、应收金额及稽核标签)。

01.jpg

2、一键稽核
识别出来的通行车辆异常包含通行扣费异常和通行行为异常,稽核人员可以根据标签和金额,或稽核置信度来筛选优先需要稽核的车辆,比如选取最高嫌疑选项,查询车辆异常通行对应的路径、流水以及车辆档案,这是利用图像特征实现的真实车辆路径还原,可提供完整的证据链,加速了取证的过程。

02.jpg

03.jpg

3、远程查看巡检&监控告警平台
通过云边部署的新模式,能够支持本地业务的实时智能化处理与执行,在边缘节点处,实现了数据的过滤和分析,极大的缩短了设备响应时间,减少了从设备到云端的数据流量,同时也能做到对边缘节点的远程运维,去提高服务效率和节省人力成本。如下图是阿里云混合云AI一体机的远程运维的服务中心,可在监控中心中查看刚建立的一体机项目信息,其中巡检报告和告警详情还暂时没有上传的数据,会定期把本地数据同步到远程运维服务中心里。

04.jpg

如下图是本地对云平台的应用和硬件进行的监控,保证问题和异常的有效和及时发现,并且将告警数据上传到远程运维服务中心进行展示;通过定期巡检功能对云平台进行基础的环境和服务巡检,云产品的巡检、资源的容量以及性能的巡检,对于其业务正常与否与健康程度进行了数据化评价和判定,并将生成报告上传到远程运维中心进行展示。

05.jpg


如何观看场景演示&预约POC体验?

登录【混合云体验营】->【混合云平台-全栈建云-申请体验】->【混合云平台云端体验馆-一体机-AI一体机高速自由流收费稽核】

混合云一体机(Apsara Stack Appliance)

面向AI 边缘计算场景,提供软硬件一体化解决方案,通过预安装、预集成、深度调优,同时支持远程交付和中心统一运维,有效提升系统可用性和运维效率, 使企业轻松实现云边联动, 助力企业在5G时代实现快速创新。


阿里云混合云为政企提供量身打造的混合云解决方案

从建好云、管好云、用好云三大维度提供客户视角的一体化云平台服务

更多行业实践,前往【混合云体验营

更多混合云资讯,前往【混合云官网】


全栈建云 | 智能管云 | 极致用云

相关文章
|
18天前
|
人工智能 自然语言处理 机器人
文档智能与RAG技术如何提升AI大模型的业务理解能力
随着人工智能的发展,AI大模型在自然语言处理中的应用日益广泛。文档智能和检索增强生成(RAG)技术的兴起,为模型更好地理解和适应特定业务场景提供了新方案。文档智能通过自动化提取和分析非结构化文档中的信息,提高工作效率和准确性。RAG结合检索机制和生成模型,利用外部知识库提高生成内容的相关性和准确性。两者的结合进一步增强了AI大模型的业务理解能力,助力企业数字化转型。
77 3
|
2天前
|
机器学习/深度学习 人工智能 搜索推荐
AI技术在医疗领域的应用与前景####
本文深入探讨了人工智能(AI)技术在医疗健康领域中的多维度应用,从疾病诊断、个性化治疗到健康管理,展现了AI如何革新传统医疗模式。通过分析当前实践案例与最新研究成果,文章揭示了AI技术提升医疗服务效率、精准度及患者体验的巨大潜力,并展望了其在未来医疗体系中不可或缺的地位。 ####
|
9天前
|
机器学习/深度学习 人工智能 搜索推荐
AI技术在医疗领域的应用####
本文探讨了人工智能(AI)技术在医疗领域的创新应用及其带来的革命性变化。通过分析AI在疾病诊断、个性化治疗、药物研发和患者管理等方面的具体案例,展示了AI如何提升医疗服务的效率和准确性。此外,文章还讨论了AI技术面临的挑战与伦理问题,并展望了未来的发展趋势。 ####
|
14天前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术在医疗领域的应用与前景####
本文探讨了人工智能(AI)在医疗领域的多方面应用,包括疾病诊断、个性化治疗、患者管理以及药物研发等。通过对现有技术的梳理和未来趋势的展望,旨在揭示AI如何推动医疗行业的变革,并提升医疗服务的质量和效率。 ####
38 5
|
17天前
|
人工智能 文字识别 运维
AI多模态的5大核心关键技术,让高端制造实现智能化管理
结合大模型应用场景,通过AI技术解析高端制造业的复杂设备与文档数据,自动化地将大型零件、机械图纸、操作手册等文档结构化。核心技术包括版面识别、表格抽取、要素抽取和文档抽取,实现信息的系统化管理和高效查询,大幅提升设备维护和生产管理的效率。
|
22天前
|
人工智能 自然语言处理 算法
企业内训|AI/大模型/智能体的测评/评估技术-某电信运营商互联网研发中心
本课程是TsingtaoAI专为某电信运营商的互联网研发中心的AI算法工程师设计,已于近日在广州对客户团队完成交付。课程聚焦AI算法工程师在AI、大模型和智能体的测评/评估技术中的关键能力建设,深入探讨如何基于当前先进的AI、大模型与智能体技术,构建符合实际场景需求的科学测评体系。课程内容涵盖大模型及智能体的基础理论、测评集构建、评分标准、自动化与人工测评方法,以及特定垂直场景下的测评实战等方面。
76 4
|
21天前
|
机器学习/深度学习 人工智能 算法
基于AI的性能优化技术研究
基于AI的性能优化技术研究
|
24天前
|
人工智能 算法
AI技术在医疗领域的应用及其挑战
【10月更文挑战第31天】本文将探讨AI技术在医疗领域的应用及其面临的挑战。我们将从AI技术的基本概念开始,然后详细介绍其在医疗领域的应用,包括疾病诊断、药物研发、患者护理等方面。最后,我们将讨论AI技术在医疗领域面临的挑战,如数据隐私、算法偏见等问题。
|
24天前
|
存储 人工智能 文字识别
AI与OCR:数字档案馆图像扫描与文字识别技术实现与项目案例
本文介绍了纸质档案数字化的技术流程,包括高精度扫描、图像预处理、自动边界检测与切割、文字与图片分离抽取、档案识别与文本提取,以及识别结果的自动保存。通过去噪、增强对比度、校正倾斜等预处理技术,提高图像质量,确保OCR识别的准确性。平台还支持多字体识别、批量处理和结构化存储,实现了高效、准确的档案数字化。具体应用案例显示,该技术在江西省某地质资料档案馆中显著提升了档案管理的效率和质量。
|
23天前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗领域的应用及其挑战
【10月更文挑战第33天】随着人工智能技术的不断发展,其在医疗领域的应用也越来越广泛。从辅助诊断到治疗方案的制定,AI技术都发挥着重要作用。然而,随之而来的挑战也不容忽视,如数据隐私保护、算法的透明度和可解释性等问题。本文将探讨AI技术在医疗领域的应用及其面临的挑战。
29 0