如何构建基于数字孪生的智慧全息路口

简介: 全息路口是基于数字孪生技术,将城市道路上的全要素进行数字化还原,进而为交通治理提供一体化解决措施,是为交通精细化治理而生的一款产品。


如何构建基于数字孪生的智慧全息路口


——度川

政企产品解决方案部


image.png

全息路口是基于数字孪生技术,将城市道路上的全要素进行数字化还原,进而为交通治理提供一体化解决措施,是为交通精细化治理而生的一款产品。


对路口交通进行精细化治理,首先要获得路口的交通信息,比如车行状况、人行状况、存在何种交通问题、应该采用何种治理措施等,将路口客观存在的交通对象转换成系统可理解的数据,这就是基于数字孪生技术进行全息路口构建的过程。

image.png

全息路口的应用场景主要有以下四个方面:


效率:服务于交通效率的提升。比如信号灯配置优化,如果一个方向为红灯,但交叉方向并没有车,这说明路口的信号灯配置存在问题,需要进一步优化。此外还有路口的交通组织、智能可变车道等,都可以提升路口效率。

交通安全:路口存在车辆与非机动车互相抢道的问题,存在极大的安全隐患,除此之外还有交通秩序研判、交通事件报警等。

交通管理:交通管理者时常需要保障一些特殊任务,比如警卫保障任务、公交优先以及重点车辆管控。

出行服务:比如按照最优路线对行人进行诱导,比如针对路口存在的安全问题为车辆提供预警,或在车里即可获取前方路口红绿灯情况。

image.png

引入全息路口前,行业存在诸多痛点,主要有三个方面:

数据不全面:像摄像头、球机设备都只是视频数据,需要人为查看才能明确问题所在,另外设备和数据的准确度会随着使用逐渐降低甚至不可用。数据传到云端,实时性和延迟性都是很大的问题。


优化不精细:当前大部分路口采用固定配时方案,但交通流是实时的,固定的配置方案无法与实时的交通流匹配,交通效率低下。


措施不丰富:路口治理是一个综合治理的过程,通过单一的、相互独立的手段难以达到最优效果。

image.png

阿里云全息路口产品采用云边结合的架构,通过标准化的数据服务来支撑业务的灵活拓展。边端接入了前端感知设备的数据,数据会通过边缘计算来进行第一步分析,再到云端进行决策性的处理。


边端接入的数据主要有三类,第一类是感知设备的数据,比如路口的雷视一体机、卡口、电子警察、激光雷达等;第二类是控制设备的数据,比如路口的摄像机、诱导屏、可变车道等;第三类是用户数据,比如车载OBU、高德 App 用户。


边端接入的数据首先在边端进行处理,将路口的非结构化数据转为结构化数据,再对数据进行初步融合清洗,比如雷达、视频数据不准或重复等问题,最后对路口进行实时优化。优化的实时性决定了路口优化的效率,全息路口产品可实现秒级优化。


数据经边端处理之后进入云端。云端分为两个层次,分别是云端中台层和全息路口,其中中台层主要包含三个部分:

运行中心:路口所有设备情况、故障情况、数据链路情况都给会通过数据中心进行监控来。

算法引擎:负责路口端的实时优化,多路口、多区域的情况需要通过云端云边一体进行优化。另外,跨设备的轨迹处理也需要在云端进行处理。

数据指标计算:所有计算的数据都会通过标准的数据服务提供给全息路口,实现配置优化、事件报警、分析研判、车路协同等业务。


image.png

边缘融合感知能力最大可以接入 16 1080p 高清摄像机,通过内置 AR 算法对雷达、视频以及互联网的数据进行综合分析计算,最终产出三个方面的数据:


交通参数检测:交通中常用的流量、排队长度、停车次数、车头间距、车头时距、空间占有率等都可通过视频 AI 分析来得到。

交通事件检测:路口发生事件后,策略都会基于事件而改变。边缘融合感知能力能够对常规事件进行识别检测,比如路口违法停车、车辆压线、不按导向车道行驶、交通事故、拥堵排队溢出等。

轨迹定位识别:可以实现车道级的定位,将每一辆车挂载上车牌,真实还原到高清地图上,做到路口的全息还原。


image.png

上图为三个路口的示意图。每路口都有边缘计算的设备,单个路口的边缘计算设备可以完成本路口的优化。针对一条连续的路口,如果只对单独的路口进行优化,往往无法达到最优效果,而是需要对各路口进行有效协同。


在我们的方案里,三个路口的边际可以自行组成网络,设备充当主节点,做三个路口之间的统筹协调,进而实现路口协调和实时优化的紧密结合。


单独的信号灯优化对于路口的治理而言远远不够,路口的治理是人、车、路、环境综合的治理过程。

image.png

通过全息路口实时感知路口车辆的排队数据,可以通过智能计算路口的车道划分来实时改变车道属性,进而提高通行效率;针对路上的车辆,可以根据信号灯配置情况和信号方案情况,为其推荐最佳行驶速度,尽量实现不停车通过路口;此外,还可以向车辆推荐行驶路径,提前实现车辆换道,规避拥堵。

通过以上几种时空一体化的手段相结合,可以实现优秀的路口综合治理效果。


全息路口具备以下6个优秀特性:

image.png 

云边一体自动运维:针对路口的几百个设备,无须挨个运维。可以通过云边一体运维,自动发现路口的设备,自动对设备进行批量的远程升级,自动监测设备的报警情况。


全方位内置交通AI:不管是视频的智能分析还是路口的实时优化,都内嵌于边缘计算,可以实现开箱即用。


交通控制协议全打通:设备内置了交通协议市场,可以针对不同品牌、型号的设备选择不同的协议进行对接。


高性能高鲁棒高性价比:可以在零下 40 80 工作。


二三维全息路网应用SDK:产品与高德地图进行了紧密结合,可以进行二三维全息路网的应用 SDK 往外透出。


支持多种接口输入:支持 HDMI/VGA/RJ45/并行串口等接口输入。

 

相关文章
|
2月前
|
传感器 机器学习/深度学习 人工智能
智能照明系统:技术、应用与未来趋势###
【10月更文挑战第15天】 智能照明,正以前所未有的速度革新着我们的世界。它不仅仅是灯泡亮度的简单调节,更是一种融合了先进科技与人性化设计的未来之光。本文将深入浅出地剖析智能照明系统的核心技术,探讨其在不同领域的广泛应用,并展望这一领域的未来发展蓝图。 ###
58 2
|
15天前
|
传感器 算法 物联网
智能停车解决方案之停车场室内导航系统(二):核心技术与系统架构构建
随着城市化进程的加速,停车难问题日益凸显。本文深入剖析智能停车系统的关键技术,包括停车场电子地图编辑绘制、物联网与传感器技术、大数据与云计算的应用、定位技术及车辆导航路径规划,为读者提供全面的技术解决方案。系统架构分为应用层、业务层、数据层和运行环境,涵盖停车场室内导航、车位占用检测、动态更新、精准导航和路径规划等方面。
66 4
|
6月前
|
安全
全息技术有哪些应用?
【6月更文挑战第27天】全息技术有哪些应用?
143 4
|
6月前
|
存储
全息技术
【6月更文挑战第27天】全息技术
167 3
|
2月前
|
搜索推荐 机器人 人机交互
智能皮肤:电子设备与生物组织的融合
【10月更文挑战第16天】智能皮肤(Smart Skin 或 E-Skin)是一种结合了电子技术和生物相容性材料的新型装置,具备高灵敏度、柔性设计和生物相容性。它能实时监测生理数据、加速伤口愈合、提供触觉反馈,广泛应用于医疗保健、可穿戴设备、机器人和智能交互界面等领域,开启人机和谐共生的新时代。
|
4月前
|
机器学习/深度学习 人工智能 算法
基于机械臂的工业分拣系统
【8月更文挑战第2天】基于机械臂的工业分拣系统。
54 3
|
传感器 编解码 供应链
禾赛张伟:激光雷达路线之争,已初见分晓
禾赛张伟:激光雷达路线之争,已初见分晓
134 0
禾赛张伟:激光雷达路线之争,已初见分晓
|
7月前
|
机器学习/深度学习 传感器 数据采集
植保机器人在生长监测与分析方面的精准农业应用
植保机器人在生长监测与分析方面的精准农业应用
99 2
|
运维 监控 自动驾驶
基于数字孪生的智能杆
基于数字孪生的智能杆
87 0
|
算法 自动驾驶 安全
高精地图、车路协同与自动驾驶是什么关系?
如何看待当前的纯视觉的、不依赖于高精度地图的自动驾驶解决方案?
375 0
高精地图、车路协同与自动驾驶是什么关系?