邊緣的5G和AI：解決交通管理問題

隨著更密集和更復雜的道路網絡、更新的技術和更多的數據，5G將提供更大的可見性和對交通的控製。 隨著時間的推移，我們的通勤方式可能已經改變，但交通管理的方式沒有改變。 INRIX全球交通記分卡報告稱，2018年，世界上最擁堵的20個城市的人均擁堵時間減少了164至210小時。 城市中車輛的指數式增長是交通擁堵的核心原因。 改善公共交通是解決方案，但同時我們也需要考慮如何提高交通管理的效率來改善現場。 交通管理部門已經嘗試將被動管理轉變為主動交通管理，但受到網絡速度和邊緣處理能力的限製。 5G和人工智能為交通管理提供了巨大的機會。 當5G上路的時候 隨著更密集和更復雜的道路網絡、更新的技術和更多的數據，5G將提供更大的可視性和對交通的控製。 反過來，這將有助於更快地疏通交通網絡，進一步減少擁堵，消除連鎖反應，使道路對所有用戶更加安全。 有了5G，邊緣設備在通過AI分析服務器傳輸和處理大量數據方面將變得更加強大，這只會有利於交通管理。 它的速度是4G的70倍，它將為所有道路使用者--人和交通--的行動提供全面的可見性，以實現更好的整體規劃。 有了大量的傳感器、照相機甚至無人機，5G將把道路網絡變成一組微小的雲，每個雲都可以相互通信，包括自動駕駛車輛。 5G可以毫不費力地容納自主或自動駕駛車輛中的傳感器所產生的大量數據，實現車輛與車輛、傳感器與傳感器之間的通信。 這些車輛中的傳感器將根據記錄的觀察結果收集關鍵信息，以做出決策和改變路線。 芬蘭VTT技術研究中心的自動駕駛汽車Martti已經進行了測試，可以提前檢測冰雪路面狀況，並在車輛之間傳輸3D視圖。 AI解決方案和大數據 人工智能（AI）和大數據的力量與5G技術的優勢相結合，將提供一個強大的解決方案，結合高可靠性和無處不在的網絡接入。 5G提供的低延遲是這裏的關鍵，人工智能模型使用實時網絡信息和歷史數據來檢測事件發生的可能性，並即時設計一個優化的響應計劃，以實現高速交付。 使用傳統和基於邊緣的人工智能系統的組合，可以實時捕獲整個道路網絡的交通元數據。 這種5g和人工智能的結合將是未來十年交通管理轉型的答案。 它也可能標誌著在一個協作、連接的系統中，自主車輛急需的推動。讓我們看看兩個具體的基於人工智能的解決方案及其對車輛活動的影響。 人工智能和智能交通燈 基於人工智能的交通燈控製將對車輛活動產生重大影響，大大減少車輛沖突，提高道路網絡容量。 有效交通管理的綜合設置將涉及自適應交通燈系統、邊緣系統和後端監控系統。 使用IP攝像機拍攝的視頻被轉發到一個基於邊緣的人工智能系統，該系統在將數據發送到後端監控之前對其進行分析。 預先訓練的深度學習模型將處理過的信息實時送回自適應交通燈，以創造交通流。 隨著交通燈實時適應不斷變化的交通，道路上的移動可以由交通燈時間控製，它可以自我調整。 變化的交通情況和交叉口的時間可以通過互通的通信共享，以便所有的交叉口都準備好優化接近的交通流。 據報道，部署在賓夕法尼亞州匹茲堡的試點系統將旅行時間減少了26%，閑置時間減少了41%，排放量減少了21%。 有趣的是，自適應交通燈系統還將總事故和致命事故減少了13-36%。 交通事故人工智能 由於事件是出乎意料的，有時是災難性的，將人工智能納入一個全面的可持續的交通事故管理系統與智能交通燈，可以改變交通監控。 這就是混合技術聯盟的作用。 來自IP攝像機、GPS、手機追蹤、探測車和環形探測器的大數據被結合起來，以得出比獨立研究大量信息時更精確的推斷。 然後，人工智能算法連續和即時地分析數據，合並檢測潛在事件。 交通模擬器可以研究