勤思科技获数千万元天使轮融资，进一步拓展海事、航道运营综合智能平台发展
06-17
雷锋网：7月12日-7月14日，第四届全球人工智能与机器人峰会（CCF-GAIR）在深圳正式举行。
本次峰会由中国计算机学会（CCF）主办，雷锋网、香港中文大学（深圳）承办，深圳市人工智能与机器人研究院协办。
其得到了深圳市政府的大力指导，是国内人工智能和机器人学术界和产业界的重要论坛。
是产业界和投资界三大领域的顶级交流博览盛会，旨在打造国内人工智能领域强大的跨境交流合作平台。
智慧交通是智慧城市较为成熟的场景之一，并已大规模推广。
在第四届全球人工智能与机器人峰会举办的智慧城市论坛上，印江智慧交通研究院副院长徐甲博士发表了题为“《HI@AI的城市全域交通信号服务》”的主题演讲。
HI代表人类智能，HI@AI代表专家的智能是基于人工智能的。
在印江股份全市交通信号服务中，人工智能是工具和辅助定位。
徐甲主要关注人与机器如何耦合。
我们将从这个角度来阐述智慧交通的实施。
2000年至2010年，杭州摆脱“全国十大最拥堵城市”，城市交通状况大幅改善。
一个直观的数据是，救护车到达现场的时间缩短了一半，印江功不可没。
印江交通大数据管理平台采用数据中心技术，针对性能优化和易用性进行开发。
传统研发人员无需了解平台架构即可在平台上进行开发，大大节省了时间。
在不断实践过程中，印江科技逐步研发出包括交通超级计算平台、AI全局信号优化平台、AI全局仿真平台、AI基于情感的勤勉监管平台等一系列城市交通平台解决方案。
目前，印江已具备数据驱动、多维度整合、解决全领域问题的能力。
希望与合作伙伴共同打造强大的业务能力中心，共同解决城市交通拥堵问题。
从场景角度看，印江根据特定业务、特定场景的需求，建立了数据中心，深度挖掘不同数据的功能价值。
印江利用HI（Human Intelligence 专家 Experience）和AI（Artificial Intelligence人工智能）能力，驱动人工智能平台，将人工智能思维和技术引入现有产品和服务中，实现更大价值和更具竞争力的应用。
同时，利用人工智能优化内部管理，针对海量运营场景，大幅提升内部运营效率和质量，增强公司在数字化发展道路上的整体创新能力以及对行业需求的洞察和理解。
。
目前行业应用场景包括智慧交通、智慧健康、智慧司法等细分领域。
以下是徐甲在CCF-GAIR会议上的讲话内容。
雷锋网已编辑，不改原意： 徐甲：朋友们下午好，我是银江股份，您对“杭州城市大脑”项目有何看法？听说印江在这里的作用主要是负责城市、地面、交通信号的整体优化。
交通信号的人机耦合优化说到城市交通，因为昨天有一个智慧交通专场，今天早上也有其他公司与城市交通相关的报道，但角度可能有所不同。
有的是来自顶层设计，或者是数据，或者是流量数据本身。
我今天讲的观点更多来自HI@AI。
为什么叫HI@AI？我们把它定义为人类的智能，专家的智能是基于人工智能的。
也就是说，人工智能是一个工具化、辅助性的定位。
其采用的核心技术路线是以专家经验和机器智能为核心的超级计算，以数据和模型、算法和服务为补充，共同实现HI@AI。
我从人与机器如何耦合的角度来解释我们如何落地更多。
主要有两点。
一是在开发人工智能工具时，人类用户更重要。
我们将实际控制交通信号的团队视为用户。
另外一个角度就是，最终有了这个工具之后，如何用一个完整的实施方案把之前的这些技术、这些点连接起来，最终给客户和政府提供完整的服务。
首先，我先介绍一下背景。
第一个背景是交通基础设施的背景。
大家都知道，智慧交通建设已有20多年的历史。
目前的情况是，整体大规模建设已经接近饱和，或者更准确的说。
当前的建设大多不是从头开始建设，而是为了提高利用率或优化利用现有设备而建设。
另一种是部分施工。
但这些建设时间较长、涉及人员和单位较多，遗留问题较多。
此外，还存在“重建设、轻运维”的问题。
虽然现在的设备很先进，但是在使用过程中却不能很好的操作和维护。
另一个问题是资源分配不均。
这主要体现在一些城市检测设备的分布没有根据当前城市居民的交通习惯来构思。
观念不完整导致资源分配不均。
其次，从数据利用和流量控制的角度来看，目前的总趋势是希望数据能够作为一个整体进行操作。
部署软件不再是一种建设思维，而是希望软件部署之后，有更专业的人来让它更有效。
更大的价值，现在政府和企业的管理职能慢慢开始从分散转向集中，但仍然面临着人才的略微短缺。
也可能是参与者自身存在问题，规则意识、维权意识稍弱。
智慧交通的需求变了，政府的需求也变了。
现在业主追求科技感、AI科技、智能化、可视化。
其次，他们也非常希望尽快看到治理的效果，需要快速、有效、高效。
投入产出比，希望现有模式能够继续运行。
还有一个背景是现在很多城市都在发力智慧交通。
他们还在收费的基础上进行了创新，基本可以保证专项费用的长期支持。
领导层从上到下也形成了一个更好的体系，就是比以前更有效率了。
关注这件事情，在这样的背景下，印江有机会在杭州做这样的事情。
有两个角度可以做到这一点。
一是面向交通配时、优化人员。
我们如何开发科技产品？有了这些产品，我们如何把人和科技产品连接成一个完整的系统，现在叫“人”。
“机器共治”的技术理念。
首先，我们现在面临着很多交通问题，比如交通黑点、边界管辖不清等。
以杭州为例，大型活动较多，占道施工屡见不鲜。
在AI方面，我们主要处理大家都熟悉的场景。
目前的AI水平更多的是负责一般场景。
也就是说，人类面临的复杂场景与人工智能面临的一般场景存在巨大差距。
这些都与我们的技术问题有关。
关系。
5套平台级工具 在该场景中，印江有5套平台工具辅助交通信号优化配时团队。
其中，AI全局交通信号滚动优化系统主要负责比较常规、通用的场景，俗称根本性问题。
AI信号专家实时推荐系统是在稍微特殊的场景下出现根本问题的时候。
我们针对这些特殊场景，根据人类经验和专家的经验提出时机建议。
关于城市交通信号控制指标的评估，现在知名的高德地图、百度、滴滴每季度、半年、每年都会发布交通报告。
他们从非常宏观的角度发布了控制指标的评估。
对于这部作品本身，或者说对于这部作品的各个方面还缺乏量化的评价。
基于对这一工作流程的了解，印江制定了很多指标来评价计时工作的质量。
此外，印江还拥有信号配时基础信息管理系统，对交通基础设施和交通规??划进行模型化、档案化管理。
然后是计时工作管理体系，主要涉及工作流程的标准化和量化管理。
事实上，我们把人们的工作变成看得见的流程，进行统一、规范的管理。
这是印江授时优化平台系统的整体架构。
最底层是数据和信号控制系统，然后是数据管家和路口管家两个平台，对这些模型进行归档。
上面是AI工具，主要是两个部分，信号专家和交通医生。
诊断一些特殊场景、数据问题或系统问题。
除此之外，还有全局流量模拟和全局滚动优化的模块，以处理更加标准化和可预测的场景，然后在此基础上进行指标和工作流程的标准化管理。
这个人工智能工具的一个相对较大的组成部分是全局优化系统。
印江目前正在努力实现全局优化。
到目前为止，我在其他地方还没有听说过。
就是对整个地区，比如印江，形成一个统一的目标。
根据姜先生在高德地图上的流量评估报告，我们根据其区域评估指标，将其作为统一优化的目标。
AI全区域交通信号滚动优化系统现已在公司周边约30个路口实施。
今年下半年将扩大到约30个路口。
对于这个区域，印江现在大约半个小时或者一个小时就对其进行滚动优化模拟。
该方法通常基于预测控制问题。
该算法可能包括两部分。
一是通过预测模型或者环境学习来学习这个区域的交通流量、交通信号控制方案以及我们需要关注的结果，比如行驶速度和效率指数。
它们之间的关系最终形成了环境监测的作用。
另一种模型是搜索每个路口的交通信号计时并与环境交互。
这里系统显示的是接下来的半小时或者一小时。
如果我们将不使用它计算出的流量情况与使用我们计算出的流量情况进行比较，您可以更直观地看到我们的建议。
计划好后，半小时后交通状况会发生什么样的变化，也是根据刚才的预测。
虽然这项技术听起来很先进，但公平地说它只能处理可预测的部分。
从理论角度来看，预测上限约为80%。
剩下的不可预测的流量情况是随机的，所以即使我们让这个算法非常精确，仍然有一些比例是无法预测的。
我们在这上面又叠加了另外一个部分，叫做AI交通信号实时推荐系统。
实时推荐系统意味着，对于一些局部路口，一旦出现交通效率指标实时报警，之前没有预测，或者预测错误，只能进行反馈调整。
对于这种调整，我们会协调专家团队根据以往的经验，这些控制记录一直保留在后台供学习。
学习的原理是学习每个路口固定探测器反映的数据特征与人类操作动作数据之间的相关性。
我们的学习过程大致是这样的。
一是数据源，就是城市大脑警报。
这就是触发器的来源。
还有一种定时推荐机器人，它集成了多种算法，具有算法选择机制。
该数据源也是控制计划和来自固定监视器的数据。
最终的输出结果是控制计划或者超参数。
什么是超参数？这是基于杭州SCATS信号控制系统，具有手动输入方式。
它不是特定的程序参数，例如周期值。
在本系统中，它是控制最小周期和最大周期等参数的参数。
这是完全根据杭州实际场景开发的算法。
推荐结果适用于杭州SCATS信号控制系统。
然后我们将结果发送到信号机。
所以这个模型的两个主要技术特点就是我们采用了空间机制和时间机制的叠加，分为两层。
第一层学习这些空间特征，即车道与车道、交叉口与交叉口。
这些数据的相关性。
第二个层次是学习时间，比如上一个周期或者前一周的今天等。
我们目前使用的神经网络模型大约有31层，超过20万个参数。
我们在杭州的一个路口测试了我们的算法，推荐的控制方案实际上可以更准确地学习操作员在类似数据环境中执行的操作，甚至可以学习在某个方向上进行操作。
关闭，达到这个结果。
在这两套人工智能工具之上，我们目前正在开发的是整体信号控制指标评估系统。
我们对主城区10个以上交叉口的城市以及其他已实施信号控制的城市的信号控制整体工作和效率进行了大量的研究。
维度评估。
它还包括这些路口人工部署和人工智能部署的比例。
当谈到这些技术如何转化为实用的解决方案时，我们通过点、线、面将多个层面的技术结合起来。
首先，从区域角度来说，可以设置区域壁垒来控制这个区域的边界。
分析关联交叉口的影响后，您可以将关联交叉口作为组对象进行控制。
从人的角度来看，有了这些工具平台，我们最终要把它们连接在一起，变成一个完整的解决方案。
我们的计划是提供三个解决方案，这三个阶段都会有适合的解决方案。
解决。
比如从0开始，第一步是让人纯手工进去查出楼盘。
整体机制提供专业的局部优化。
在此基础上，我们提供了我们现在所说的HI@AI服务的组合，即在非常特殊的情况下。
在这个场景中，它依赖于人，而人的经验也会反馈到算法中。
展望未来，也许在比较遥远的未来，我们要基本实现交通信号控制的全人工智能方式，但至少在现阶段，我们还停留在第二阶段，即人工智能与人类智能的结合。
。
舞台。
从零开始，到在杭州以及杭州以外的几个城市提供如此完整的服务，我们总结的工作大致包括六个方面。
一是基础工作，梳理基础体系，二是数据。
组件运营团队和服务的提供是软件平台的定制开发和部署。
对于刚才提到的HI@AI组合，或者说AI在这六个方面所做的工作，是有区别的。
除了我们刚才在杭州提到的实用层面的服务之外，我们现在还提供其他方向的多品类服务。
这些都是每个城市进行信号配时、形成良性循环模式所必需的，比如讲专题调研、舆情处理、信号检查等，这些都是面对客户时总结的工作内容。
对于不同的城市规模，或者不同的数据库，我们的服务必须与每个基地兼容。
我们现在将解决方案分为4个级别，主要是按照城市规模来划分，因为每个城市的数据库是不同的，所以我们每个服务和工具都必须进行选择和差异化。
从人的角度来看，各有差异，但都需要相辅相成。
以上就是我分享的内容。
希望大家关注杭州城市大脑和银江股份。
谢谢。
本次峰会结束后，我们将推出CCF GAIR峰会完整视频以及“人工智能投资研究中心”各大主题白皮书，包括机器人前沿专场、智能交通专场、智慧城市专场、AI芯片专场、AI金融专场、AI医疗专场、智慧教育专场等。
“AI投研邦”会员可免费观看全年峰会视频和研究报告内容，并扫描二维码进入会员页面学习更多的。
峰会期间，您将享受独家即时折扣优惠。
您可以直接进入页面领取，也可以私信助教小木（微信：moocmm）咨询。
（最后一天还有50个名额，赶紧抢吧。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-17
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态