Công nghệ nhận dạng hình ảnh AI và lái xe tự động mang tới làn gió mới cho các doanh nghiệp lĩnh vực kinh doanh vận tải
05/04/2020
Giới thiệu
Quản lý đội xe và ngành vận tải từ lâu đã phát triển nhanh chóng về mặt thông tin hóa và di động hóa. Trong những năm gần đây, sự xuất hiện của công nghệ AI đã thúc đẩy sự phát triển thông minh của ngành công nghiệp này. Khả năng các ứng dụng quản lý đội xe và vận tải sử dụng công nghệ nhận dạng hình ảnh AI và các ứng dụng kết hợp lái xe tự động không người lái đều trở nên khả thi, mở ra một kỷ nguyên mới trong lĩnh vực hậu cần.
Vì tốc độ và an toàn là hai yếu tố chính trong việc nâng cấp hiệu suất vận chuyển, nhiều nhà khai thác vận tải quy mô lớn đã bắt đầu kết hợp các hệ thống điện tử và di động hơn 10 năm trước. Trong những năm gần đây, họ đã tiếp tục sử dụng các công nghệ đám mây, AI và 5G để xây dựng các ứng dụng thông minh, quản lý chính xác đội xe của mình và giám sát hành vi của tài xế đồng thời cải thiện hiệu quả giao hàng và an toàn lái xe.
Công nghệ AI trên xe tăng tốc phát triển giao thông vận tải
Advantech iLogistics team và các đối tác trong hệ sinh thái (Intel, OmniEyes, iAuto) được định vị để cung cấp các giải pháp tổng thể để vượt qua các thách thức trong các ứng dụng giao thông thông minh và cung cấp giá trị cho chủ doanh nghiệp. Advantech hợp tác với Intel và phát triển sản phẩm TREK-676, đây là hộp máy tính thế hệ tiếp theo, thông minh, chắc chắn và mô-đun để giám sát và quản lý đội tàu xe. Mô-đun AI nhúng TREK-676 với Intel® Movidius Myriad X VPU trên bo mạch với bộ công cụ OpenVINO™, cho phép nhận dạng xe, biển số xe. Các VPU Intel® Movidius điều khiển khối lượng công việc với các đòi hỏi khắt khe của các ứng dụng AI và thị giác hiện đại ở công suất năng lượng tiêu thụ cực thấp. Bằng cách kết hợp tính toán lập trình song song cao với khả năng tăng tốc phần cứng dành riêng cho khối lượng công việc lớn và định vị các thành phần này trên cấu trúc bộ nhớ thông minh thông thường, Intel® Movidius đạt được sự cân bằng độc đáo về hiệu suất năng lượng và hiệu suất cao. “Dựa trên các máy tính trên xe TREK-676 mạnh mẽ, các nhà tích hợp hệ thống SI tập trung vào miền có thể phát triển các giải pháp AI đa dạng cho lĩnh vực hậu cần và giao thông vận tải”, Tiến sĩ Chun-Ting Chou của OmniEyes cho biết.
Các giải pháp của OmniEyes cho phép tính toán biên của thiết bị viễn thông, cung cấp cho phương tiện khả năng hoạt động dựa trên công nghệ AI tiên tiến cho các ứng dụng thông minh đa dạng. Hệ thống có thể tự động phát hiện tình trạng xe và xác định biển báo giao thông, sau đó có thể được kết hợp với các quy định giao thông để đánh giá hành vi lái xe. Tiến sĩ Chou lưu ý rằng nếu một tài xế rẽ vào đường được đánh dấu rõ ràng với biển báo cấm hoặc không dừng lại cho người đi bộ sử dụng lối băng qua đường, dữ liệu hình ảnh liên quan sẽ được gửi đến nhân viên quản lý đội xe để lưu giữ hồ sơ và sử dụng chúng như một bằng chứng để xử lý về sau.
Các ứng dụng vận tải nói trên đòi hỏi sự hỗ trợ của điện toán biên. Ông Chou giải thích rằng lượng dữ liệu hình ảnh được thu thập bởi các hệ thống viễn thông là rất lớn và gây ra gánh nặng lớn cho băng thông mạng và nền tảng hệ thống khi liên tục được tải lên đám mây để thực hiện tính toán thời gian thực. Trong quản lý đội tàu xe, nhu cầu xử lý dữ liệu thời gian thực là rất cao. Đó là lý do tại sao OmniEyes sẽ cần các giải pháp điện toán biên mạnh mẽ như TREK-676, như một yếu tố quan trọng trong các hệ thống giao thông thông minh.
Tuy nhiên, có những thách thức nhất định khi thực hiện tính toán biên trong các hệ thống viễn thông. Đầu tiên, trên xe, với không gian hạn chế, phải được trang bị kiến trúc xử lý tự hào với khả năng tính toán mạnh mẽ. Thứ hai, các chương trình phần mềm có thể nhận ra điều kiện đường xá và biển báo giao thông phải được phát triển. Thứ ba, thiết bị đầu cuối có khả năng tính toán mạnh mẽ phải có sẵn để tăng cường hiệu suất hoạt động của toàn bộ hệ thống, để nó có thể đảm nhận việc xử lý và phân tích các thuộc tính thông minh với tốc độ nhanh.
Giao thông thông minh được thúc đẩy bởi các công nghệ lái xe tự trị
Bên cạnh việc tăng cường hiệu suất trong các hệ thống viễn thông, lái xe tự động là một xu hướng chính khác trong lĩnh vực giao thông thông minh. Nhà sáng lập và tư vấn công nghệ của iAuto, Tiến sĩ Kang Li chỉ ra rằng các công ty vận tải quy mô lớn đã dần dần chuyển sang lái xe tự trị trong vài năm qua, nhưng điều kiện phát triển hiện tại cho thấy vẫn còn nhiều trở ngại phải vượt qua. Đây là lý do tại sao Advantech đã nỗ lực để tạo ra một hệ sinh thái IoT để các doanh nghiệp cùng nhau phát triển các ứng dụng, vượt qua các khó khăn này.
iAuto dựa trên các công nghệ tự trị như LiDAR áp dụng cho quản lý đội tàu và vận tải. LiDAR cung cấp thông tin ba chiều, độ phân giải cao về môi trường xung quanh, có thể phát hiện vị trí của người và vật xung quanh xe và đánh giá tốc độ và tuyến đường mà họ đang di chuyển. Ông Li nói thêm rằng mặc dù các phương tiện tự lái đã có thể lái xe trên đường, nhưng vẫn còn một chặng đường dài trước khi chúng có thể chở hành khách và được thương mại hóa hoàn toàn. Trong việc áp dụng phương tiện tự lái trong các hệ thống giao thông thông minh, một loạt các vấn đề phải được giải quyết. Hợp tác giữa các doanh nghiệp từ các lĩnh vực khác nhau sẽ được yêu cầu để phát triển các hệ thống đáp ứng nhu cầu thực tế.
Về công nghệ, điện toán biên mạnh mẽ sẽ là một lĩnh vực trọng tâm trong thiết kế hệ thống. Máy tính chuyên dụng trên xe TREK-676 kết hợp với camera AI trên xe TREK-13x cải thiện an toàn lái xe trong thời gian thực bằng cách cảnh báo các va chạm về phía trước, phát hiện điểm mù. Đối với sự phát triển của xe tự hành, dữ liệu từ phương tiện, đường và đám mây phải được tích hợp để những phương tiện này trước tiên có thể hoạt động trong các lĩnh vực cụ thể trước khi có thể điều chỉnh mô hình hoạt động và xe có thể được sử dụng trong các lĩnh vực khác. Theo cách đó, các hệ sinh thái công nghiệp có thể hoạt động liên tục để dần thực hiện lời hứa về quản lý đội tàu xe và giao thông vận tải thông minh.
/FWR_Front _B20180315162313.jpg)
-25/TREK-60_01-_Banner20200818115158.jpg)
-25/TREK-306D-FL_01--20220606110737.jpg)
