方案介绍
伴随我国城镇化进程的加速推进，大量农村人口涌入城市，促使城市机动车保有量倍增，导致如车辆违法、交通拥堵、路面损坏等问题频发，已对道路交通的安全与通行效率造成严重影响。对道路交通核心三要素进行目标的全息感知计算，以实现信控优化、事件预警、盲区感知、辅助驾驶等功能，可缓解目前道路交通所面临的巨大压力。
该方案依托Atlas 500 Pro智能边缘服务器的超强算力和全场景AI框架昇思MindSpore的深度学习能力，充分实现「人、车、路」三个道路交通核心要素之间的高效协同，最大程度保障道路交通安全的同时，有效提升其通行效率，最终为自动驾驶的大规模商业化应用提供强有力的车路协同感知支撑。
优势亮点
- 1、异构传感及通信设备灵活接入：基于模块解耦的软硬件框架，支持灵活组配与接入，支持多种通信方式，实现结构化感知信息的全域推送。
- 2、广视野、细粒度、全天候的目标动态感知：基于雷视融合技术，并依托中科视语的车纹识别技术，可对道路交通目标进行精准感知，实现对车辆颜色、号牌、车型等属性信息的提取，具备场景泛化能力，可克服雾天、光线等因素带来的干扰。
- 3、交通事件、信息及环境的实时识别：支持车辆逆行、交通事故、路面遗留物等十余种交通事件的识别；通过对雷视融合信息的分析，实现路口通行延误时长等交通信息的动态实时计算；接入环境监测传感器后，就拥有了对周遭环境进行实时识别的能力，如遇到恶劣天气等可快速预警。
- 4、高响应效率，低通信延时：基于Atlas 500 Pro的高性能计算能力，实现对路面感知数据的高频率处理，并基于V2X协议实现结构化感知数据的快速传输。
- 5、有效降低路侧整体建设成本：基于模型轻量化技术，可有效降低感知算法对算力硬件的资源占用，可成倍增加可接入的感知设备数，既能降低组网设备硬件成本，提高感知算法的运行效率。