<strong id="7ej22"></strong>

  • <rp id="7ej22"></rp>
    <th id="7ej22"></th>

        <em id="7ej22"><tr id="7ej22"></tr></em>

        <progress id="7ej22"></progress>

        快速導航

        首頁 > 新聞中心 > 技術前沿技術前沿

        • 自動駕駛這個問題上 日本選擇了公交車

               有時,科技進步帶來的光鮮會隱藏一些顯而易見的問題。 ,無論是科技企業還是傳統車企都將寶壓在了車聯網和自動駕駛之上,各種各樣的汽車、跑車、卡車都用上了這些技術,然而當我們努力改善城市人出行代步問題的同時,卻忽略了廣大農村和交通不便利地區的人民的出行。生活在同一個時代,科技也應該去造福盡可能多的人。據外媒報道,軟銀Softbank( 投資案例有阿里巴巴和ARM)旗下SB Drive公司已經研發出了一款能夠實現自動駕駛的公交車,其目的就是為了解決日本廣大農村地區村民出行難的問題。


          大家對軟銀 深刻的音箱莫過于當年投資了阿里巴巴

               這個項目是由軟銀公司和雅虎日本共同投資,雅虎所占股份為48.6%,居于軟銀之后,雅虎日本的地位相當于百度在國內的地位,甚至還要高。雅虎日本將為它提供搜索和地圖技術,幫助其快速發展。SB Drive公司希望在未來5年內大量投放自動駕駛車輛。其中,一個重要的方面便是致力于改善農村地區的交通現狀。由于本身地處偏遠、基礎設施不完備,一些長途客車或公交車由于市場調節和綜合成本的考量,放棄了廣大的農村地區。


          軟銀公司正在測試的自動駕駛公交車

               軟銀預計在2020年左右將這類自動駕駛公交車投入使用。如果這款自動駕駛公交車投入運營,那么其帶來的社會價值遠高于目前尚處于高端定位的自動駕駛汽車。在演示視頻中,乘客可以使用移動支付付車費,攝像頭會檢測上車人員數量然后啟動車輛。當車輛出現問題的時候,還會有專人來負責處理故障(遠程協助)。


          正在日本千葉縣運行的自動駕駛公交車

           

               這個項目的初衷以及有可能帶來的社會效益引發了筆者的深刻思考,當今的科技進步究竟應該為了那些人服務?我們在強調生存和盈利的同時,是否應該兼顧到整個社會的公平和共同發展?只有整個社會發不斷進步,某一個具體行業才會跟著發展。值得慶幸的是,我們并不用羨慕日本,國內已經有客車車企開展相關的研究工作,并已經完成了公交車路上自動駕駛的測試,相信不遠的將來我們也可體驗到自動駕駛公交車帶來的便利。(中關村在線)

        • AI技術將用于交通領域 或可降低交通事故概率

            我國是 上人口 多的 ,人口過多帶來多方面的社會問題,道路交通問題也是其中之一?,F在交通問題成了人們出行 大的困擾,而人口越密集的城市往往交通擁堵情況越嚴重。

            數據顯示,我國超過50多個城市面臨不同程度的交通問題,而2016年度我國發生交通事故多達5萬起。

            交通問題給我們的工作生活帶來不便,還會增大發生交通事故的幾率,對公眾的生命及財產安全都帶來一定的威脅。面對亟待解決的交通問題,人工智能的應用或許能一定程度上發揮作用。

            眾所周知,人工智能的核心就是對大數據的處理,而現階段的交通體系能很好的融合AI技術。將人工智能應用于交通領域,其數據層面的可行性主要表現在三個方面:首先,大型城市的交通問題往往比較嚴重,但同時其交通監控系 般比較完善,也就是說交通監管部門能實時獲得道路交通的大體數據;其次,目前車載地圖導航系統應用比較普遍,地圖導航系統具有定位功能,也就可以提供海量車輛位置、速度等交通數據; 重要的是,現在的交通系統與網絡聯系緊密,以網絡為媒介的出行平臺應用也越來越普遍,網絡系統使交通數據的獲取與積累變得更方便。

            業內人士表示,接下來幾年中應用人工智能推行智慧交通,將是進行城市的現代化建設的重要一環。AI技術有助于應對現階段的道路交通問題,對于道路交通系統的完善意義重大,同時使交通事故的處理與追責變得更為方便。

            筆者認為,人工智能作為2017年度 熱門的技術,除了在消費級別的研發與應用外,更可以用于解決一些社會問題。應用人工智能解決交通問題只是很小的一個方面,期待人工智能在更多的領域造福于公眾。(中文科技咨詢)

        • 自動駕駛還不夠,下一代汽車要在無線通訊能力上取得巨大飛躍

               汽車用上無線通訊技術后,應用開始支撐基本安全、交通效率和互聯網接入等功能,車輛在 V2V 模式和 V2I 模式下實現了直接通信。同時,連接還成了自動駕駛車輛集成大量傳感器的自然補充。

           

               由于自動化水平的不同,市場上的自動駕駛車輛也各不相同。有些車輛雖然有自動駕駛功能,但駕駛員卻要全程緊握方向盤;但另一個極端的自動駕駛,是沒有方向盤。在這兩種極端情況之間,駕駛員可以選擇是否介入。

           

               舉例來說,自動駕駛程度較低的汽車,只會在危險時刻提醒駕駛員潛在碰撞將要發生,而自動駕駛程度較高的汽車,則會自動剎車并作出躲避。

           

               需要注意的是,即使自動駕駛程度很高,汽車也不能脫離通信系統而存在,因為想實現完全自動駕駛,如果沒有高精地圖,那就很難實現。這就意味著汽車要實時從地圖服務器獲取 新的數據。

           

           

          車載傳感器

               支持汽車自動駕駛的傳感器包括車載雷達、視覺攝像頭和激光雷達系統。

           

               其中雷達主要用在自動巡航控制、碰撞預警、并線輔助和泊車等功能上;視覺攝像頭則負責倒車安全、盲區監控、防疲勞和車道保持等功能;激光雷達的主要任務則是提供高精地圖信息,以便汽車完成自動導航并及時發現行人和自行車。

           

               對全自動駕駛汽車來說,這些技術至關重要。

           

               舉例來說,特斯拉使用視覺攝像頭來完成高速公路上的自動駕駛,而谷歌則力求 ,主要依靠激光雷達和 3D 地圖數據,同時雷達系統則負責探測其他車輛和障礙物。

           

               需要注意的是,這些技術的作用范圍要看硬件配置和部署場景。如果在郊區行駛,雷達的作用范圍可達 200 米,激光雷達也有 35 米,視覺攝像頭則為 30 米。如果換到城市環境,由于交通擁堵、障礙物眾多,這些硬件的探測范圍就會縮到至幾米。

           

                重要的是,這些外部傳感器會受制于它們的“視力”,如果加上通訊,車輛的傳感范圍則會大幅提升,因為四面八方的車輛都能給它提供重要信息。

           

               當然,自動駕駛車輛到底要交換什么數據目前還沒定論,如果數據傳輸速率較低,汽車間恐怕只能交換那些經過精細處理的數據了。

           

               舉例來說,一輛車上的傳感器如果探測到一輛自行車,會將其位置和速度傳給了其他車輛。如果傳輸速率高,它發送的可能就是處理較少的原始信息,其他車輛則需要根據自己傳感器搜集到的數據進行整合處理。也就是說,擁有高速率和低延遲的通訊系統就能讓處理和未處理的信息進行快速交換。

           

          下圖是汽車傳感器及其相關數據摘要,其中也涉及各種傳感器所需的傳輸速率對比。

               專用短程通訊技術(DSRC)主要為交換基礎安全信息和為交通管理提供應用而生,該技術可同時支持 V2V 和V2I。

           

               經過 20 年的發展,DSRC 現在已經在開始在美國的新車型上部署了。不過,要想大規模普及這種技術,還需要政府授權。

           

               眼下,DSRC 能支持的數據速率還很低,每秒傳輸幾兆而已。此外,注意到,DSRC 技術并不支持原始傳感器數據的交換,而這類數據對自動駕駛汽車至關重要。

           

               隨著通信網絡的發展,蜂窩通訊也成了車輛間交流的新方式,車輛可直接利用 D2D 模式或通過蜂窩基礎設施在850 MHz,1800 MHz 或 2100 MHz 三個頻段進行通信。

           

               通過 D2D 模式,在 LTE-A 網絡下基站將幫助車輛完成發現和溝通的任務。不過,即使在 LTE-A 網絡下,D2D 的傳輸速率也有限制,因為其信道狀態信息不夠準確,這對移動設置會產生影響。4G 網絡通訊較為依賴基礎設施,但在中高速行駛時傳輸速率還是會降到每秒幾兆。

           

          下圖展示了 DSRC 和 LTE-A 用在 V2V/V2I 通訊時的傳輸速率對比??紤]到自動駕駛時車輛每小時能生成 1 TB 的數據,因此兩項技術都無法滿足聯網車輛數據交換的需要。

           

           

          傳感器面臨的挑戰

               如今,5G 成了業內眼中自動駕駛的好搭檔,新一代移動網絡的應用包括車輛自動化、交通規劃、運營和資訊娛樂等。

           

               確實,5G 網絡上馬后,延遲會低上十倍,而帶寬則會增長十倍,因此非常適合應用在汽車上。此外,5G 網絡特有的毫米波技術能提供高速數據傳輸,原始傳感器數據也不在話下。

           

               需要注意的是,高速率資訊娛樂應用、聯合通訊和雷達未來都會集中在毫米波這一頻率。在毫米波鏈接狀態下,車輛和行人可能會阻斷主要通訊路徑,同時樹木和建筑等靜態實體也會產生阻擋效應。

           

               假設基站搭載了不同的傳感器,如雷達和攝像頭,就可以通過傳感器的結合與機器學習來探測潛在的障礙物和相關的移動物體來幫忙配置通訊鏈接,并提升 V2I 通訊的表現。機器學習算法會利用過去的通訊性能數據將特殊的雷達反饋識別為障礙。

           

               舉例來說,在與靜態環境地圖進行結合后,得出的信息會成為算法生成的“養料”,該算法可以預測車輛行駛中將遇到的不同形式的障礙。算法得出的障礙預測結果可反饋到基礎設施建設端,這樣基礎設施就能對車輛起到提醒作用。

           

               除此之外,傳感器和機器學習算法的結合還能讓交通運行中心發掘更多與交通環境相關的信息,同時它們還能不斷提升交通信號和規劃方面的服務。

           

               除了以上各個方面, 定位也是自動駕駛車輛導航時的關鍵因素。

           

               標準的 GPS 導航系統,即使在多路徑情況下, 度也只能保持在 2 到 3 米之內,但這樣的精度用在自動駕駛上完全不夠,自動駕駛的 度至少要達到分米或者厘米級別,這樣車輛才能與其他物體保持安全距離。

           

               即使我們實現了高精定位,在城市里也會遭遇“城市峽谷”效應(高層建筑間)。同時,能完成高精度定位的 GPS 傳感器現在還相當昂貴。要想解決這些挑戰,我們就必須使用汽車其他傳感器采集到的數據或者用道路基礎設施對標準的 GPS 數據進行校正,這樣才能實現實時厘米級 定位。

           

               還有一點,在車輛自動駕駛程度和通訊能力有差別的環境下,挑戰也會相當巨大。想解決這一挑戰,我們可以在基站安裝傳感器,隨后這些傳感器采集到的信息會直接傳遞給聯網車輛,讓它們對非聯網車輛和非機動車產生態勢感知。

           

               這種依靠基礎設施的方式,即使在大多數車輛都沒有通訊能力時也能穩定工作,同時全自動駕駛汽車也能借助它更高效地通過十字路口。

          *蜂窩網絡為基礎的交通運輸愿景

               這樣的方式(如上圖)將圍繞 5G 網絡完成,因為其目標就是提供更快的傳輸速率。同時,下圖的愿景也正是傳感器、機器學習和通訊等技術的結合。

           

           

          新的戰略研究計劃

               德克薩斯大學 近推出了新的戰略研究計劃,負責推動該計劃的是德克薩斯大學的無線網絡和通信集團(SAVES),它的目標就是解決下一代聯網車輛遇到的挑戰。

           

               SAVES 為先進車輛通訊系統、基礎設施、傳感器技術等設計了一個通用框架。同時,SAVES 還邀請通訊和汽車界的公司齊聚一堂,與擅長無線通訊、機器學習和交通的學者們進行了一番交流。

           

               借助自己強大的影響力,SAVES 還成功拉美國交通部“入伙”,它的“籌碼”就是數據支持的交通運營和管理系統(DSTOP)與德州交通部門資助的多個項目。

           

               SAVES 的強悍之處在于它們的無線性能指標(如數據傳輸速率)和交通運輸指標(如交通效率和安全)。

           

                近,該團隊在開發基礎理論、算法上做了不少實驗,其中一個研究方向是為了建立傳感器輔助通訊技術的基礎,并利用這一基礎在毫米波 V2X 通訊中完成訓練。

           

               另一個研究方向則是毫米波車載通訊基礎理論的研究,他們對 優波束寬度和光束的相干時間對其進行了調查,成績斐然。

           

               在一系列實驗中,SAVES 充分利用了美國 儀器公司的設備,其中包括毫米波原型產品、雷達測試和測量工具。在信道測量中,它找來了豐田信息技術中心和 儀器公司來幫忙。

           

               同時,一款混合型毫米波 MIMO 原型系統也得到了有效開發,SAVES 的目的就是測試自研混合型預編程和信道預估算法。

           

               在 儀器公司的設備之上,SAVES 還成功開發了聯合毫米波通訊與雷達原型產品。除此之外,在實驗數據之上完成數據融合也是研究的重點項目之一。

           

           

          總結

               5G 和毫米波通訊無疑會成為下一代傳感器密集型自動駕駛車輛的標配,而高速率連接對于傳感器數據交換則至關重要,該技術能擴大車輛傳感器的探測范圍,讓車輛所做的決定更加安全。

           

               傳感能力將成為車載系統性能的分水嶺,而傳感器數據不但能提升車輛安全和交通效率,還能直接反哺通訊系統,在低成本的情況下就能建立毫米波鏈接。

           

               基礎設施不但是通訊的載體,它還成了傳感器和數據平臺,它采集的數據將用于實時運營、交通網絡控制和規劃上。

           

               不過,前途并非一片光明,在前進的道路上我們還有許多挑戰需要面對。(雷鋒網)

        • 無人駕駛再出“黑科技” 行人揮手汽車就會停車

            研究人員開發了一套無人駕駛汽車系統,有了這套系統,行人揮一揮手就可以讓汽車停車,或者繼續行駛。新系統用LED顯示屏、傳感器偵測行人。當無人駕駛汽車在城市行駛時,由于行人很多,安全是一個問題,新系統也許可以解決這一問題。

          無人駕駛再出“黑科技” 行人揮手汽車就會停車

            這套系統名叫“Blink”,是英國皇家藝術學院(Royal College of Art)和倫敦帝國學院(Imperial College London)開發的。無人駕駛汽車的擋風玻璃和后窗都是LED屏幕,當汽車知道行人在附近行走時,可以用燈光信號告訴用戶。例如,如果汽車傳感器發現附近有人,汽車上的圖標就會發光,模擬行人是怎樣移動的,同時還會發出嗶嗶聲。

            當汽車知道行人在附近,行人可以舉起手,發出停車信號,此時汽車LED屏幕上的圖標會變成綠色,汽車停車。如果行人的手放在一邊,LED燈變紅,汽車繼續行駛。

            看起來很好,不過一些研究人員認為在城市這種系統不太實用。喬治•菲利浦(George Philip)是英國諾丁漢大學的工程博士候選人,他在接受采訪時表示,讓行人控制無人駕駛汽車不是一個好主意,行人如果能讓汽車停車,城市會更加擁堵。菲利浦說:“人到底如何與無人駕駛汽車互動,我們還要繼續研究。”

            谷歌申請了許多“行人-無人駕駛汽車”通信專利。2015年,谷歌獲得一項專利,按照谷歌的構想,無人駕駛汽車可以識別自行車車手的手勢信號,還能做出回應。汽車安裝了傳感器陣列,它可以識別騎自行車的人。騎手可以用手勢告訴汽車自己準備向左轉還是向右轉,汽車根據收到的信號改變速度。

            2015年,谷歌還獲得另一項專利,按照描述,如果無人駕駛汽車正在穿行,沒有停車,它會在外部顯示屏上顯示文字,用揚聲器發出警告信息,告訴行人此時穿過馬路是否安全。(dailymail)

        • 6到8年后全球不再有交通擁堵?大眾集團:就靠量子計算了!

                高深莫測的量子計算機離大家的生活其實并不遙遠。未來,你在北京的街頭打出租車后,或許將不再需要為交通擁堵而頭痛,這就得益于量子計算機的輔助。

           

                當地時間5月6日《華爾街日報》報道稱,在漢諾威消費電子、通信及信息技術博覽會(CeBIT)大會上,大眾公司宣布與量子計算機開發公司D-Wave合作,展開 個研究項目:即利用量子計算機解決北京的交通擁堵問題。

           

          北京交通擁堵

           

                具體來說,大眾集團采集了北京1萬輛出租車的GPS數據,利用D-Wave公司價值1500萬美元的量子計算云平臺模擬出每輛車從市中心到達機場的 佳路線。他們希望能讓出租車在32公里的路程中以 快的速度到達目的地,且不會造成交通堵塞。

           

          大眾集團使用D-Wave 2000Q系統作為兩級計算平臺

           

                經過近6個月的試驗,兩家公司所開發的算法在不到一秒的時間內就給出每輛車的 優行駛路線。這一結果令人震驚,因為如果要依靠普通的計算機,大概需要45分鐘才能完成同樣的任務,而45分鐘對于解決交通擁堵來說是無法接受的。

           

                “如果技術可以按照我們所預期的那樣推進,那么估計在6到8年之后,這個 上就不會有交通堵塞發生了。”大眾首席信息官,同時也是該項目的負責人馬丁·霍夫曼(Martin Hofmann)在接受媒體采訪時稱。

           

                該團隊的下一個項目是計劃在西班牙巴塞羅那推出基于量子計算和機器學習技術所開發的導航APP,它可以在短時間預測出前方的交通擁堵狀況,并立即給出 佳的替代方案。

           

                “傳統計算機在求解相同問題時,你總會得到相同的答案,而我們的量子計算機得到的答案卻是一種概率,就像宇宙的運行原理。”D-Wave美國區總裁波·埃瓦爾德(Bo Ewald)說。

           

                D-Wave公司成立于加拿大,它被稱為 家量子計算機公司,推出了 臺商用量子計算機。D- Wave的 計算機設計可追溯到2007年,當時只使用了16個量子位,而且也無法擴充。2009年,D-Wave首度向Google展示128量子位架構。隨后該公司已持續升級至512量子位的架構。

           

                不過對比標準的計算能力,D-Wave量子計算機還是會比傳統計算機慢得多,但在解決某些特定的工程問題方面,量子計算機要比現有超級計算機快幾千倍。

           

                按照經典計算機的設計原理,科學家們在傳統芯片的晶體管中,用0和1的二進制來表示信息。但在量子力學的 里,依據量子的物理性質,它能夠呈現疊加狀態,能同時表示0和1。處于疊加態的量子比特能以一種叫做量子糾纏的現象相互聯系,簡單來說,就是一個量子比特的行為能瞬間影響到另一個量子比特。

           

                正是由于這樣的特性,才讓量子計算機有了顛覆傳統計算機的能力。谷歌、IBM和微軟等公司都已發布各自的量子計算機研究計劃。

           

                目前看來,谷歌無疑是這個領域里的 羊,他們的研究員計劃在今年推出49量子比特的量子計算機。他們還與D-Wave有過合作。2013年,谷歌購買了一臺D-Wave計算機,想要搞清楚它是否可以被用于改善搜索結果和人工智能。2014年,公司還聘請了加州大學圣塔芭芭拉分校的John Martinis來設計自己的超導量子位,并且谷歌已經對D-Wave量子計算機進行了測試,并片。谷歌的量子人工智能實驗室還曾宣布,其量子計算機D-Wave2X的運行速度比傳統計算機芯片上運行的模擬裝置快1億倍。IBM則是在今年年初推出了量子計算云平臺,實現了5個量子比特的計算。

           

                盡管成績突出,但要讓量子計算機商業化仍是一件任重道遠的事。IBM公司科學和解決方案副總裁達里奧·吉爾(Dario Gil)就認為,當前量子比特的狀態還很不穩定,通常受到溫度、噪音和頻率的干擾而中斷,很難保持量子態超過一秒鐘。(澎湃新聞網)

        9 頁 共 29 頁 顯示 41-45 條
        久久AV无码AV高潮AV喷吹,西西人体大胆高清WWW高清,色费女人18毛片A级毛片视频,FREE俄罗斯性XXXXHD