2、把认知结果翻译成S(决策)。在决策里非常需要交警的专业知识和经验的引入。结合AI的控制技术、控制手段,形成一整套策略,并把策略通过红绿灯信号或者是导流屏或者导流短信实施下来。

现在最常用的感知技术是摄像头技术,在此基础上提出新的一种更加高效的、精度更高的深度学习框架——胶囊投影。其思路是:分类,对每一个类别做一个胶囊子空间,每个子空间有特定识别的语义。做投影之后,它的长度跟角度利用胶囊网络最核心的思想,可以得到胶囊投影进行分类。在不改变网络复杂度的情况下,以网络的容量、参数规模和运算时间来做度量复杂度。在同样复杂度下能够比其他深度学习的网络分类准确率提高20%以上。

另外,利用多模态的数据对多模态进行感知。选择多模态。一是因为电警数据有死角,需要结合其他多传感器的数据,比如地磁跟雷达数据,扩大探测范围,形成互补;二是要采集浮动车数据。利用浮动车数据,把浮动车低采样、低密度的数据恢复成高采样、全路网的数据。

智能交通决策控制是把认知的信号通过推理的方法上升到感知跟语义信号的高度之后,就可以识别出来拥堵区。为了把语义地图转换成可以执行的控制交通策略,首先要把语义地图做一个表达,通过语义地图原始输入的data,把它翻译成交通地图做一个全景表达的representation,在这个过程中可以把专家的知识输入进去,就是Graph作为输入,然后专家的指挥数据作为一个输出,作为有监督的训练,这种方法是一种模仿型的自动决策的方法。

除了模仿型方法之外,我们也可以利用强化学习的方法,强化学习仍然是基于Graph Representation全局的表达,但是这个时候不是用专家的知识,而是用全区的可以评估的指标。

这两种方法可以融合起来,既可以把专家给出来的指挥策略作为信号,也可以用AI技术、强化学习来训练神经网络。

PISC方案已经在很多城市进行试点,有的已经进行全方案的部署。以一个北京路口为例,利用TrafficGO系统把平均延误时间下降25%,全干道平均延误下降15%,这是用第三方浮动车数据测出来的结果,可见人工智能技术在试点的路口已经取得了好的结果。华为专家在演讲中提到,随着智慧城市建设的大力投入和深入开展,EI人工智能技术在高效疏导交通拥堵,提高城市出行效率,及时响应交通事故和其他紧急事件,快速建立应急车辆的绿色通道,以及保障和提高民生, 建成人和生态环境和谐发展的智能城市体等方面发挥关键性的作用。

三、华为云HiLens:端云协同AI平台

在AI技术实际落地过程中,诸多场景如摄像头智能监控、医疗影像分析、智能车载系统等遇到数据上云成本高、计算延时大、隐私风险、AI应用开发上手困难、AI应用本地维护困难等挑战,极大的阻碍了云上强大AI能力的价值落地。因此,将云上AI能力便利的部署到离应用场景更近的边缘或终端设备上,能很好解决这一系列问题。在2018年10月召开的华为全联接大会上,华为云重磅发布了一站式视觉AI应用开发、部署和管理服务平台——HiLens,以解决当下“端-边-云”场景下亟待解决的开发问题。

在本次大会现场,华为云HiLens研发负责人也带来了相关演讲,详细拆解了HiLens平台架构及关键能力。演讲伊始,他先整体讲解了华为云EI布局,并引入对 HiLens的介绍。

目前,云上AI服务落地依然存在很多的问题和挑战,主要的五项包括成本、延时、场景、隐私及边缘端侧AI应用的部署和维护难。针对高成本、低延时、复杂场景、数据安全和部署维护等问题,华为云推出了HiLens平台服务。

其主要能力包括:一、可以管理高达百万量级的设备;二、通过在算法和业务层面将AI的应用拆分成端的部分和云的部分。以摄像头监控行业为例,在家用摄像头上可以做人形、人脸比对、家庭成员的搜索等等,华为将预处理或者基础的能力放在低成本的摄像头上,然后输出小图传输到云侧进行比对,并在端侧把大量的数据忽略掉,所以成本会大幅降低;三、HiLens平台构建的也是一个Skill Market的生态,到2019年,华为和第三方合作伙伴开发的针对各个行业的几百个技能、应用,都会放到Skill Market里。