安全是社会运行和企业生产必须追求的核心指标。在中国,由于安全理念的相对落后以及技术手段的缺乏,安全事故总是层出不穷。不过在媒体频繁报道建筑安全、开采安全等事件的同时,我们不应忘记,交通事故才是整个社会中最频繁发生、经济损失最大的安全类事故。道路安全更应该成为全社会的关注重点。
根据世卫组织的统计,全球每年因道路事故而死亡的人数超过140万,超过3000万人因此受伤,造成的直接经济损失超过5000亿美元。而在江苏省,2017年因为道路事故而死亡的人数则是4567人。从这些触目惊心的数字中我们不难发现,交通安全已成为一个严重的社会问题,必须以一切必要的手段来加以控制。
而在IT技术飞速发展的今天,众多新技术也给企业和政府提升交通运营安全带来了新的启发和思路。
事故率降低50%!如何做到?
江苏驭道数据科技有限公司是江苏省内一家专注于交通安全新技术及相关解决方案的公司。通过调研,驭道数据发现,江苏省内因道路事故而死亡的人数中有近70%与运营车辆有关。因此,利用新技术帮助交通运营企业提升安全水平就成为了降低道路风险,构建安全社会的最佳路径。
通过在运营车辆上安装高级辅助驾驶系统,驭道数据可以让车辆运营单位及时掌握车辆信息及行驶状态。结合GIS及道路信息,系统可以自动判断车辆当前是否存在超速、违章等现象。
同时,这套高级辅助驾驶系统还可以通过安装在驾驶室内的红外摄像头对驾驶员的驾驶状态进行智能识别。如果驾驶员出现S型行驶轨迹以及打哈欠等表情,那么系统会自动对驾驶员进行提醒和预警,避免疲劳驾驶所导致的事故。
在更高级的应用中,驭道数据的高级辅助驾驶系统可以实时采集并分析路况信息,利用人工智能技术对即将到来的危险情况作出及时预测,并提醒驾驶员减速规避。根据世卫组织的调研,如果能够在事故发生前的2.7秒及时预警和提示驾驶员,那么93%的交通事故都可以被减轻甚至避免。
通过一系列传感器、物联网、大数据、人工智能、云计算等技术的应用,驭道数据大幅度提高了运营车辆的安全系数。在江苏省2017年进行试点活动中,有292辆运营车辆安装了驭道数据高级辅助驾驶系统。通过半年的运行监测,这些车辆的事故率降低了50%,事故导致的经济损失也降低48%,取得了极佳的社会效益和经济效益。
此外,驭道数据还建立了一套驾驶员安全档案体系,自动记录驾驶员的运营及违章情况,让那些不尊重交通法规、漠视道路安全的驾驶员不会因为换一份工作就再次上岗,为交通运营行业的整体性安全提升打下了基础。
如果将这些系统在省内或全国进行推广,那么将会有无数生命幸免于难,无数悲剧被避免,无数财富避免浪费。
驭道数据背后的大数据与AI支持者
虽然并非自动驾驶系统,但驭道数据的高级辅助驾驶系统却仍旧需要各类传感器采集大量实时数据并通过云端技术进行快速处理和分析。因此,驭道数据所需要的IT架构不仅要具备大数据处理和人工智能框架服务,更要具备极高的处理速度。只有功能与性能兼备才能拯救生命于危急之中。
经过多方比对,驭道数据最终选择了华为云,并基于华为云强大的大数据能力和EI智能体构建起了这套高级辅助驾驶系统。
利用华为云独家的智能边缘能力和云端大数据能力,驭道数据可以及时的监控、采集并分析大量运营车辆所产生的海量实时数据,对可能存在的违规驾驶即时提示。
而通过华为云的EI智能体,驭道数据则可以及时分析车辆所属路段的实时路况,对随时可能发生的危险进行快速预测和提醒。当然,基于面部识别的驾驶员疲劳状态分析也由这一系统完成。
对此,驭道数据联合创始人、CTO任勇表示:驭道数据与华为云是铁打的合作伙伴。通过使用华为云独到的大数据与人工智能服务,驭道数据可以用最新的智能科技为驾驶员、运输企业及监管部门赋能,在保证安全的同时提升管理效率,做道路安全的真正护航者。
华为云不仅可以满足企业上云等一系列最基础的需求,更可以通过先进能力为企业搭建一条探索数字化未来的坦途,让技术成为与计算一样的一种资源,助力企业的创新发展和数字化转型。
当远在天边却即时可靠的云计算与车轮之下通畅、安全的高速公路相结合,更安全的未来或许真的可以更快到来。
好文章,需要你的鼓励
随着AI策略成熟,CIO开始重新考虑对公有云的依赖,私有云和本地环境重新受到关注。调查显示,67%的企业领导计划在未来12个月内将部分AI数据迁移至非云环境。主要原因包括成本可预测性、数据隐私保护、安全问题和云集成挑战。对于持续的AI工作负载,购买自有GPU比租用公有云更经济。私有云支出增长更快,预计2025年将有54%的组织在私有云上投入超过1000万美元。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
本文深入分析了从传统AI发展到AGI过程中可能出现的智能爆发现象。基于AI专家共识的2040年AGI实现预期,文章探讨了七种主要发展路径,重点关注突破性的"登月路径"。智能爆发理论认为,智能可以像原子链式反应一样相互促进,快速产生大量新智能。文章预测2038-2039年可能发生智能爆发,随后在2040年实现AGI,但也指出了关于智能爆发的启动、控制和潜在风险等争议问题。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。