计算机视觉系统能让车辆节省燃油消耗
#111723#车辆在红绿灯前等候，或许在交通拥堵时，让动员机空转，会挥霍掉良多燃料。为此，美国ORNL研收回一个盘算机视觉体系，以指增加车辆燃油耗费。盖世汽车讯 据美国动力部估量，因车辆在红绿灯前等候，或许在交通拥堵时，让动员机空转，美国每年大概会挥霍掉60亿加仑的燃料。而在此类车辆中，燃油效力最低的就是用于运输货品的大型重型卡车，在不可驶时耗费的燃料比乘用车多很多。
（图片起源：ORNL）
据外媒报导，当初，美国橡树岭国度试验室（ORNL）的研讨职员计划出了一个盘算机视觉体系，该体系采取之前曾经上市、田纳西公司GRIDSMART（专一于供给交通治理效劳）的交通灯摄像头，可能直观地看到十字路口的车辆，估量其油耗，而后指点交通讯号灯，让效力较低的车辆持续挪动，以增加其燃油耗费。
要证实该体系可与现有的技巧独特施展感化是一个庞杂的困难，须要将很多差别的部份组合在一同，如高科技摄像头、车辆数据集、人工神经收集以及盘算机交通摹拟。
为了让此种基于摄像头的把持体系可能任务，起首须要在交通忙碌的十字路口装置智能摄像头以捕获车辆的图象，并装备数据传输装备。此种摄像头早已存在，此中就包含GRIDSMART公司出产的一款。
现在，GRIDSMART的摄像头体系曾经在寰球1200个都会装置，代替了传统的空中传感器，取而代之的是装置在头顶的鱼眼摄像头，可能供给三镜头视觉跟踪，让交通讯号灯的履行实现最优。该款钟形摄像头与运转GRIDSMART客户端软件的处置器单位衔接在一同，后者为市政交通工程师供给了十分具体的信息，如交通指标、交通事变的无阻碍视图等。
此类数据可用于调剂穿插口的交通灯准时，从而改良交通流量。另外，在计划建立或变道时，能够将车辆数目斟酌在内，并辅助权衡交通控制变更带来的影响。
2018年2月，该团队的第一步是应用GRIDSMART摄像头创立车辆种别图象数据集。因为GRIDSMART摄像头装置便利，曾经装置在ORNL园区，该团队还采取了ORNL正在研发的空中式路边传感器体系，从而可能将头顶的图象与高精度的空中视图相联合。
一旦应用商用软件利用了车辆分类标签，加上DOE的燃油经济性评价，该团队就会失掉一个奇特的数据集，以练习用于辨认车辆的卷积神经收集。
由此失掉的ORNL平常车辆数据集（Overhead Vehicle Dataset）表现，GRIDSMART摄像头确切可能胜利捕获到有效的车辆数据，停止2018年9月，搜集了大概12600辆车的图象，其“空中实况”标签（品牌、型号和MPG估量）逾越了474种分类。不外，ORNL成像、信号和呆板进修小组的研发职员Thomas Karnowski以为，此类分类不敷多，缺乏以无效地练习一个深度进修收集，并且该团队在该项为期一年的名目中，并没有充足的时光搜集更多的信息。以是，到那里去找到一个更大、更精致的车辆数据集呢？
Karnowski想到了斯坦福大学研讨员Timnit Gebru停止的一个车辆图象名目，该名目从谷歌街景图（Google Street View）图象中辨认出了2200万辆汽车，并分红了2600多个种别（如品牌和型号），而后再将其与生齿统计数据停止关系。在Gebru的允许下，Karnowski下载了该数据集，随后，该团队筹备停止该名目的第二步，创立一个神经收集。
该团队应用深度进修多节点退化神经收集（MENNDL）打造了另一个神经收集，用于比拟。MENNDL是由ORNL盘算机数据剖析小组研发的高机能盘算软件客栈。MENNDL应用了一种退化算法，该算法不但能够创立深度进修收集，还能够静态地改良收集计划。通过主动联合和测试数百万个“父”收集，以天生机能更高的“子”收集，MENNDL培养出了优化神经收集。
Karnowski的团队应用Gebru的练习数据集，在橡树岭引导盘算设备（位于ORNL的国度动力部迷信用户办公室设备）内，在现已退役的Cray XK7泰坦盘算机（曾以27万万亿此浮点运算被评为天下上最强盛的超等盘算机）上运转了MENNDL。Karnowski表现，固然MENNDL发生了一些新的架构，然而其收集分类成果的正确性没有超出该团队的AlexNet派生收集。有了额定的练习时光和练习图象数据，Karnowski信任，MENNDL可能发明一个更幻想的收集。
因为没法在都会十字路口收集内装备GRIDSMART交通讯号灯，Karnowski的团队转而应用盘算机摹拟来测试该体系。都会挪动出行摹拟（SUMO）是一个开源摹拟套件，可能让研讨职员对交通体系停止建模，此中包含车辆、大众交通，乃至行人。SUMO还可实现定制建模，以是Karnowski的团队可能将其利用到名目中。在SUMO摹拟情况中，该团队增添了一个“视觉传感器模子”，从而能够应用强化进修来领导交通讯号灯把持器收集，增加大型车辆的等候时光。
研讨职员在种种交通场景下测试了该方式，以评价视觉传感的燃油节俭才能。在某些含有大型卡车的应用场景下，该方式能够节俭高达25%的燃料耗费，并且平等待时光的影响最小。在其余场景中，摹拟体系对应用重型卡车的场景停止练习，不外在愈加均衡的测试交通前提下评价了视觉传感的燃油节俭才能。研讨团队并没有对节俭的用度停止量化，不外经由练习的强化进修把持可能很轻易顺应新情况。
上述全部测试仅限于树立观点验证，还须要更多任务以正确评价此种方式的影响。Karnowski盼望持续采取更大的数据集、经由改良的分类器以及更普遍的模子，来研发该体系。GRIDSMART公司则以为该名目供给了一种为客户供给新效劳的远景。
更多内容阅读推荐：抽油烟机跑烟怎么办
页:
[1]