安防技术在智慧交通领域中关键技术解析

边缘计算

边缘计算是指靠近物或数据源头的一侧,采用网络、计算、存储、应用核心能力为一体的开放平台。在智慧交通中,通过边缘计算,实现道路卡口、电子警察、道路监控等采集设备数据的实时分析,实时提取车辆、行人、非机动车等道路交通关键要素的特征信息,实现现场交通状态的全域感知,同时减轻中心端计算压力,为交管指挥中心决策提供数据支撑。

基于深度学习的视图智能分析技术

大数据时代,深度学习相较于传统人工智能有极大的优势,深度学习成为主流图像识别方法。深度学习构建具有很多隐层的机器学习模型,每个层都提取一定的特征和信息,这一层的输出作为下一层的输入。通过海量的训练数据对输入信息进行分级表达来学习更有用的特征,从而最终提升分类或预测的准确性。目前基于深度学习,东方网力车辆识别已支持16种车型、8000+以上车辆年款,同时支持车头场景、车尾场景、混合场景的识别。

多维异构数据接入治理

采用微服务架构,基于中间件、组件进程隔离技术,实现交通道路中视频、图片、物联感知等结构化、非结构化数据,和各交管业务平台中各类业务数据的统一接入、清洗、数据分类入库及数据质量管理,打破单一对象烟囱式存储模式。在数据质量管理方面,基于定义好的数据定义与模型,实现对数据质量进行管理和监控,包括数据规则检测、统一数据语义、数据项检测、数据质量报告等,实现数据资源目录管理和服务管理。

大数据分析挖掘技术

大数据分析挖掘是一个闭环且反复循环的过程,通过对多维异构数据资源抽取出有意义的、潜在有价值的信息和知识,并进行提炼,可以基于交管业务应用,对未来做出一个较为完整、合理、准确的分析和预测。通过大数据分析挖掘技术,实现对交管业务中生产的海量数据的统一管理和挖掘,实现对城市交通车辆、交通行为、交通环境、交通规模等各个维度信息的实时分析,并可通过可视化图表的方式进行直观展示,为交通业务的精准管理提供技术支撑,理论指导。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20200821A0KTPB00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码关注腾讯云开发者

领取腾讯云代金券