案例名称:【司机驾驶安全辅助系统应用解决方案】
公司名称:【广州通达汽车电气股份有限公司(603390)】
案例简述:
随着智能交通的发展,公共交通出行安全得到了社会的广泛关注。根据统计数据可知,92%的交通事故都是源自驾驶行为不当、疲劳驾驶、疏忽大意或违章行驶等。企业在数字化转型中,更加注重如何提高行业监管能力和确保公众出行安全,能够有效确保车辆在行驶途中驾驶员以及车辆的安全,减少交通事故发生及事故带来的人员伤亡和财产损失。

本案例基于计算机视觉等人工智能技术对驾驶员及车辆行驶环境(限速标识、红绿灯)等的危险状态和行为进行监测和预警,然后使用大数据分析等先进的信息技术将终端上传的车辆数据进行分析和挖掘。驾驶员行为预警子系统实现驾驶员疲劳报警、吸烟报警、使用手机报警、注意力分散报警、离岗报警等功能;车辆状态预警子系统实现对车辆的状态进行实时监控和预警,识别车辆是否存在偏离车道、压线行驶、急加速、急减速、超速等危险状态;前向碰撞预警子系统实现对车辆前方的情况进行实时监测和预警,识别行人、电动车、自行车等可能造成碰撞危险的潜在目标,并实时计算潜在目标与本车辆的距离;后台数字化统计分析子系统实现对各种司机驾驶行为数据进行数据挖掘,支持统计报表输出,为企业安全监管、线路规划、调度排班、企业决策等应用提供数据支持。

扫码查看详细案例
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。