Большая языковая модель американской компании Miovision повышает эффективность управления дорожным движением в 100 раз

Репортаж от Wedoany，11 июня канадская компания в сфере интеллектуальных транспортных технологий Miovision представила в Детройте (США) приложение на основе большой языковой модели, предназначенное для транспортной инженерии. Эта система позволяет специалистам по управлению дорожным движением запрашивать данные о перекрёстках, светофорах, дорожной обстановке и безопасности с помощью естественного языка, сокращая процессы, которые ранее требовали ручного сбора, экспорта, анализа и составления таблиц, до нескольких минут. Соответствующие демонстрации показали, что эффективность управления дорожным движением может быть повышена в 100 раз по сравнению с традиционными методами.

Городские транспортные системы ежедневно генерируют огромные объёмы разрозненных данных, включая интенсивность движения, длину очередей, режимы работы светофоров, движение общественного транспорта, переход пешеходов, риски столкновений, реагирование на чрезвычайные ситуации и аномалии на перекрёстках. Традиционным транспортным инженерам приходится извлекать данные с разных платформ, а затем анализировать их с помощью таблиц, графиков и полевого опыта. Приложение Miovision на основе большой языковой модели интегрирует эти сложные данные в диалоговый интерфейс, позволяя инженерам задавать вопросы, например, на каких перекрёстках самые высокие задержки, в какие часы наблюдаются аномальные заторы, какие схемы светофоров требуют первоочередной корректировки, а система генерирует графики, карты, показатели безопасности и сводки.

Значение таких инструментов заключается в переходе управления дорожным движением от «ручного поиска данных» к «диагностике с помощью ИИ». Для городских транспортных ведомств настоящим узким местом часто является не отсутствие оборудования, а избыток данных, накопленных камерами, детекторами, светофорами и транспортными платформами, которые инженеры не успевают своевременно обрабатывать. После внедрения больших языковых моделей в процессы транспортной инженерии они могут сначала выполнять поиск данных, обобщение тенденций, выявление аномалий и формирование отчётов, а затем специалисты принимают решение о корректировке схем светофоров или оптимизации дорожной организации.

Ранее Miovision представила Mateo — генеративный ИИ-агент для транспортной инженерии, который может использоваться совместно с платформой Miovision One для автоматизации диагностики транспортных сетей и анализа данных. Эта система позволяет сократить время ручного анализа данных до 95%, сокращая анализ, который ранее занимал недели, до нескольких минут. Демонстрация «100-кратного повышения эффективности» дополнительно подтверждает, что большие языковые модели переходят из универсальных офисных сценариев в профессиональные бизнес-процессы, такие как управление городским дорожным движением. Для городов с большим количеством перекрёстков, магистралей и систем управления светофорами инструменты ИИ помогают чаще выявлять точки заторов, проверять эффективность корректировок светофоров и предоставлять руководству более оперативную информацию о состоянии дорожного движения.

Для цепочки информационно-коммуникационных и интеллектуальных транспортных технологий такие приложения будут стимулировать модернизацию платформ транспортных данных, инструментов ИИ-анализа, устройств восприятия на перекрёстках, систем управления светофорами, облачных вычислений, периферийных вычислений и городских операционных платформ. Управление дорожным движением больше не сводится только к установке оборудования и сбору данных, а требует преобразования данных в реальном времени в выполнимые управленческие рекомендации. Последующие этапы сосредоточены на развёртывании приложения Miovision на основе большой языковой модели у городских клиентов, точности анализа в сложных дорожных сетях, способности к интеграции с системами оптимизации светофоров, а также на том, могут ли рекомендации ИИ стабильно приводить к улучшению дорожной обстановки. Если эффективность применения будет подтверждена, управление городским дорожным движением перейдёт от низкочастотного ручного анализа к более оперативной и активной интеллектуальной модели эксплуатации.

Данный материал скомпилирован платформой Wedoany. При цитировании материалов, созданных с помощью искусственного интеллекта (ИИ), необходимо обязательно указывать источник — «Wedoany». В случае выявления нарушения прав или иных проблем просим своевременно информировать нас. Сайт оперативно внесёт изменения или удалит материал.Электронная почта: news@wedoany.com