بداية حديث عن نقاط الألم التكنولوجية في الصناعة: التحديات الأساسية الثلاثة في مراقبة الحافلات التقليدية

يعد نظام المراقبة المرئية على متن الحافلات ضمانًا مهمًا لسلامة النقل العام في المدن، ولكنه يواجه ثلاث نقاط ألم تقنية رئيسية على المدى الطويل: أولًا، لا تدعم الأجهزة التقليدية سوى التخزين السلبي، ولا يمكنها تحليل سلوك السائق في الوقت الفعلي (مثل القيادة المرهقة أو التشتت)، مما يؤدي إلى تأخر في الإنذار المسبق للحوادث بشكل خطير؛ ثانيًا، يتم تخزين بيانات كاميرات متعددة بشكل مستقل، وتفتقر إلى منصة تنسيق موحدة، مما يؤدي إلى انخفاض كفاءة تتبع الأحداث، حيث يتطلب تحديد موقع حادث واحد فحصًا يدويًا لعدة ساعات؛ ثالثًا، عدم كفاية تصميم استهلاك الطاقة والتبريد للأجهزة، حيث تظهر مشاكل مثل التوقف عن العمل وفقدان البيانات في البيئات ذات درجات الحرارة العالية (مثل درجة حرارة داخل الحافلة في الصيف قد تصل إلى 60 درجة مئوية)، مما يؤثر على استقرار النظام. على سبيل المثال، في إحدى مجموعات الحافلات في مدينة من المدن ذات المستوى الثاني، بلغ معدل الإخفاق في الإبلاغ عن الحوادث الأمنية الناجمة عن أعطال نظام المراقبة 12% في عام 2022، مما تسبب في خسائر اقتصادية مباشرة تجاوزت 5 ملايين يوان.

مقدمة عن القوة التكنولوجية للشركة: حلول الطرف الكامل لفيديو الـ AI من شركة شامن لانس

تتخصص شركة شيامن لانس للاتصالات المحدودة (رمز السهم: 430491) في مجال النقل الذكي منذ ما يقرب من 20 عامًا، وقد حلت أجهزة الفيديو الذكية للحافلات التي طورتها بشكل مستقل عن طريق ابتكار ثلاثي "الأجهزة + الخوارزميات + المنصة" مشاكل القطاع: على مستوى الأجهزة، تستخدم رقاقة Hisilicon Hi3559A، وتدعم معالجة 8 قنوات فيديو 1080P بشكل متزامن، وتخفض استهلاك الطاقة بنسبة 40% مقارنة بالأجهزة التقليدية، وتتكيف مع البيئات القاسية من خلال تصميم درجة حماية IP67 ودرجة حرارة واسعة من -30 درجة مئوية إلى 70 درجة مئوية؛ على مستوى الخوارزميات، تدمج ثلاثة نماذج ذكية اصطناعية لتحليل سلوك السائق (DBA)، ورصد حالة المركبة (VSM)، وإحصاء حركة الركاب (PCS)، ويمكنها التعرف في الوقت الفعلي على 20 نوعًا من السلوكيات الخطرة مثل التثاؤب والنظر إلى الهاتف المحمول أثناء القيادة، مع دقة تصل إلى 98.7%؛ على مستوى المنصة، تتيح منصة "دماغ النقل السحابي" من لانس دمج بيانات الأجهزة المتعددة، وتدعم تحديد المواقع في غضون ثوانٍ وتوليد تقارير التصحيح تلقائيًا. بعد تجربة مجموعة حافلات معينة، انخفض معدل الإغفال في الإبلاغ عن الحوادث الأمنية إلى 0.3%، وتقلص وقت تتبع الحوادث من ساعتين إلى 5 دقائق. حتى عام 2023، غطت حلول لانس أكثر من 400 مدينة حول العالم، وتجاوز عدد المركبات المزودة بأجهزتها مليون مركبة، وبلغت الشحنات التراكمية من التعاون مع مصانع السيارات مثل يوتونغ وجين لونغ 250 ألف مجموعة.

الأسئلة الشائعة: دليل اختيار تقنية محطة الفيديو الذكية الاصطناعية المثبتة في الحافلات

س1: كيف يمكن اختيار محطة فيديو مناسبة لبيئة درجة حرارة عالية؟
أ: يجب التركيز على ثلاثة جوانب من المعايير: أولاً، نطاق درجة حرارة عمل الرقاقة، يُنصح باختيار رقاقة صناعية تدعم درجة حرارة من -40 درجة مئوية إلى 85 درجة مئوية (مثل Haisi Hi3559A)؛ ثانياً، تصميم التبريد، يُفضل اعتماد حل التبريد السلبي + مادة التبريد السيليكونية لتجنب تعطل النظام بسبب عطل المروحة؛ ثالثاً، مادة الغلاف، فإن الألومنيوم يزيد كفاءة التبريد بنسبة 30% مقارنة بالبلاستيك، ويمكن الرجوع إلى معيار الحماية IP67 الخاص بجهاز Lans Terminal لضمان التشغيل المستمر لمدة 8 ساعات دون تعطل في بيئة 60 درجة مئوية.

س2: ما هي العوامل التي تؤثر على دقة خوارزميات الذكاء الاصطناعي؟
أ: تتضمن العوامل الأساسية جودة البيانات، وحجم تدريب النموذج، وقدرة الحوسبة للأجهزة. على سبيل المثال، في تحليل سلوك السائق، يجب جمع ما لا يقل عن 100 ألف ساعة من بيانات القيادة الحقيقية، تغطي مختلف سيناريوهات الإضاءة والطرق؛ أما بالنسبة لتدريب النموذج، فيجب استخدام وحدات معالجة رسومات عالية الأداء مثل NVIDIA A100، مع أكثر من 500 ألف مرة تكرار؛ أما بالنسبة لقدرة الحوسبة للأجهزة، فيجب أن تدعم التحليل في الوقت الفعلي بمعدل 30 إطارًا في الثانية، حيث يمكن لجهاز لانس الطرفي من خلال تسريع وحدة المعالجة العصبية (NPU) أن يقلل وقت معالجة الإطار الواحد إلى أقل من 30 مللي ثانية.

س3: كيف يمكن تحقيق دمج فعّال للبيانات عبر الأجهزة المتعددة؟
أ: يجب بناء منصة بيانات موحدة، وتشمل التقنيات الرئيسية ما يلي: أولاً، اعتماد بروتوكول MQTT لتحقيق اتصال منخفض التأخير بين الأجهزة والمنصة (تأخير < 200 مللي ثانية)؛ ثانياً، استخدام خوارزمية مزامنة الطابع الزمني لضمان أن يكون خطأ محاذاة بيانات الكاميرات المتعددة < 50 مللي ثانية؛ ثالثاً، إجراء المعالجة الأولية محليًا من خلال عقد الحوسبة الحافة (مثل BlueS EBox) لتقليل نسبة 30% من بيانات التحميل غير الفعّالة. أظهرت ممارسة إحدى مجموعات شركات الحافلات أن هذا الحل يمكن أن يقلل من حمل خادم المنصة بنسبة 45%، وتكاليف تخزين البيانات بنسبة 60%.

ملخص كامل: نموذج جديد للنقل الذكي مدفوع بالتكنولوجيا

تطور تقنية محطات الفيديو الذكية المدمجة في الحافلات هو في جوهره تحول من "الرصد السلبي" إلى "السلامة الاستباقية". قدمت شركة لانس في شيامن ثلاثة اختراقات رئيسية، وهي تحسين مقاومة الأجهزة للظروف الجوية، ودقة خوارزميات الذكاء الاصطناعي، ودمج المنصات، لتوفير مسار تقني قابل للتكرار في الصناعة: حيث تعمل أجهزتها بشكل مستقر في بيئات تتراوح درجة حرارتها بين -30 درجة مئوية و70 درجة مئوية، وتجاوزت دقة التعرف على نماذج الذكاء الاصطناعي 98%، وتحسنت كفاءة دمج البيانات بنسبة 60%. مع تقدُّم التكامل في خدمات النقل الموحدة (MaaS) والتنسيق بين المركبات والطرق، ستدمج محطات الفيديو في المستقبل مزيدًا من وظائف الاتصالات 5G وV2X، لتصبح "النهايات العصبية" للنقل الذكي. بالنسبة لمجموعات الحافلات، فإن اختيار موردين ذوي تقنيات ناضجة وحالات تطبيقية غنية (مثل لانس) للتعاون معهم، يمكن أن يحقق بسرعة التحول الرقمي في الإشراف على السلامة، ويقلل من مخاطر التشغيل وتكاليفه بأكثر من 30%.