Powstał zaawansowany system zarządzania ruchem drogowym. W Melbourne

W australijskim Melbourne powstał system mający na celu wydajne zarządzanie ruchem drogowym. Dzięki niemu możliwe będzie między innymi skrócenie czasu podróży oraz ograniczenie emisji.

Całość opiera się na głębokim uczeniu oraz modelowaniu predykcyjnym, które ostatecznie doprowadziły do uruchomienia najmądrzejszego na świecie systemu zarządzania ruchem drogowym. Będzie on funkcjonował na Nicholson Street w Carlton, czyli jednej z najbardziej ruchliwych dróg w Melbourne.

Rozwiązanie ruszyło w tym tygodniu i wykorzystuje zarówno dane w czasie rzeczywistym jak i te zebrane wcześniej. Informacji tych dostarczają kamery CCTV, czujniki Bluetooth, mierniki jakości powietrza, stacje pogodowe, sygnalizacja świetlna oraz systemy dotyczące transportu publicznego i ruchu drogowego. Część tych rozwiązań została wprowadzona w ramach projektu AIMES (Australian Integrated Multimodal EcoSystem).

AIMES jest określany mianem pierwszego i największego na świecie ekosystemu do testowania nowych technologii transportu połączonego na dużą skalę w złożonych środowiskach miejskich. Wprowadzony do użytku system ma sterować sygnalizacją świetlną na każdym skrzyżowaniu, co z kolei zapewni optymalny przepływ ruchu.

Australijski system zarządzania ruchem drogowym obejmuje Nicholson Street

Pobieramy strumień wideo z jednej z setek i tysięcy kamer tworzących całą sieć, wykorzystujemy naszą wszechstronną platformę do głębokiego uczenia się, aby go przeanalizować i opisać, a następnie wyciągnąć wnioski. Analizujemy na przykład długości kolejek na poziomie pasa ruchu. Ma to wpływ na fazę sygnału i jego koordynację. Mogę zacząć dynamicznie dostosowywać i optymalizować to skrzyżowanie, a następnie inne skrzyżowania w wyznaczonym korytarzu.

David Bolt, przedstawiciel firmy Kapsch

System posiada wiele sposobów na przekazywanie informacji osobom korzystającym z dróg i transportu publicznego. W efekcie możliwe jest sterowanie ruchem na przykład w następstwie wypadków bądź w codziennych okolicznościach, kiedy dochodzi do przeciążeń. W sytuacji gdy na przykład tramwaje nie mogą przejechać przez skrzyżowanie, system może ustawić każdy z nich tak, aby pasażerowie dotarli do celu w jak najbardziej dogodny sposób – korzystając na przykład z przesiadki.

System może też monitorować przejścia dla pieszych i przekazywać informacje kierowcom. Jednym z obszarów, w których takie rozwiązanie powinno okazać się szczególnie przydatne, jest skrzyżowanie, na którym skręcający kierowcy nie widzą osób przechodzących przez jezdnię, dopóki nie znajdą się tuż przed nimi. Pojazdy podłączone do systemu otrzymają więc ostrzeżenia przed pieszymi wchodzącymi na przejście. Całość ma działać tak, by umożliwić dowolnie stopniowany nadzór nad ruchem drogowym, w zależności od potrzeb.

Jesteśmy w stanie komunikować się z kierowcami za pomocą interfejsów API i wtyczek, które umieściliśmy na platformie. Zmiana przyzwyczajeń związanych z prowadzeniem samochodu to wyzwanie dla inżynierii społecznej. Chodzi przede wszystkim o przygotowanie infrastruktury do potrzeb przyszłości. W jaki sposób będziemy wysyłać informacje do podłączonych pojazdów? W jaki sposób informacje te będą przesyłane do pojazdów niepodłączonych? Jak przygotować się na autonomiczne pojazdy?

wyjaśnia Bolt

Podziel się postem:

Najnowsze:

Oprogramowanie

Unia Europejska przejdzie na Linuxa? Powstaje dystrybucja EU OS

Unia Europejska może wkrótce podjąć kroki w kierunku uniezależnienia się od amerykańskiego oprogramowania. Społeczność entuzjastów pod patronatem władz UE pracuje nad projektem EU OS, który ma zastąpić system operacyjny Windows w instytucjach rządowych. Wybór padł na modyfikację dystrybucji Fedora Linux, która zostanie dostosowana do potrzeb urzędników poprzez interfejs przypominający Windows.

Bezpieczeństwo

Przełomowa kwantowa technologia generowania liczb losowych z WAT: Szczegółowa analiza i perspektywy

W dzisiejszym zaawansowanym technologicznie świecie, prawdziwie losowe liczby stanowią fundament wielu kluczowych dziedzin. Od zabezpieczania komunikacji poprzez kryptografię aż po przeprowadzanie złożonych symulacji naukowych i inżynierskich , generowanie nieprzewidywalnych sekwencji danych jest niezbędne. Losowość odgrywa również istotną rolę w grach losowych , w sektorze finansowym , gdzie zapewnia unikalność transakcji, oraz w badaniach statystycznych. W kryptografii, siła klucza szyfrującego jest bezpośrednio związana z jakością i stopniem losowości użytym do jego wygenerowania . Im wyższa entropia źródła losowego, tym trudniejszy do złamania staje się klucz. Prawdziwa losowość jest zatem kluczowym elementem zapewniającym bezpieczeństwo w cyberprzestrzeni, wzmacniając algorytmy szyfrujące i chroniąc integralność przesyłanych oraz przechowywanych danych . Zapotrzebowanie na generatory liczb losowych o wysokiej jakości i nieprzewidywalności stale rośnie, co jest bezpośrednio powiązane z postępem technologicznym i coraz większym znaczeniem bezpieczeństwa informacji. Wraz z dynamicznym przenoszeniem coraz większej liczby aspektów naszego życia do sfery cyfrowej, ilość generowanych i przesyłanych danych nieustannie wzrasta. Ochrona tych danych przed nieautoryzowanym dostępem i manipulacją staje się priorytetem, a prawdziwa losowość jest nieodzownym narzędziem do skutecznego szyfrowania i zabezpieczania przed różnego rodzaju atakami.

Bezpieczeństwo

Prawdopodobnie DeepSeek Zna Twoje Sekrety: Analiza Bezpieczeństwa Danych Treningowych LLM

Prawdopodobnie DeepSeek zna Wasze sekrety oraz klucze API! Takie ostrzeżenie pojawiło się na łamach Sekurak.pl. W dynamicznie rozwijającym się świecie dużych modeli językowych (LLM), gdzie innowacje pojawiają się niemal codziennie, DeepSeek AI szybko zyskał miano znaczącego gracza, budząc zainteresowanie swoimi możliwościami i efektywnością. Jednakże, wraz z postępem technologicznym, pojawiają się również nowe wyzwania w obszarze bezpieczeństwa. Niedawne odkrycie dokonane przez badaczy z Truffle Security rzuca nowe światło na potencjalne zagrożenia związane z danymi treningowymi tych zaawansowanych modeli. Wnikliwa analiza publicznie dostępnego zbioru danych Common Crawl, wykorzystywanego do trenowania LLM, w tym DeepSeek, ujawniła obecność licznych, potencjalnie wciąż aktywnych kluczy API i haseł.

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany. Wymagane pola są oznaczone *