使用Corazon-AI的智能交通管理系统

智能城市中人工智能 (AI)、智能传感器和连接设备的普及创造了对智能设备和实时交通管理系统的需求。

交通拥堵是一个日益严重的问题，影响着车辆活动和整个社会。统计数据显示，在班加罗尔这样的城市，经常面临长时间的交通拥堵，高峰时段某些道路的平均速度仅为 4 公里/小时（2.5 英里/小时）。

尽管目前的交通管理系统配备了某些硬件组件，但它们远不是能够提供高级管理的智能。此外，传统的交通监控摄像头因其对事件的反应性方法而几乎没有价值。由于这些系统依赖于预先编程的控制器进行交通流量管理，因此由于交通事故或施工等不规则事件而动态调整时间的能力是不可行的。但是，通过使用配备基于边缘的 AI 系统的视频，可以消除这些缺点，提供一个平台，可以将这些遗留系统从被动方法转变为主动方法。

图 1：系统框图

基于边缘 AI 的交通监控系统将包括一个集成了自适应算法的智能 AI 盒子、IP 摄像头、交通信号灯、交通信号控制器和指挥控制中心的视频管理系统，所有这些都精心集成到一个设计中流动。一旦所有硬件、检测器、控制器就位，系统就会开始工作，通过 IP 摄像头捕获每个交叉路口的车辆密度，并将数据发送到 AI 盒子。AI 盒子通过预先训练的深度学习模型仔细评估捕获的数据，以创建优化计划，以尽可能高效地通过交叉路口。系统通过向控制器发送命令以协调信号来执行此计划。最后，人工智能盒子通过云将计划传达给邻近的十字路口。因此，

iWave 的Corazon AI是基于 Zynq Ultrascale+ MPSoC 器件的边缘 AI 平台。该设备集成了深度学习处理器单元和专用于卷积神经网络的 AI 推理引擎，提供了可扩展的多维并行架构，能够通过深度流水线计算引擎执行主要的卷积计算和批量归一化。它与 Xilinx Vitis AI Stack 集成，支持来自主流框架（如 Tensor Flow、Caffe、Darknet、Keras 和 Pytorch）的高级预训练深度学习模型，利用 AI 应用程序的开发流程，从而降低设计复杂性并缩短时间市场。

图 2：Vitis AI 堆栈

Xilinx Vitis AI 堆栈使开发人员即使没有深入了解 FPGA 和深度学习，也能加快 AI 应用程序的开发流程。Stack 支持 C++/python API，这为开发人员提供了编程灵活性。Corazon AI box 提供了各种接口的辅助功能，提供了一个灵活的平台，可以与其他交通设备集成。连接多达 8 个 IP 摄像机的能力为用户提供了通过单个网关从各个路口捕获多角度高分辨率视频帧的能力。除此之外，人工智能盒还支持高速连接，如双千兆以太网和多种无线连接选项，如 Wi-Fi、蓝牙和蜂窝连接，以便设备在必要时与云和服务器通信。因此，

这项工作表明，Corazon AI 与深度学习的结合可以动态加速实时 AI 推理的功能，并提高超越传统系统的可预测性。结果，它加快了交通时间，减少了延误，缩短了旅行时间。

审核编辑：郭婷