腾讯李学朝:深度融合地图和数字孪生,为交通行业打造时空计算能力

9月8日,2023腾讯全球数字生态大会智慧交通专场在深圳举行。腾讯智慧交通副总裁李学朝发表了题为《从地图到孪生,时空计算能力推动交通产业实践》的主题演讲。

6501210114ea4

腾讯智慧交通副总裁李学朝

随着科技创新成为交通产业发展的主要驱动力量,交通领域数字化水平正在不断提升,行业正在以智能化为目标为持续改造基础设施。为加快交通行业智能化转型升级,腾讯智慧交通提出了AI驱动下的双轮架构作为数字交通的通用技术底座。在这一底座中,腾讯地图与数字孪生共同构成了强大的时空计算能力,为智慧交通建设开辟了新的路径。

李学朝认为,交通是典型的动静结合的场景,时空计算解决的是动静一体化的深度数据融合和计算,只有把动态数据和静态数据深度融合,进行计算,才能让智慧交通真正智慧起来,也才能把自学习、自进化融入进来,让交通成为一个生命体。

李学朝表示,腾讯已经通过深度整合腾讯地图与腾讯数字孪生产品,构建起了包括数据产线、融合感知、LBS大数据、逼真渲染、空间计算、仿真推演及地图开放平台七大能力,具备完善、高效、动静一体特征的时空计算引擎。

65012114314c9

李学朝强调,该引擎已在交通领域多类场景中落地实践,打造了多个标杆案例。未来,腾讯将充分利用地图和数字孪生领域的技术成果,与行业生态伙伴共生共赢,助力交通运输行业的数字化转型与高质量发展。

以下是李学朝的演讲全文:

大家上午好,我是腾讯李学朝。今天跟大家分享的主题是时空计算。腾讯智慧交通最主要的有一个OS+孪生的双轮驱动,在这个过程中又构建了一个最核心的时空计算,我下来的主题跟时空计算有关。

智慧交通发展到今天,业务很多是倒逼了我们的技术创新,技术创新提供了很多新的发展动能,这些动能又给我们创造很多新的场景。

交通里面有三类趋势,第一个,我们看到传统的是点、线、面的二维计算,未来我们更看到是到全空间、全要素、全轨迹一体化的计算,将交通路网、设备设施和交通的各参与方都融入到这个计算中,把全要素进行叠加,这样实现的维度更加多样化,进而让交通真正智慧起来。

第二个我们看到,传统事后型的分析、总结,是沉淀型的经验管理模式。但是到现在,我看到应该是从事前、事中、事后做这样的预测预判,事中我们针对交通事件做相应的一个快速响应,事后可以基于一些大数据轨迹还原、可视化的一些技术来做追溯。

第三类,其实是传统分割式的应用到车与路的高效协同,我们说这个叫聪明的车、智慧的路,让管理和服务一体两面,以及全方位、全要素的联动,不仅避免了智慧交通建设过程的重复建设,更保障了智慧交通核心目标的达成。

交通其实是非常典型的动静结合的场景。时空计算解决的是动静一体化的深度数据融合和计算。在这个计算过程中,静态数据是基础,包括路网、路测设施设备等等,而动态数据包括车流路况、交通处置、专项活动等等。只有把动态的数据和静态数据深度融合,进行计算,才能让智慧交通真正智慧起来,也才能把自学习、自进化融入进来,让交通成为一个生命体。

时空计算真正离不开的就是地图和孪生,腾讯在多年的实践过程中,把腾讯地图跟数字孪生的产品能力做深度的整合,真正在孪生中把图的数据更好地应用起来,构建出了完善的、高效一体的时空计算引擎。

这个引擎包括七大能力,主要包括几类,第一类是针对数据服务类的,我们有数据产线这样的工具,保证我们的数据快速生产,也包括我们LBS大数据和地图开放平台这样一些数据服务。第二类是多元数据的这种融合感知。感知完之后,我们对它们进行进一步的空间计算,计算完之后做相应的决策辅助,通过仿真推演,以及我们在上层应用,把这些计算出来的数据做更逼真的渲染,这是我们理解时空计算中最核心的七大能力。

接下来报告一下七大能力,我们在腾讯侧可以提供的相应的一些支持。首先,我刚才提到的在数据服务里面的第一个,就是我们标准化的多元数据产线。数据产线是构建我们智慧交通的一个基础,为智慧交通搭建骨架和经络。腾讯基于十多年的地图领域沉淀,包括我们甲级的测绘资质,还有甲级互联网这种地图服务的资质,这一块的产线非常成熟,包括我们数据治理和生产,给我们的产业用户提供低成本、高质量、多类型的数据服务。我们也积累了很多的经验,支持多种交互方式、上层应用方式。

腾讯地图的数据主要分为几大模块,第一个是标精数据,主要包括路网数据、POI数据、背景等基础数据。第二类是高精数据,它是将道路数据升级为亚米级精度,车道级的要素可以用于自动驾驶、可视化等这样一个场景。第三类,三维重建,基于标精数据和高精数据,可以进行自动化的三维数据建模,帮助开发者高效、低成本地快速构建三维地图的场景。

除了上面的静态数据以外,腾讯地图还可以基于互联网大数据的服务优势,提供实时路况、道路开通封闭、交通事件数据这样一系列动态数据信息服务。

数字地图对于数字交通来说是重要的数字基础设施,同样具有基础性、先导性、战略性和引领性。我们腾讯LBS大数据也提供了鲜活的、实时动态的交通大数据。我们有广泛的数据基础,包括基于10亿用户和340个路况的城市的覆盖,以及8000万个POI数据和1000万公里的道路覆盖。

基于腾讯广泛的产品生态和广泛的伙伴支撑,让我们的地图具有很好的数据丰富度,以及基于广泛应用场景有一个数据的鲜活度,我们可以很快速地进行针对数据的实时的刷新。

构建这样一些数据基础之后,我们也对外提供地图的一个开放平台,是腾讯地图与外部生态连接的基础,目前我们也广泛应用在交通和智慧物流的这样一些场景。我们跟头部物流的一些客户,这里面的核心能力,包括像基于矩阵、物流中的地址识别、可达圈分析、客户可完成的排线智能排单、多车调度等等业务。基于轨迹的管理、高精地位路线规划能力,可助力客户实现车辆在途监测、分配订单、货车导航。针对货车导航,我们其实也更进一步做了深度建设,这些都是基础的能力。针对货车,腾讯也投入建设这样的能力,目前针对货车式场景也发布我们的货车导航,针对物流场景做进一步的深度功能的提供。

针对有较强研发能力的大型物流企业,腾讯地图还提供路网数据、POI数据、路况动态数据和地图合规云的服务,协助客户完成自建需求,最重要的是我们生态应用给腾讯地图也反哺实时动态的各类数据,给动态交通、人流等数据的实时更新提供重要保障。

下面我们进一步通过各种融合感知,让数据丰富起来。交通网上的各种车流、人流、事件,也是智慧交通的动态数据信息,我们如何获取这类的路测信息,加以计算,赋能我们的业务,是我们智慧交通的一个核心。

腾讯在智慧城市、智慧园区、智慧交通、智慧农业等等产业实践中,也积累了成熟可靠的物联网感知能力。在物联感知领域,我们覆盖了90%以上的物联网协议内容,实现了千万级设备在线并发,毫秒级的设备数据上传和下送,完成云、边、端的高效协同。同时我们在交通领域,结合交通的实际业务,也沉淀出毫米波的点云、视觉检测、视觉跟踪、雷视融合、3D融合等等技术,实现30多类的智慧交通特定业务场景的算法模型。

构建模型之后,我们要真正做相应的计算。在时空计算里面包括核心提供空间感知、空间计算、空间解析、空间分析、搜索等等,这是我们构建智慧交通的大脑,也是我们时空计算引擎的核心能力。这种时空计算引擎可以为高速安全运营、车路协同、无人机配送场景保驾护航。同时我们通过自动化与解析、空间自动化等等能力,支持秒级计算结果输出,为超长路段高速交通、超大范围复杂路况城市交通的运营、管理和服务提供支撑。

我们把计算出的结果输出来应用,做实时逼真的渲染。腾讯侧提供了多引擎、多平台、全场景、云渲染的动静结合,二三维一体化的数据可视化的渲染能力。它实现了数据驱动的可视化展示,而且延时做了毫秒级的还原,也可以支持通过云端分发到C端的APP或者小程序,真正让用户也可以快速感知到路上或者在交通过程中发生的场景,实现移动端的车路协同。

我们的平台提供了超过1000个组件工具,以及丰富的模型和场景的资产,帮助用户实现零代码快速搭建智慧交通的一些场景。此外,我们自研的三维引擎、三维重建算法和腾讯地图数据的沉淀,让我们的图和孪生实现非常融合的一种场景。我们可以在这种场景下一天内完成一座2400多平方公里的大型城市的全要素、全景三维的自动化重建,让城市交通实时孪生场景的低成本快速构建成为现实。

我们在另外出来这种时空计算的结果做相应的实时仿真,这个可以帮助我们让机器去做更多的推演,这种核心通路的分布式仿真能力、开放的仿真模型、实时在线的校准能力,可以快速准确地进行仿真计算,精准预测未来的交通,仿真的一致性可达99.9%。

我们的平台也支持百万级智能体实时仿真,在不同场景下实现多维度、多事件、多条件的快速仿真推演。我们的平台也支持一万以上仿真节点同时并发运行,为超大规模场景的仿真和多维度、多事件、多条件的并行仿真提供强有力的技术支撑。

在自动驾驶领域,我们也通过实时仿真平台为客户搭建自动驾驶的仿真测试平台,帮助客户降低了90%以上的测试成本,所以这样的仿真可以真正让客户在这个过程中受益,也实现了在实际的路测无法测试的异常场景,为无人驾驶、安全驾驶保驾护航。

时空计算引擎能力已经助力到我们行业数字化转型升级。基于这七大能力,我们已经在多类客户,包括高速、轨交、物流、城市客户,实现了他们的交通的数字化升级,实现全天候能力。同时为了广泛地触达出行者,我们通过车路协同的APP、微信小程序,为出行者提供车道级导航、避让、周车预警这样的创新服务。

腾讯数字孪生基于我们10年的产品打磨、能力沉淀、技术夯实,截止到2023年8月,已经在智能网联、智慧轨交、智慧公路多个业务领域打造标杆案例。我们希望充分利用腾讯的图和数字孪生技术能力构建时空计算引擎,联合行业生态伙伴一起共生共赢,助力交通运输行业的数字化转型升级和高质量发展,谢谢大家。

本网信息来自于互联网,目的在于传递更多信息,并不代表本网赞同其观点。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,并请自行核实相关内容。本站不承担此类作品侵权行为的直接责任及连带责任。如若本网有任何内容侵犯您的权益,请及时联系我们,本站将会在24小时内处理完毕。:https://news.guoyanghuaqing.com/6279.html

(0)
上一篇 2023年9月11日 下午5:01
下一篇 2023年9月15日 下午12:36

相关推荐