
Traffic AI ព្យាករណ៍ពីគ្រោះថ្នាក់
កាមេរ៉ាចរាចរណ៍សព្វថ្ងៃនេះមិនត្រឹមតែត្រូវបានប្រើដើម្បីតាមដានការបំពានប៉ុណ្ណោះទេ ប៉ុន្តែថែមទាំងក្លាយជាប្រភពទិន្នន័យដ៏មានតម្លៃសម្រាប់ប្រព័ន្ធ AI ផងដែរ។ ហើយអរគុណចំពោះបញ្ញាសិប្បនិមិត្ត ឥរិយាបទយានយន្តមិនធម្មតាអាចត្រូវបានកំណត់អត្តសញ្ញាណ និងវិភាគ ដោយបង្កើតផែនទីហានិភ័យ មុនពេលគ្រោះថ្នាក់កើតឡើង។
នេះគឺជាទិសដៅថ្មី ដើម្បីជួយកែលម្អសុវត្ថិភាពចរាចរណ៍ និងគាំទ្រការរៀបចំផែនការទីក្រុងឆ្លាតវៃ។
ចរាចរណ៍ AI 'ពិនិត្យ' រាល់ចលនានៅលើផ្លូវ
ប្រព័ន្ធ AI ចរាចរណ៍បច្ចុប្បន្នប្រមូលទិន្នន័យពីកាមេរ៉ា និងឧបករណ៍ចាប់សញ្ញារាប់រយដែលដាក់នៅលើផ្លូវ រួមទាំងឧបករណ៍ចាប់សញ្ញាដែលវាស់ល្បឿន ការបង្កើនល្បឿន ចម្ងាយរថយន្ត និងបរិមាណចរាចរណ៍ក្នុងពេលវេលាជាក់ស្តែង។
ដោយប្រើការរៀនម៉ាស៊ីន និងក្បួនដោះស្រាយការរៀនស៊ីជម្រៅ AI កំណត់ ឥរិយាបថដែលជាបុព្វហេតុនៃគ្រោះថ្នាក់ ដូចជាការផ្លាស់ប្តូរគន្លងភ្លាមៗ ការបង្កើនល្បឿនភ្លាមៗ ឬការបើកកន្ទុយ។ ការវិភាគតាមពេលវេលាជាក់ស្តែងអនុញ្ញាតឱ្យប្រព័ន្ធវាយតម្លៃហានិភ័យភ្លាមៗនៅពេលដែលអាកប្បកិរិយាមិនធម្មតាកើតឡើង ជាជាងការពឹងផ្អែកលើទិន្នន័យគ្រោះថ្នាក់ដែលបានកើតឡើងរួចហើយ។
យោងតាម ការស្រាវជ្រាវរបស់ Tuoi Tre Online ម៉ូដែលសិក្សាស៊ីជម្រៅ ជាពិសេសបណ្តាញសរសៃប្រសាទ convolutional (CNN) ត្រូវបានអនុវត្តដើម្បីវិភាគរូបភាពពីកាមេរ៉ា ដោយរួមបញ្ចូលទិន្នន័យពីឧបករណ៍ចាប់សញ្ញា ដើម្បីគណនាល្បឿនទាក់ទង ចម្ងាយអប្បបរមា និងពេលវេលាប្រតិកម្មរវាងរថយន្ត។
ប្រព័ន្ធនេះផ្តល់ពិន្ទុហានិភ័យដល់ផ្លូវប្រសព្វ ឬផ្នែកផ្លូវនីមួយៗ ដោយបង្កើតផែនទីនៃ "ចំណុចខ្មៅ" សក្តានុពលសម្រាប់ទីក្រុង។ Edge computing ត្រូវបានប្រើដើម្បីដំណើរការទិន្នន័យនៅជិតកាមេរ៉ា និងឧបករណ៍ចាប់សញ្ញា កាត់បន្ថយភាពយឺតយ៉ាវ ការពារឯកជនភាព និងធានានូវការឆ្លើយតបយ៉ាងរហ័ស នៅពេលដែលអាកប្បកិរិយាគ្រោះថ្នាក់លេចឡើង ។
ការស្រាវជ្រាវអន្តរជាតិពី MIT Senseable City Lab និងគម្រោងទីក្រុងឆ្លាតវៃក្នុងប្រទេសសិង្ហបុរី និងតូរ៉ុនតូ បង្ហាញថា វិធីសាស្ត្រនេះជួយកំណត់តំបន់ដែលមានហានិភ័យខ្ពស់ ប្រសើរជាងស្ថិតិគ្រោះថ្នាក់ប្រពៃណីពី 2 ទៅ 3 ដង។
ប្រព័ន្ធនេះមិនត្រឹមតែទទួលស្គាល់ឥរិយាបថមិនធម្មតាប៉ុណ្ណោះទេ ប៉ុន្តែថែមទាំងតាមដានគំរូលំហូរចរាចរណ៍ដ៏ស្មុគស្មាញផងដែរ ចាប់ពីម៉ោងប្រញាប់រហូតដល់លក្ខខណ្ឌអាកាសធាតុអាក្រក់ ដើម្បីទស្សន៍ទាយហានិភ័យកាន់តែប្រសើរ។ AI ក៏រៀនពីទិន្នន័យប្រវត្តិសាស្ត្រដែរ ដោយធ្វើឱ្យប្រសើរឡើងនូវការព្យាករណ៍របស់វាតាមពេលវេលា និងសម្របតាមការផ្លាស់ប្តូរលំហូរចរាចរណ៍។
ពីការគូសផែនទីចំណុចខ្មៅ ដល់ការបង្កើនប្រសិទ្ធភាពសុវត្ថិភាពទីក្រុង
ដើម្បីឱ្យផែនទីចំណុចខ្មៅមានប្រសិទ្ធភាព ប្រព័ន្ធត្រូវតែដំណើរការទិន្នន័យយ៉ាងច្រើនពីកាមេរ៉ា និងឧបករណ៍ចាប់សញ្ញា ហើយវិភាគវាក្នុងពេលជាក់ស្តែង។ ម៉ូដែល AI បច្ចុប្បន្នប្រើ Edge Computing ដែលដំណើរការទិន្នន័យនៅជិតកាមេរ៉ា ជំនួសឱ្យការបញ្ជូនវាទៅម៉ាស៊ីនមេ កាត់បន្ថយភាពយឺតយ៉ាវ និងការពារភាពឯកជន។
ទិន្នន័យសរុបមិនត្រឹមតែជួយកំណត់តំបន់គ្រោះថ្នាក់ប៉ុណ្ណោះទេ ប៉ុន្តែថែមទាំងជួយដល់អាជ្ញាធរចរាចរណ៍ក្នុងការសម្រេចចិត្តសមស្របទាក់ទងនឹងសញ្ញាចរាចរណ៍ និងហេដ្ឋារចនាសម្ព័ន្ធផងដែរ។
ទោះជាយ៉ាងណាក៏ដោយ ភាពត្រឹមត្រូវនៃ AI ក៏អាស្រ័យទៅលើលក្ខខណ្ឌបរិស្ថានផងដែរ ចាប់ពីពេលថ្ងៃ ឬយប់ ភ្លៀង ឬភ្លឺ ដល់ចរាចរណ៍ធ្ងន់ ឬស្រាល ក៏ដូចជាឥរិយាបថអ្នកថ្មើរជើង និងម៉ូតូផងដែរ។ ដូច្នេះហើយ គំរូ AI ចាំបាច់ត្រូវកែសម្រួលឱ្យបានល្អតាមលក្ខណៈចរាចរណ៍នៃតំបន់ទីក្រុងនីមួយៗ ដើម្បីកាត់បន្ថយការព្រមានមិនពិត និងបង្កើនប្រសិទ្ធភាពការព្យាករណ៍។

AI ព្យាករណ៍ពីគ្រោះថ្នាក់ចរាចរណ៍ពីកាមេរ៉ា និងឧបករណ៍ចាប់សញ្ញា
ភាពត្រឹមត្រូវនៃ AI អាស្រ័យទៅលើការធ្វើសមកាលកម្មនៃទិន្នន័យឧបករណ៍ចាប់សញ្ញា និងកាមេរ៉ា ការគ្រប់គ្រងការប្រែប្រួលនៃចរាចរណ៍ និងសមត្ថភាពក្នុងការទទួលស្គាល់ឥរិយាបថក្នុងពន្លឺ និងអាកាសធាតុផ្សេងៗគ្នា។ នៅពេលដាក់ឱ្យប្រើប្រាស់ប្រកបដោយប្រសិទ្ធភាព AI មិនត្រឹមតែព្យាករណ៍ពីគ្រោះថ្នាក់ប៉ុណ្ណោះទេ ថែមទាំងបង្កើតជាមូលដ្ឋានសម្រាប់ប្រព័ន្ធដែលបង្កើនប្រសិទ្ធភាពសញ្ញាចរាចរណ៍ សម្របសម្រួលលំហូរចរាចរណ៍ និងកាត់បន្ថយការកកស្ទះ។
បច្ចេកវិទ្យានេះក៏បើកការរំពឹងទុកនៃរថយន្តដែលបើកបរដោយខ្លួនឯង និងប្រព័ន្ធដឹកជញ្ជូនដ៏ឆ្លាតវៃ ដែលអាចកំណត់អត្តសញ្ញាណហានិភ័យ មុនពេលគ្រោះថ្នាក់កើតឡើង និងធ្វើឲ្យប្រសើរឡើងនូវសុវត្ថិភាពនៅទូទាំងបណ្តាញទីក្រុង។
សរុបមក ការព្យាករណ៍គ្រោះថ្នាក់ចរាចរណ៍ AI ពីកាមេរ៉ា និងឧបករណ៍ចាប់សញ្ញាក្នុងទីក្រុងតំណាងឱ្យជំហានឆ្ពោះទៅមុខដ៏សំខាន់ក្នុង ការអនុវត្តបញ្ញាសិប្បនិមិត្តចំពោះការគ្រប់គ្រងចរាចរណ៍ ។ បច្ចេកវិទ្យានេះរួមបញ្ចូលគ្នានូវការវិភាគអាកប្បកិរិយា ទិន្នន័យពេលវេលាជាក់ស្តែង និងគំរូសិក្សាស៊ីជម្រៅ បង្វែរទិន្នន័យតាមដានទៅជាផែនទីហានិភ័យជាក់លាក់ ជួយកែលម្អសុវត្ថិភាព បង្កើនប្រសិទ្ធភាពលំហូរចរាចរណ៍ និងកសាងទីក្រុងឆ្លាតវៃនាពេលអនាគត។
ប្រភព៖ https://tuoitre.vn/ai-du-doan-tai-nan-giao-thong-tu-camera-va-sensor-do-thi-20251128174419006.htm






Kommentar (0)