特靈空調維修中心

技術

當前位置: 首頁 > 汽車 > 技術 > 智元匯“智慧乘車”技術應用背后,新技術到智慧交通產業的“耦合路徑”

智元匯“智慧乘車”技術應用背后,新技術到智慧交通產業的“耦合路徑”

出行領域,人臉識別乘車技術的應用,是公共交通行業邁入大數據時代的重要一步。

7月1日,“戴口罩人臉識別”乘車系統在哈爾濱地鐵正式上線。據悉,自7月1日起,該系統在哈爾濱地鐵1號線、3號線一期全線所有車站正式投入使用。

人臉識別技術的迭代升級,對防疫常態化的公共交通提供了強有力的基礎支撐,也意味著AI、大數據技術正在逐漸深入應用于傳統產業端,進一步促進公共交通產業數字化、智慧化發展。

TUMC模型下,人臉識別技術到產業的“蛻變”

在防疫常態化的當下,數字化“新基建”成為推動經濟高質量增長的重要推動力,而人臉識別交互等生物信息身份核驗技術,成為重要的人機交互入口,是人與數據鏈接的紐帶。

根據前瞻產業研究院的一份數據預計,2019年我國人臉識別市場規模約為34.51億元,相比去年同比增長24.99%,2021年全球市場規模可以達到428.4億元,市場規模仍處高速增長階段。

在國內,公共交通領域成為新技術產業化的重點領域。

早在2018年,西安地鐵率先開通全線網掃碼過閘,2019年至2020年初,鄭州、西安兩地上線刷臉過閘,AI人臉識別技術開始大規模應用于城市軌道交通領域。這一切的背后,智元匯作為智慧交通綜合解決方案供應方與實施者,同步還在以NCCC 線網客流大數據信息化平臺等新技術,深入推動AI、大數據等新技術在公共交通領域的落地。

此次哈爾濱人臉識別系統的迭代升級,實際上也是AI技術與交通產業的深入融合,在智慧出行行業不斷發展的今天,AI正在成為智慧軌道、數字化公共交通落地的關鍵要素,推動了AI等技術走向人民日常生活。

智元匯“智慧乘車”技術應用背后,新技術到智慧交通產業的“耦合路徑”

-

公共出行交通的1.0時代的主題,是基礎硬件設施的不斷完善;2.0時代,是移動支付興起后掃碼到刷臉的蝶變;3.0時代則是以人臉識別、AI、大數據為基礎的全產業鏈升級改造的智慧出行時代。從公共交通2.0時代到智慧出行的3.0時代,生物識別技術的大范圍應用是基礎,背后則是大數據、AI等新技術的產業化深入。由此,公共交通產業的“蝶變”拉開序幕。

清華大學產業研究院提出一個TUMC模型來描述新興技術的產業化:一個新技術要生存,需要突破兩個節點,首先必須嵌入到已有的產業中,其次形成產業價值鏈條。

以AI技術的“產業化蛻變”為例,不斷迭代成熟的AI身份識別技術構成了產業的技術要素(Technology);以無感體驗為觸達的用戶效用(user Utility);國內軌道交通建設的持續推進形成應用市場(Market);日趨完善的智慧交通產業鏈條(industry Chain)等,共同構成了TUMC模型下,以人臉識別為代表的AI、大數據等新興技術產業化的蛻變環境。

那么環境條件成熟之后,如何推進落地?商業化。

在科技企業的推動下,集合產業價值要素,形成可持續發展,通過技術、商業迭代等方式,形成一個完整的技術到產業的價值鏈條,以商業化的方式,推動技術落地的持續化、常態化發展,并最終轉化為產業本身的競爭力。

人臉識別技術在智慧交通領域的落地,本質上也是將AI技術嵌入到已有的產業中,形成一個產業價值鏈條,以智慧乘車技術的應用,反哺AI技術產業鏈條的形成。

以此次哈爾濱地鐵“戴口罩刷臉乘車”的研發實施主導者為例,智元匯從刷臉移動支付到地鐵客流大數據,再到智慧安防安檢、智慧車站等,進一步實現了AI技術對于智慧交通領域各個環節的嵌入,形成了一個完整的產業價值鏈條。

在這樣的產業化“蝶變”中,一批深度鉆研應用大數據、人工智能、5G、物聯網等技術的科技企業,正在促進智慧出行領域整個AI產業鏈條創新落地。

“人機耦合”趨勢下“硅基、生物算法”相互交融

所謂“耦合”,是指兩個事物之間存在一種相互作用、相互影響的關系,比如說,在電路中,兩個或兩個以上的電路元件或電網絡等的輸入與輸出之間的相互配合與影響。

而“人機耦合”實際上是一種新型的人機交互方式的衍化。

不得不承認的事實是,當下的AI是有明顯上限的。比如說AI語音識別至今仍未完全實現語境下的語義識別。

因此,“人機耦合”的第一層含義在于,在人為的干預下,突破基于深度學習算法與大數據的AI能力上限,從而更好地滿足現實應用的需求。

舉個例子,在大數據應用層面上,雖然基于算法可以實現對數據的整理和分析,但仍然需要數據分析師去理解數據變化背后的現實意義,從而提升應用效率。從這個意義上來看,AI技術在軌道交通行業的規模應用,也是人機耦合趨勢下,AI在交通領域的深入落地。

一方面,從體驗端,AI人臉識別技術應用帶來的“人機耦合”交互體驗大大方便了C端出行支付和驗證,提升了出行行業驗證支付效率。

另一方面,從行業治理效率的角度來看,出行個體單位的數字化也成為出行大數據分析的基礎,從而可能實現對出行需求的大數據預測,并動態調整出行資源分配。

“數字化帶來的好處在于使得人們不必囿于現有的生產資料的利用效率。”一位AI領域資本市場分析師表示:“在AI算法與數據的后端支持下,通過出行、安防安檢、智能導視等各個環節的聯動,才能實現真正的‘數字效率’”。

從這角度來看,AI技術的商業化應用,使得出行領域數字化進一步深入,數字化技術嵌入當下的交通體系之后,則有望實現公共出行領域整體的服務與效率的升級。

“人機耦合”的第二層含義,則在于解決公共治理效率痛點,促進社會運轉效率提升。

“算法指的是進行計算、解決問題、做出決定的一套有條理的步驟。”牛津大學歷史學博士在《未來簡史》中認為,生物的本質是算法:一方面,生物的基因組被認為是應面對生存環境的“解決方案算法”,另一方面,人們解現實問題的策略也可以被定義為“算法”。

從這個角度來看,以人工智能技術應用為代表的人與機器、算法的耦合本質上則是“硅基算法”與“生物算法”的交融。

一方面,人們獨有的面部信息特征(生物算法)構成了人的唯一性,另一方面,人臉識別的本質是通過AI可識別的“硅基算法”去描述“生物算法”的這種唯一性,從而實現真實的身份唯一性驗證。

這樣的結果是對人類社會運轉效率的有效提升。

比如,在公共交通領域,AI視覺技術的應用解決了“人證票合一”的痛點,實現交通資源智能調配,提升公共出行治理效率;此外,公共安全治理方面,通過數字化追溯,實現實時安全風險分析,提升公共安全治理效率;在公共信用體系方面,也能完善個人公信力評估體系,賦能金融等行業發展。

相關信息: