智慧交通
在路侧机柜、隧道与交通边缘中心就地完成视频分析与事件识别。中心侧以 AI 算力中心承接模型训练与全网汇聚。
要解决的问题
这一行在业务侧遇到的问题。方案落地要过的部署关列在下一节「现场问题」。
事件靠人盯屏
路口、隧道与站点的视频分散在各自系统里，事件要靠值班人员盯屏发现
视频与雷达两路数据
摄像头与雷达各出一路数据，融合后才判得准事件与轨迹
回传后再判太迟
事件价值在秒级，等视频回传到中心再判，处置已经晚了
现场问题
回传带宽
多路高清视频全部回传中心成本高、时延大
现场环境
机柜内高低温、粉尘与供电波动对设备可靠性要求高
模型迭代
事件识别模型需要持续更新到成百上千个点位
典型应用场景
- 路侧事件识别
- 隧道视频分析
- 车路协同
- 轨道交通
- 站点流量统计
- 雷视融合感知
- 轨迹追踪
边缘场景
支撑参数
| 项目 | 参数 |
|---|---|
| 视频编解码 | 16 路编码 · 204 路解码 · 1080p@30fps · H.264 / H.265 / AVS2 |
| 综合算力 | 最高 300 TOPS@INT8 |
| 有线网络 | 2 × 2.5GbE |
| 尺寸 | 150 × 150 × 56 mm |
综合算力按 INT8 标定。实际性能随模型、码流参数、软件版本与系统负载变化。
云边协同架构
| 层 | 内容 |
|---|---|
| 云端 | 数工 AI 服务器与 AC 系列 GPU 加速卡在中心侧承接模型训练与全网态势汇聚；异构算力调度平台统一纳管数工硬件与客户已有 GPU，多租户配额与监控 |
| 边端 | EA 系列边缘计算设备在路侧机柜、隧道与站点就地完成多路视频解码与事件识别，不依赖回传；设备侧由 EdgeOS 统一下发模型与安全升级，路侧与隧道点位不用逐台上门 |
| 智能体 | 数工科技按管理单位的既有处置流程，为事件研判、分级与通报开发智能体：识别结果直接串成处置动作，人只处理需要判断的那一档 |
| 应用 | 事件识别、流量统计与轨迹追踪以容器镜像交付到边缘设备，中心侧看全网态势与历史回溯 |
应用层的智能体与行业软件由数工科技按客户需求开发，与硬件、平台一并交付，不另找集成商。
方案选型
本方案用到的型号与头条参数，完整规格见各型号页。
| 型号 | 定位 | 头条参数 |
|---|---|---|
| 数工 EA510EA510-IX-G1 | 异构边缘计算终端，本地推理、多路视频与行业接入。 | 300 TOPS@INT8 / 32 GB HBM2e / 150 × 150 × 56 mm |
| 数工 AS710AS710-IX-G1 | 4U 8 卡 AI 服务器，推理集群的节点。 | 8 × AC310 / 512 GB 显存合计 / 4U 机架 |
| 数工 AS510AS510-IX-G1 | 2U 4 卡 AI 服务器，推理与部门级训练。 | 4 × AC310 / 256 GB 显存合计 / 2U 机架 |
| 数工 AC310AC310-TS-G1 | 推理加速卡，256 路视频分析。 | 384 TOPS@INT8 / 64 GB HBM2e / 350 W |
| 数工 AC710AC710-TS-G1 | 训练与混合精度加速卡，FP32 56 TFLOPS。 | 224 TFLOPS@FP16 / 64 GB HBM2e / 450 W |