比一比人工智能,让交通出行更安全
传统人工审核视频方式抽检覆盖率低、工作强度大且枯燥。人为主观判断因素大。
通过大数据视频AI智能分析技术实现监控列车司机与乘务人员的操作,人工智能自动识别、多维度评分、准确判断违规项点,迅速反馈给管理中心(机务段)。
  • 全面无死角分析视频数据,评判结果客观准确,不受人为因素的影响
  • 节约大量专业审核人力,降低运营成本
  • 消除因单调枯燥的工作导致的人为错误,提升审核速度
  • 提高列车运行的安全性
轨道传统探伤方式准确度低,造成人工方式分析工作量极大。
通过大数据技术对轨道探伤车收集的数据进行全面精准分析,对探伤数据进行挖掘,分析识别伤痕类型、伤痕位置,实现了对钢轨探伤作业、伤损数据的图形化、统计分析智能化管理。为钢轨维修、伤损预防提供了强有力的数据支撑,有效保障铁路安全平稳运行。
  • 智能化分析、自动判伤(9-12种伤损自动分类)
  • 提升钢轨伤损识别水平、判定效率及准确率,误报率由原本的80%以上, 降低到1%
  • 自动生成探伤报表,实现探伤智能化管理
  • 提升5倍工作效率
动车检修窗口期时间紧(仅4-5小时)、人员凌晨工作疲劳、车底工作环境恶劣,造成动车一级检修效率低下,人为因素影响大。
AI机器人自动识别检测车型,自动行驶到检测部位,通过六轴机械臂和工业摄像机精准拍摄零部件,人工智能分析图片,智能判定列车故障,进行故障分类。
  • 提高检修自动化、智能化水平,减少人为检修不确定因素,提高检修效率
  • 针对不同列车型号进行建模,保证检修质量
  • 提升故障识别准确度(例如部件丢失、螺栓松动、异物、断裂、尺寸磨耗等)
  • 逐渐减少人工依赖,逐步降低运营成本
接触网检修采用检测车自动拍摄,但分析工作仍为人工方式,每局占用数十人不等。人工检测方式及其枯燥,审核人员易疲劳,造成效率低下,人为因素影响大,存在漏检风险。
同时人工方式无法及时检测故障,影响高铁安全运行。
接触网图像智能识别分析系统依托图像处理、人工智能等技术,采用自主建模的深度神经网络,实现接触网(承力索、吊弦、绝缘子、紧固件、螺丝等部件)自动检测,智能识别故障。从而替代人工检测,及时发现隐患,提升高铁运行安全水平。
  • 实现四大类故障检测(紧固件异常、吊弦异常、绝缘子异常、异物侵限)
  • 检测识别率高、判断准确率高
  • 提升5倍工作效率、降低运维成本
  • 保障高铁运行安全
地铁在城市公共交通中起到了举足轻重的作用,轨道沿线隧道异物侵入、线路脱落、附属设备箱异常开启、漏水等异常情况成为行车安全的重大隐患,影响广大乘客出行,进而造成广泛的社会影响。
地铁隧道检修窗口期时间紧(仅4-5小时)、人员凌晨工作疲劳、隧道工作环境恶劣,人为因素影响大,存在漏检风险,造成隧道检修效率低下。
地铁隧道侵限自动检测系统采用AI智能图片视频分析技术,实现自动拍摄图片视频、智能分析检测异常。
  • 替代传统人工检测方式,实现隧道日常检测智能化
  • 大幅缩短检测总工时至1-2小时,提升5倍工作效率
  • 实时分析隧道异常,实现“精准检、快速修”
  • 大大提升地铁隧道安全等级,保证行车安全。
航空公司可通过QAR数据提升飞行安全品质和经济效益,由于每天大量航班产生海量QAR数据,传统系统无法及时分析处理QAR数据,无法有效提取数据价值。
航空大数据分析系统,利用大数据技术实现QAR数据的海量分析处理,为机身结构疲劳状态、发动机健康状况、起降机场风险识别、异常天气预警以及飞行事件回溯等提供及时的数据支撑。
通过大数据平台,可提升飞行安全等级和优化航班品质(例如可控飞行撞地风险预测、飞行品质监控等),大大提升飞行安全性和经济效益。
  • 高效存储与处理海量数据(实现PB级处理能力)
  • 平台可靠性(实现硬件冗余备份,可靠性达到99.999%)
  • 平台拓展性高(可实现无限拓展)
  • 有效提升飞行品质
  • 有效促进飞行安全
  • 提高航空公司经济效益
核心技术
人工智能
深度神经网络学习、机器学习
目标检测、目标识别、模式识别
3D视觉、语音识别、NLP处理
图像增强、光学字符识别、姿态识别
手势识别、人脸识别、疲劳检测
大数据分析
大数据中台、大数据交互平台
大数据预测分析、LKJ 项点大数据分析
钢轨探伤大数据分析、航空QAR大数据分析
采集&建模
数据解析与译码、数据图形化建模
语音数据采集分析、图像数据采集分析
视频数据采集分析、超声波数据采集分析
成功案例
当前数据处理(PB)