智能城市中人工智能 (AI)、智能傳感器和連接設備的普及創造了對智能設備和實時交通管理系統的需求。

交通擁堵是一個日益嚴重的問題，影響著車輛活動和整個社會。統計數據顯示，在班加羅爾這樣的城市，經常面臨長時間的交通擁堵，高峰時段某些道路的平均速度僅為 4 公里/小時（2.5 英里/小時）。

盡管目前的交通管理系統配備了某些硬件組件，但它們遠不是能夠提供高級管理的智能。此外，傳統的交通監控攝像頭因其對事件的反應性方法而幾乎沒有價值。由于這些系統依賴于預先編程的控制器進行交通流量管理，因此由于交通事故或施工等不規則事件而動態調整時間的能力是不可行的。但是，通過使用配備基于邊緣的 AI 系統的視頻，可以消除這些缺點，提供一個平臺，可以將這些遺留系統從被動方法轉變為主動方法。

圖 1：系統框圖

基于邊緣 AI 的交通監控系統將包括一個集成了自適應算法的智能 AI 盒子、IP 攝像頭、交通信號燈、交通信號控制器和指揮控制中心的視頻管理系統，所有這些都精心集成到一個設計中流動。一旦所有硬件、檢測器、控制器就位，系統就會開始工作，通過 IP 攝像頭捕獲每個交叉路口的車輛密度，并將數據發送到 AI 盒子。AI 盒子通過預先訓練的深度學習模型仔細評估捕獲的數據，以創建優化計劃，以盡可能高效地通過交叉路口。系統通過向控制器發送命令以協調信號來執行此計劃。最后，人工智能盒子通過云將計劃傳達給鄰近的十字路口。因此，

iWave 的Corazon AI是基于 Zynq Ultrascale+ MPSoC 器件的邊緣 AI 平臺。該設備集成了深度學習處理器單元和專用于卷積神經網絡的 AI 推理引擎，提供了可擴展的多維并行架構，能夠通過深度流水線計算引擎執行主要的卷積計算和批量歸一化。它與 Xilinx Vitis AI Stack 集成，支持來自主流框架（如 Tensor Flow、Caffe、Darknet、Keras 和 Pytorch）的高級預訓練深度學習模型，利用 AI 應用程序的開發流程，從而降低設計復雜性并縮短時間市場。

圖 2：Vitis AI 堆棧

Xilinx Vitis AI 堆棧使開發人員即使沒有深入了解 FPGA 和深度學習，也能加快 AI 應用程序的開發流程。Stack 支持 C++/python API，這為開發人員提供了編程靈活性。Corazon AI box 提供了各種接口的輔助功能，提供了一個靈活的平臺，可以與其他交通設備集成。連接多達 8 個 IP 攝像機的能力為用戶提供了通過單個網關從各個路口捕獲多角度高分辨率視頻幀的能力。除此之外，人工智能盒還支持高速連接，如雙千兆以太網和多種無線連接選項，如 Wi-Fi、藍牙和蜂窩連接，以便設備在必要時與云和服務器通信。因此，

這項工作表明，Corazon AI 與深度學習的結合可以動態加速實時 AI 推理的功能，并提高超越傳統系統的可預測性。結果，它加快了交通時間，減少了延誤，縮短了旅行時間。

審核編輯：郭婷