IEEE ITSC 是世界智能交通领域的顶级会议,也是IEEE的系列年会之一,从1997年到2022年,已举办25届,集中反映了交通行业当前关注的核心问题及未来的发展方向,代表了国际智能交通领域的最高水平和最新进展,在国际学术界和智能交通行业具有重要影响。
本届会议上,对“2022智能交通系统年度榜单”的评选综合考量了技术创新能力、企业规模实力、品牌影响力等不同维度,旨在对为智能交通行业发展做出突出贡献的优秀企业进行评价和表彰。
智慧交通领军AI企业榜单
车路协同优秀服务商榜单
作为一家数字原生企业,自2020年9月发布WeTransport战略以来,腾讯积极协同生态伙伴打造全感知、强计算、慧决策、泛触达、可进化的未来交通生命体,助力交通企业数字化转型,实现高速、网联、港口、机场、轨道交通和城市交通等交通全场景的智慧升级,不断提升交通参与者的获得感、幸福感和安全感。
在车路协同和车联网领域,针对行业面临的路侧覆盖率和车端渗透率低、民众获得感不强等问题,腾讯将5G车联网技术与数字孪生技术深度融合,构建了全感知、强计算、慧决策、泛触达的全链路实时数字孪生技术体系,助力实现人、车、路、云的高度协同,推动车联网服务从先导示范向规模化推广应用。
腾讯5G车联网--实时数字孪生技术体系在多个方面实现了创新和突破。其中,腾讯在业界首次提出云端决策的5G泛V2X技术路径,能够实现公专网高效协同及V2X服务泛在触达,并突破传统V2X依赖专有终端、专用网络的束缚。
同时,腾讯研发了高精度高鲁棒可插拔的多源融合感知引擎,并在国内首次规模应用可全天候的低时延纯雷达路侧感知。利用游戏引擎、三维重建等技术优势,腾讯打造了高保真实时数字孪生技术,可实现对高速区域和城市部分区域内道路全要素的全自动生成,并支持百万量级车辆运行和秒级实时交通预测仿真,为交通管理运营决策提供高效辅助。
除此之外,腾讯还面向C端打造了融合V2X伴随信息服务的数字孪生车道级导航应用,全方位、全要素再现道路环境,助力消除驾驶盲区,并提供碰撞预警、弱势交通参与者预警等辅助驾驶功能,助力克服恶劣天气等因素影响,为普通驾驶者营造全天候安全智能的出行环境。
5G车联网实时数字孪生技术体系是腾讯针对交通行业特性,持续技术创新的缩影。在深度参与交通行业数字化转型和智慧化升级的同时,腾讯也在实践和创新中不断完善和提升自身技术优势。2021年,腾讯对外发布“腾讯交通123能力圈”,即1大系统、2大优势和3大能力。1大系统指的是交通OS;2大优势分别是实时孪生和C端触达;3大能力指全天候融合感知、全息数字底座以及实时时空计算。
今年7月,腾讯面向高速行业发布交通OS高速版,以及“实时孪生+交通OS”双轮驱动的智慧高速解决方案。其中,交通OS向下连接万物,解决设备的统一接入和管理,向上开放支撑应用和业务迭代,实时孪生支持物理空间与数字空间的双向映射与同步交互。交通OS和实时孪生的双轮驱动模式,更高效地满足管理者和出行者的需求,为安全畅通的全天候行车环境和伴随式的服务体验,提供了强有力的支撑。
腾讯“实时孪生+交通OS”智慧高速解决方案
当前,该方案已在成都二绕智慧高速项目中落地应用。腾讯通过全感知、强计算、慧决策、精控制、泛触达的技术手段,助力打造安全、安心、高效、绿色的数字化新高速,从而实现智慧高速全天候通行、全数字管控、全方位服务的发展新模式。
从2019年起,广州地铁与腾讯便开始联合探索轨道交通操作系统的开发和应用。2021年9月,双方联合发布穗腾OS 2.0,同时启动了包含智慧车站、智慧线网指挥中心等一系列示范应用。当前,穗腾OS2.0已构建了超500个轨交模型,接入了20多个专业系统,每个车站接入约20000多个设备,并通过“拖拉拽”式的开发工具,降低了开发门槛。
穗腾OS 2.0
此外,腾讯还协同生态伙伴深度参与了天津西青、重庆两江、湖北襄阳、湖南长沙、四川成都等车联网先导区、示范区和双智城市的建设,对道路进行智慧化改造、构建车联网云平台、开发泛V2X应用和MaaS应用,提高交通管理效率,通过一部手机为所有人都带来安全智能的出行体验。
未来,腾讯将做好交通强国建设的数字助手,持续丰富自身数字能力工具箱,协同生态伙伴共创未来交通生命体,助力交通更安全、绿色、智能、高效。
声明:
凡文章来源标明“中国智能交通网”的文章版权均为本站所有,请不要一声不吭地来拿走,转载请注明出处,违者本网保留追究相关法律责任的权利;所有未标明来源为“中国智能交通网”的转载文章均不代表本网立场及观点,“中国智能交通网”不对这些第三方内容或链接做出任何保证或承担任何责任。
征稿:
为了更好的发挥中国智能交通网资讯平台价值,促进诸位自身发展以及业务拓展,更好地为企业及个人提供服务,中国智能交通网诚征各类稿件,欢迎有实力的企业、机构、研究员、行业分析师投稿。投稿邮箱: itsshenzhen@163.com (查看征稿详细)