隨著城市化進程的加速，交通擁堵、事故頻發(fā)、管理效率低下等問題日益凸顯，成為困擾城市發(fā)展的痛點。傳統(tǒng)的交通管理系統(tǒng)往往依賴單一數(shù)據(jù)源，難以應(yīng)對復(fù)雜的交通環(huán)境，也難以實現(xiàn)實時、精準的決策支持。作為智能網(wǎng)聯(lián)汽車交通系統(tǒng)的重要發(fā)展方向，車路云一體化 (Vehicle- Road-Cloud Integrated System, VRCIS) 正在實現(xiàn)廣泛的落地。

在這樣的背景下，英特爾與中科創(chuàng)達推出了基于英特爾 架構(gòu)的全息路口融合感知方案，為城市交通管理帶來了全新的可能性。

全息路口，融合賦能車路云一體化

車路云一體化系統(tǒng)，是一種綜合性的智能交通系統(tǒng)，能夠通過創(chuàng)新的通信技術(shù)將人、車、路、云的物理空間、信息空間融合為一體，提高整個交通系統(tǒng)的感知、決策和執(zhí)行能力。

在車路云一體化系統(tǒng)中，依托部署在路口等區(qū)域的 MEC 基礎(chǔ)設(shè)施，增強的全息感知能力至關(guān)重要。但同時，全息感知系統(tǒng)也面臨著以下挑戰(zhàn)：

性能層面：路口感知系統(tǒng)通常需要對多個視頻流、雷達流進行處理與 分析，解碼 + 感知識別 + 融合的整體流程通常要控制在 40-50ms 之間。

靈活性層面：不同的路口需處理的視頻/雷達路數(shù)有所區(qū)別。此外，在視頻和雷達路數(shù)更高的路口中，則應(yīng)支持靈活地采用獨立的 AI 加速器，以提供更加強大的性能表現(xiàn)。

穩(wěn)定性層面：路口環(huán)境多變，對于 MEC 設(shè)備的穩(wěn)定性、可維護性等都帶來了巨大的挑戰(zhàn)。

解決方案：基于英特爾 架構(gòu)的中科創(chuàng)達全息路口融合感知方案

為了解決上述挑戰(zhàn)，基于英特爾 架構(gòu)的中科創(chuàng)達全息路口融合感知方案，通過路側(cè)感知與計算設(shè)備，聯(lián)合云控平臺，實時提供高精度、低時延的道路交通目標信息，服務(wù)于提升交通效率、保障交通安全等目標。

搭載英特爾 酷睿 Ultra 處理器的路側(cè) MEC 設(shè)備

在中科創(chuàng)達全息路口融合感知方案中，激光雷達、毫米波雷達、工業(yè)相機等采集的數(shù)據(jù)將統(tǒng)一匯聚到部署在路側(cè)的集和誠 MEC 設(shè)備進行處理。該設(shè)備基于工業(yè)標準而設(shè)計，具備強大的性能，能夠提供高帶寬、高速率的通信網(wǎng)絡(luò)支持能力。

按照不同場景對于性能的需求，中科創(chuàng)達與集和誠合作，在 MEC 設(shè)備提供了兩種不同的性能配置選項：

英特爾 酷睿 Ultra 處理器采用了混合集成的片上系統(tǒng)架構(gòu)，配備內(nèi)置英特爾銳炫 GPU，提供多達 8 個 Xe 內(nèi)核（多達 128 個圖形執(zhí)行單元），具備強大的圖形性能。該處理器還首次集成神經(jīng)網(wǎng)絡(luò)處理單元 (NPU)，將作為針對 AI 加速的專項計算單元，承擔(dān)起 AI 計算的責(zé)任。

對于有更高性能需求的應(yīng)用場景，可采用搭載第 13 代英特爾 酷睿 處理器和集和誠 MXM 3.1 Type B 顯卡模塊的高性能方案。使得 MXM 模塊能夠加速圖像處理，并滿足 AI 推理對于算力的苛刻要求。

邊緣軟件與 AI 算法

在軟件層面，中科創(chuàng)達面向車路云一體化打造的路側(cè)操作系統(tǒng) RoadOS，具有高適配性。內(nèi)置交通業(yè)務(wù)常見的 AI 感知、定位和檢測算法，有涵蓋物聯(lián)網(wǎng)關(guān)、視聯(lián)網(wǎng)關(guān)等的豐富中間件，提供流媒體、人工智能、容器編排與調(diào)度等核心服務(wù)。RoadOS 南向?qū)痈黝?a href="http://m.sdkjxy.cn/v/tag/117/" target="_blank">傳感器、RSU 通信設(shè)備，實現(xiàn)設(shè)備快速接入與統(tǒng)一管控。

方案還依托含英特爾 視頻處理庫（英特爾 VPL）的先進軟件工具集，構(gòu)建高效的交通路口融合感知系統(tǒng)。

測試：實現(xiàn)端到端的快速感知與分析

車路云一體化應(yīng)用對全息路口解碼和感知識別延時有嚴格要求，這依賴 MEC 設(shè)備數(shù)據(jù)處理能力，而主要瓶頸在于 AI 模型推理性能。

為此，中科創(chuàng)達硬件采用英特爾 酷睿處理器、英特爾銳炫顯卡，軟件利用 OpenVINO工具套件、英特爾 oneAPI 工具包優(yōu)化。通過 OpenVINO工具套件對模型進行 BF16/INT8 量化，在滿足精度條件下，降低訪存數(shù)據(jù)量。

測試顯示：針對 1920*1080 分辨率輸出視頻流，實時處理 4 路視頻流時，平均延時從優(yōu)化前 60ms 降至 24 - 28ms。

優(yōu)化前后的解碼 + 感知識別 + 融合整體延時對比

中科創(chuàng)達還測試了基礎(chǔ)性能版本（4 路）與高階性能版本（8/10/12/16 路）Yolov6-s 平均每路推理時延 (INT8) ，結(jié)果表明，基于英特爾 架構(gòu)的方案在不同傳感器數(shù)量 / 路數(shù)需求下，均可滿足平均每路推理時延低于 25ms 的性能要求。

不同方案組合的平均每路推理時延均可滿足要求

目前，基于英特爾 架構(gòu)的中科創(chuàng)達全息路口融合感知方案，已在多個城市成功落地，該方案提供了雷達、視頻等多流合一的融合感知能力，并實現(xiàn)了數(shù)據(jù)的高效地分析與處理， 為車路云藍圖的實現(xiàn)提供了堅實的支撐。

實現(xiàn)了廣泛落地

目前，英特爾正攜手中科創(chuàng)達等伙伴，共同面對車路云系統(tǒng)中多樣負載帶來的挑戰(zhàn)。同時，英特爾亦通過軟硬件協(xié)同的方式，為用戶提供靈活的產(chǎn)品組合，讓產(chǎn)品不僅能夠應(yīng)用在更多工作負載中，更能夠?qū)崿F(xiàn)快速增長，以應(yīng)對車路云系統(tǒng)中，信息流處理、AI 推理等日益多樣化的負載帶來的嚴苛挑戰(zhàn)。