AWS IoT、Greengrass 和 Machine Learning 在车联网中的应用

上周,我参加了总部位于西雅图的 INRIX 公司总裁 Bryan Mistele 的一场演讲。Bryan 的演讲围绕交通运输的四大主要属性(通常用缩写形式 ACES 表示),展望了交通运输业的未来:

自主化 – 汽车和卡车将获得扫描和感测环境的能力,能够在无需人为输入的情况下进行导航。

互连化 – 所有类型的汽车都将能够利用与其他汽车以及与基于云的资源之间的双向连接(始终连接或间歇连接)。它们可以上传路况和性能数据、彼此通信,从而以车队的方式行驶,充分利用交通和气象数据。

电气化 – 电池和发动机技术的持续发展将使电动车更加便捷、经济且环保。

共享化 – 共乘服务会改变用车模式,从拥车模式改变为“即服务”模式(听起来是否有几分熟悉?)。

无论单独来看还是整体来看,这些新兴的属性都意味着,未来十年我们将看到和使用的汽车和卡车将与过去截然不同。

AWS 伴您出行
AWS 客户已经在利用我们的 AWS IoT边缘计算Amazon Machine Learning 和 Alexa 产品来让这样的未来照进现实 – 汽车制造商、其一级供应商和汽车科技初创公司都在将 AWS 用于自己的 ACES 计划。AWS Greengrass 在这方面发挥了重要作用,富有吸引力的设计俘获了客户,并帮助他们在边缘处增加处理能力和机器学习推测。

AWS 客户 Aptiv(前身为 Delphi)在 AWS re:Invent 会议上探讨了他们的 Automated Mobility on Demand (AMoD) 智能汽车架构。Aptiv 的 AMoD 平台利用 Greengrass 和微服务提升车载用户体验以及边缘处理、监控和控制。概述如下:

另外一家客户 – 来自日本的 Denso(全球最大的汽车部件和软件供应商之一)在使用 Greengrass 和 AWS IoT 支持其实现 Mobility as a Service(出行即服务,MaaS)愿景。这里是一段相关视频

AWS 亮相国际消费电子展 (CES)
AWS 团队全员参加拉斯维加斯 CES,并演示了 AWS 如何帮助互连化和自主化的车辆实现创新和个性化。

个性化的车内体验 – 展示了如何利用 AWS AI 和 Machine Learning 打造高度个性化、具有品牌特色的车内体验。演示中采用了 Amazon LexPolly 和 Amazon Rekognition,但设计十分灵活,也能配合其他服务使用。该演示包含驾驶员注册、登录和启动(包括面部识别)、上下文式向导的语音助手、个性化电子商务和车辆控制。语音助手的架构如下:

车联网解决方案 – 此演示展示了车联网如何在边缘处运用边缘计算和机器学习,将本地和云智能集于一身。它能处理间歇性连接,并使用 AWS DeepLens 训练一种能应对驾驶员分心的模型。我们的车联网解决方案中展示了整体架构,如下所示:

数字内容分发 – 此演示将展示客户如何利用基于 Web 的 3D 配置,来构建和打造自己的个性化汽车。其中还展示了旨在供经销商使用的高分辨率 (4K) 3D 图片和选配的 AR/VR 拟真体验。

自主驾驶 – 此演示将展示可用于构建自主化车辆的 AWS 服务。演示中将使用一辆由 Greengrass 支持和驱动的 1/16 比例的模型车,此外还会概述全新的 AWS Autonomous Toolkit。在演示过程中,出席者将驾驶该汽车,通过 Amazon SageMaker 训练一个模型,以供后续进行车中推测(由 Greengrass ML Inferencing 提供支持)时使用。

阅读更多
个人分类: 资讯
想对作者说点什么? 我来说一句

没有更多推荐了,返回首页

加入CSDN,享受更精准的内容推荐,与500万程序员共同成长!
关闭
关闭