城市人工智能大模型（AIGC）建設(shè)思路

城市人工智能大模型（AIGC）利用實(shí)時(shí)全量的城市數(shù)據(jù)資源全局優(yōu)化城市公共資源，即時(shí)修正城市運(yùn)行缺陷，
實(shí)現(xiàn)城市治理模式、服務(wù)模式和產(chǎn)業(yè)發(fā)展的三重突破。

城市人工智能大模型（AIGC）實(shí)現(xiàn)的三大突破

城市治理模式突破

提升政府管理能力，解決城市治理突出問題，實(shí)現(xiàn)城市治理智能化、集約化、人性化
城市服務(wù)模式突破

更精準(zhǔn)地隨時(shí)隨地服務(wù)企業(yè)和個(gè)人，城市的公共服務(wù)更加高效，公共資源更加節(jié)約
城市產(chǎn)業(yè)發(fā)展突破

開放的城市數(shù)據(jù)資源是重要的基礎(chǔ)資源，對(duì)產(chǎn)業(yè)發(fā)展發(fā)揮催生帶動(dòng)作用，促進(jìn)傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)

城市人工智能大模型（AIGC）創(chuàng)新實(shí)踐

城市事件感知與智能處理社區(qū)與安全交通擁堵與信號(hào)控制公共出行與運(yùn)營車輛調(diào)度

城市事件感知與智能處理

實(shí)現(xiàn)效果： 智能發(fā)現(xiàn)的事件數(shù)目提升，事件發(fā)生處理平均時(shí)長降低

實(shí)現(xiàn)方法： 通過視頻識(shí)別交通事故、擁堵狀況，融合互聯(lián)網(wǎng)數(shù)據(jù)及接警數(shù)據(jù)，即時(shí)全面的對(duì)城市突發(fā)情況進(jìn)行感知。結(jié)合智能車輛調(diào)度技術(shù)，對(duì)警、消、救等各類車輛進(jìn)行聯(lián)合指揮調(diào)度，同時(shí)聯(lián)動(dòng)紅綠燈對(duì)緊急事件特種車輛進(jìn)行優(yōu)先通行控制。

杭州主城區(qū)

視頻巡檢替代人工巡檢，日?qǐng)?bào)警量多達(dá)500次，識(shí)別準(zhǔn)確率92%以上；中河-上塘路高架車輛道路通行時(shí)間縮短15.3%；莫干山路部分路段縮短8.5%

杭州蕭山區(qū)

信號(hào)燈自動(dòng)配時(shí)路段的平均道路通行速度提升15%；平均通行時(shí)間縮短3分鐘；應(yīng)急車輛到達(dá)時(shí)間節(jié)省50%，救援時(shí)間縮短7分鐘上；兩客一危也得到精準(zhǔn)把控

蘇州

試點(diǎn)線路公交出行人數(shù)增長17%

技術(shù)領(lǐng)先

性能成本雙領(lǐng)先的
大數(shù)據(jù)計(jì)算能力

城市人工智能大模型（AIGC）采用自主研發(fā)的大數(shù)據(jù)處理平臺(tái)MaxCompute進(jìn)行海量數(shù)據(jù)計(jì)算。2015世界Sort Benchmark排序比賽中，MaxCompute用377秒完成100TB的數(shù)據(jù)排序，創(chuàng)造4項(xiàng)世界紀(jì)錄；2016年MaxCompute用0.82美元完成1TB的數(shù)據(jù)排列，比AWS節(jié)省2/3的成本；2017年MaxCompute全球首次將BigBench數(shù)據(jù)規(guī)模擴(kuò)展到100T 。
查看全部內(nèi)容 >
海量多源數(shù)據(jù)規(guī)�；幚�
與實(shí)時(shí)分析

城市人工智能大模型（AIGC）首次通過兩個(gè)集群實(shí)現(xiàn)上百PB數(shù)據(jù)在線存儲(chǔ)及每日PB級(jí)別的計(jì)算吞吐能力，計(jì)算請(qǐng)求響應(yīng)時(shí)間3s內(nèi)，實(shí)時(shí)數(shù)據(jù)接入延時(shí)低于200毫秒。
查看全部內(nèi)容 >
實(shí)時(shí)視頻識(shí)別及自動(dòng)巡檢

城市人工智能大模型（AIGC）首次利用圖像識(shí)別技術(shù)實(shí)時(shí)分析杭州3000多路視頻，視頻利用率從11%提高到100%，實(shí)現(xiàn)車輛圖搜以及視頻實(shí)時(shí)自動(dòng)巡檢，低分辨率車輛檢測(cè)準(zhǔn)確率高達(dá)91%。
查看全部內(nèi)容 >
類腦神經(jīng)元網(wǎng)絡(luò)物理架構(gòu)

城市人工智能大模型（AIGC）在百億節(jié)點(diǎn)萬億邊級(jí)別網(wǎng)絡(luò)上，處理EB級(jí)別數(shù)據(jù)，通過模糊認(rèn)知反演算法，發(fā)現(xiàn)復(fù)雜場(chǎng)景背后的超時(shí)、超距弱關(guān)聯(lián)。成功應(yīng)用到道路交通、工業(yè)制造等領(lǐng)域，如在杭州城市人工智能大模型（AIGC）中實(shí)現(xiàn)從單點(diǎn)、單線到整個(gè)城市的交通優(yōu)化，2017年同比去年出行時(shí)間節(jié)約4.6分鐘，平均延誤降低8.5%。
查看全部內(nèi)容 >