今日主題 智慧應用方案：工業4.0、車聯網、環保節能、智慧城市、經營管理探討
|
3S
Market 最讚報
| |||||
智慧城市
| ||||||
車聯網與智慧車載
| ||||||
環保節能
| ||||||
工業4.0
| ||||||
經營管理探討
| ||||||
2016年5月13日 星期五
‧ 2016\05\13\ 3S Market Daily 智慧產業新聞
．NETGEAR 獨家推出為 Wave 2 無線 AP 設計的 M4200 PoE+交換器與 M4300 Spine-Leaf 堆疊式 L3 交換器
(1) ProSAFE M4200 PoE+ 2.5G NBase-T交換器
全新的M4200-10MG-PoE+交換器擁有8個RJ45埠口，可提供2.5G的頻寬與每埠30瓦的足瓦PoE供電，其中的2個RJ45埠口更可提供5G的頻寬，外加2個SFP+光纖埠連接上行鏈路；此交換器專為下一代的802.11ac Wave 2商用無線AP所設計，提供無網路瓶頸的連線頻寬，將Wave 2 AP的效能完全展現出來。
(2) ProSAFE M4300 系列交換器
M4300系列全網管交換器為新推出的堆疊式10G交換器，各自擁有8個SFP+與8個RJ45 / 12個SFP+與12個RJ45 / 24個SFP+與24個RJ45的網路埠口，讓中小企業可輕鬆建置高備援的小型骨幹網路或小型IP SAN網路，例如 : 光纖連接到需要高速頻寬的網路儲存，或使用RJ45連接多台伺服器，如此一來可降低伺服器10G網路卡的成本，只需使用一台交換器便可同時收納10G的光纖與RJ45連線，大量降低成本，並達到速度升級的快感。
M4300系列搭載原本應用在Chassis交換器中的Spine-Leaf技術，混合Trunking、Redundant、Stacking等應用，可輕易的建置高備援的網路環境。不用再擔心線路斷線的問題。
NETGEAR亞太區副總裁Simon Tsang表示 : 隨著M4200和M4300系列交換器的推出，我們提供更高速更穩定的L3區域網路路由，將可更輕鬆、更便宜的支持各式物聯網路應用，這些產品容易部署於中小型的商用網路之中，讓企業能以高C/P值的價格建置高速10G網路環境，再加上全系列支援PoE+供電，可使企業內部的Wave 2無線AP發揮完整頻寬效能。
‧ 芬蘭的智慧城市建設— 在生態智慧新城建設方面，芬蘭的優勢
來源： 新華網 作者：徐振強
「生態城」（Ecocity）一詞，最早由由美國學者理查•瑞傑斯特於1979年創立，而生態城概念最早起源于芬蘭艾洛•帕羅海默教授，芬蘭國家技術創新局，將生態城戰略作為機構創新的關鍵領域，重點開展技術研發和應用。
世界低碳生態智慧的城市發展理念的發源地
該規劃建設模式在芬蘭，特別是赫爾辛基大都市的新城開發計畫中被廣泛應用。芬蘭高科技產業發展迅速，特別是赫爾辛基創業設計產業發達，被評為2012世界設計之都，被Monocle雜誌評為世界最宜居的城市。
聯合國教科文組織，2014年發佈的環境績效指數，芬蘭空氣品質位於世界最清潔空氣行業，位居歐洲第一。由世界經濟論壇發佈的全球競爭力指數報告2014-2015，芬蘭位居第四（前三為瑞士、新加坡和美國）。
以生態智慧為核心的清潔技術體系高度發達
根據芬蘭就業與勞動部的統計，2011年，芬蘭經濟貢獻最大的是資訊通信業，產值450億歐元；其次是森林工業，產值217億歐元；清潔技術產業位居第三，產值214億歐元。2012年，清潔技術產業迅速增長15％，產值達到246億歐元，升至第二大產業），被世界自然基金會等機構，列入全球清潔技術創新能力前五（2012-2014），屬於第一梯隊的“孕育創業型”國家；
在規模化生產、創造就業和吸引投資，以實現大規模市場應用方面的投入方面，做出了很大投入，屬於第二梯隊“商業化型”的國家，技術領域包括節能降耗、清潔生產、可再生能源、綠色建築、空氣品質保護、測算、分析和淨化、廢棄物回收處理與利用、水資源管理與廢水處理等，並形成了良好的產業鏈條。
如瓦薩市能源公司140多家，每年產值約44億歐元，其中80%出口，該市10%的人口在該行業工作（全市人口11萬），有競爭力的產業包括：可再生能源解決方案、智慧電網、智慧電站、能源效率、節能建築、海運能源效率。
芬蘭的清潔技術產業主要依靠出口拉動，清潔技術企業總收入的一半以上來自國外。2012-2014年建，該產業最主要的出口市場是德國、中國、瑞典、法國和俄羅斯。
‧ 智慧影像之人臉辨識是如何實現的?
來源： 物聯網智庫
人臉辨識，一種基於人的臉部特徵資訊，進行身份認證的生物特徵辨識技術。近年來，隨著歐美先進國家人臉辨識技術開始進入實用階段後，人臉辨識迅速成為近年來全球的一個市場熱點。
人臉辨識技術包含三個部分：
1.人臉檢測
面貌檢測是指在動態的場景與複雜的背景中判斷是否存在面像，並分離出這種面像。一般有下列幾種方法：
①參考模板法
首先設計一個或數個標準人臉的模板，然後計算測試採集的樣品與標準模板之間的匹配程度，並通過閾值來判斷是否存在人臉；
②人臉規則法
由於人臉具有一定的結構分布特徵，所謂人臉規則的方法即提取這些特徵生成相應的規則以判斷測試樣品是否包含人臉；
③樣品學習法
這種方法即採用模式辨識中人工神經網絡的方法，即通過對面像樣品集，和非面像樣品集的學習產生分類器；
④膚色模型法
這種方法是依據面貌膚色，在色彩空間中分布相對集中的規律來進行檢測。
⑤特徵子臉法
這種方法是將所有面像集合視為一個面像子空間，並基於檢測樣品，與其在子空間的投影之間的距離，判斷是否存在面像。
值得提出的是，上述5種方法在實際檢測系統中也可綜合採用。
2.人臉跟蹤
面貌跟蹤，是指對被檢測到的面貌，進行動態目標跟蹤。具體採用基於模型的方法或基於運動與模型相結合的方法。此外，利用膚色模型跟蹤也不失為一種簡單而有效的手段。
3.人臉比對
面貌比對是對被檢測到的面貌像，進行身份確認或在面像庫中進行目標搜索。這實際上就是說，將採樣到的面像與庫存的面像，依次進行比對，並找出最佳的匹配對象。所以，面像的描述，決定了面像辨識的具體方法與性能。主要採用特徵向量與面紋模板兩種描述方法：
① 特徵向量法
該方法是先確定眼虹膜、鼻翼、嘴角等面像五官輪廓的大小、位置、距離等屬性，然後再計算出它們的幾何特徵量，而這些特徵量形成一描述該面像的特徵向量。
②面紋模板法
該方法是在庫中存貯若干標準面像模板，或面像器官模板，在進行比對時，將採樣面像所有象素與庫中，所有模板採用歸化相關量度量進行匹配。此外，還有採用模式辨識的自相關網路，或特徵與模板相結合的方法。
人臉辨識技術的核心實際為「局部人體特徵分析」和「圖形/神經識別算法。」這種算法是利用人體臉部各器官，及特徵部位的方法。如對應幾何關係多數據形成辨識參數，與數據庫中，所有的原始參數進行比較、判斷與確認。一般要求判斷時間低於1秒。
‧ 人臉辨識警車能在人群中辨識嫌犯 警察可以開車找人
来源： TechWeb
美媒報道，中國電子科技大學警用裝備研究聯合實驗室的一個團隊，為警方開發了一款高科技車輛，它裝備有人臉辨識系統，可以在人群中辨識出嫌疑犯。
據報道，這款車的車頂上裝有360度全視角攝影機，可以自動掃描60米範圍內的所有人臉。神奇的是，在時速120公里的行進速度中，人臉辨識警車還可以通過人的臉部對該人的性別、年齡等進行辨識，並與警方已有的人臉數據庫進行對比分析，如有匹配就會提醒司機。
據稱這套系統只要能捕捉到人臉的四分之三，就可以進行身份辨識。除了對人臉進行辨識之外，這一系統還能辨識出車牌資訊和車輛型號，並按特徵針對某一類人員進行篩選辨識。
據報道，這款運動型多用途車，近日在中國四川成都首次亮相後，就引來眾多關注。如果對它的聲稱是可信的，對於有著13億人口的國家，這款警車的出現無疑為警方在打擊犯罪分子，守護公共安全方面有著十分重要的作用。
據悉，除了能夠在人群中辨識嫌疑犯，這款警車還有防丟功能，對於它所配備的39種警用設備中的任何一件丟失時，這輛智慧的車都會提醒司機，你丟東西了。
隨著研發技術的不斷發展，人臉辨識技術現在已經越來越多的應用於日常生活。除了人臉辨識警車外，近日，中國首家人臉辨識醫保在線支付系統上線，武漢市民可以通過「刷臉」實現繳費。在未來，人臉辨識技術肯定會越來越多的應用於我們的生活。
‧ 談了這麼久自動駕駛，自動泊車會是個很好的切入口
按：本文作者朱玉龍，汽車行業從業工程師，主做汽車電子，領域從新能源汽車過渡到ADAS。
自動泊車不僅是單車智慧，隨著未來加入對外通信，會產生更多領域間的碰撞。
圖1 各個自動駕駛功能的民眾接受度，自動泊車需求呼聲很高
按：本文作者朱玉龍，汽車行業從業工程師，主做汽車電子，領域從新能源汽車過渡到ADAS。
自動泊車不僅是單車智慧，隨著未來加入對外通信，會產生更多領域間的碰撞。
本文主要從幾個方面來談談自動泊車技術，第一部分是自動泊車的發展歷史，第二部分是自動泊車的內部結構和一些廠家的方案。值得注意的是，在不同的國家，落實不同場景自動化的意願也不相同，唯一確定的是，大家都不愛停車，確切的說是不愛找車位和停車。這是整個汽車智慧化和自動駕駛裡面最迫切的需求，也是一個比較容易切入的環節。
圖1 各個自動駕駛功能的民眾接受度，自動泊車需求呼聲很高
第一部分
自動泊車的發展歷史
第一部分
自動泊車的發展歷史
泊車輔助系統可以分三個大的階段，分為被動式、半自主式泊車輔助、全自動泊車。
1）被動式：在泊車時提醒駕駛員前方或車輛後方障礙。在發展的過程中從只有後方預警，發展成車輛往前運動前方檢測也有預警、加入視覺圖像、加入輔助線還有周邊盲區預警，到現在最複雜的是兩種系統結合，包括倒車雷達+360度環視的兩種功能。
圖2 被動式泊車系統結構
被動式主要利用超聲波感測器+蜂鳴器+HMI圖示來提示駕駛者外部障礙物情況，防止車輛在倒車時碰撞，一般由下面幾個功能構成：
圖3 半自動泊車系統的一些對比
圖4 法雷奧Park 4U系統
如圖4所示法雷奧的Park
4U，其系統構成為：
對消費者來說，檔位元需要控制、加速和減速都需要控制，整個過程的責任需要承擔。各車企，在HMI、車位大小上面有差異，基本的操作沒有差異。J.D. Power的《2015年駕駛員汽車交互體驗報告》(2015 Driver Interactive
Vehicle Experience (DrIVE) Report)顯示，“最沒用汽車新技術”榜單上半自動泊車排第三位，1/3車主都不會去嘗試這個功能，因為並沒有什麼用。
圖5 從半自動到全自動泊車
我們看到的就是比較酷的人在外面用手機進行操控：
圖6 智慧手機操控自動泊車
當然這一部分，人還是需要找到車位元的。目前正在研究的所謂Valet
Parking（停車場自動泊車），就完全是不需要你去找到那個車位的概念了。在某些充電運營的模式中，Valet
Parking被賦予更多的意義：
2.電動車的無線充電：對電池進行無線充電。
3.充電完成之後的停車位分離：充電完成後，系統自動將充電槽釋放給其它電動車輛，轉而尋找普通停車位。
4.乘客召喚使用車輛：在限定運行的場景出口處，將車輛交還給所有人。
圖7 停車場自動泊車（V-Charge）
泊車輔助系統可以分三個大的階段，分為被動式、半自主式泊車輔助、全自動泊車。
1）被動式：在泊車時提醒駕駛員前方或車輛後方障礙。在發展的過程中從只有後方預警，發展成車輛往前運動前方檢測也有預警、加入視覺圖像、加入輔助線還有周邊盲區預警，到現在最複雜的是兩種系統結合，包括倒車雷達+360度環視的兩種功能。
圖2 被動式泊車系統結構
被動式主要利用超聲波感測器+蜂鳴器+HMI圖示來提示駕駛者外部障礙物情況，防止車輛在倒車時碰撞，一般由下面幾個功能構成：
防碰撞聲音+圖像提示
測量停車位大小的系統
提供轉彎角度的提示
提供後視圖像和輔助線檢測
360度環視圖像
被動式是充分考慮了成本的系統，採用低成本的超聲感測器來實現倒車時候的障礙物檢測，一般距離為1米～1.5米的情況，消費者對此類系統接受度高。
2）半主動式泊車輔助
隨著自動化水準的提高，各個汽車公司都想要幫助駕駛者更好地停車，所以開發出不同的系統如Toyota Intelligent Park Assist、BMW Park
Assistant、VW/AUDI Parking System Plus with Rear View
Camera、Daimler Parktronic with Active Parking Assist和Ford Active Park Assist，這些系統的特點是一般需要駕駛員來負責油門和刹車，車輛幫忙計算軌跡路徑，説明駕駛員入庫。
圖3 半自動泊車系統的一些對比
圖4 法雷奧Park 4U系統
如圖4所示法雷奧的Park
4U，其系統構成為：
超聲感測器
半自動泊車ECU 控制器
外部感測器：輪速、加速、轉彎角度、轉矩、車速、變速箱情況
HMI按紐和前後報警蜂鳴器
EPS控制轉向系統
對消費者來說，檔位元需要控制、加速和減速都需要控制，整個過程的責任需要承擔。各車企，在HMI、車位大小上面有差異，基本的操作沒有差異。J.D. Power的《2015年駕駛員汽車交互體驗報告》(2015 Driver Interactive
Vehicle Experience (DrIVE) Report)顯示，“最沒用汽車新技術”榜單上半自動泊車排第三位，1/3車主都不會去嘗試這個功能，因為並沒有什麼用。
3）全自動泊車
從半自動泊車到全自動泊車的進化過程中：
首要點：人是否需要在車內，僅通過手機可以指揮車進行泊車。
檔位：在泊車過程中軌跡計算需要調整的時候，出現不成功的情況，系統是否有切換檔位元、實現前後進退的許可權。
加速：系統有沒有許可權來自己進行加速。
刹車：系統是不是會檢測到碰撞之後控制刹車系統。
可以看到這基本上是整個泊車把人的工作全部接盤過去的過程。
圖5 從半自動到全自動泊車
我們看到的就是比較酷的人在外面用手機進行操控：
圖6 智慧手機操控自動泊車
當然這一部分，人還是需要找到車位元的。目前正在研究的所謂Valet
Parking（停車場自動泊車），就完全是不需要你去找到那個車位的概念了。在某些充電運營的模式中，Valet
Parking被賦予更多的意義：
1.停車位的自動搜索：車輛自動地尋找空車位，而且發現空車位。
2.電動車的無線充電：對電池進行無線充電。
3.充電完成之後的停車位分離：充電完成後，系統自動將充電槽釋放給其它電動車輛，轉而尋找普通停車位。
4.乘客召喚使用車輛：在限定運行的場景出口處，將車輛交還給所有人。
2.電動車的無線充電：對電池進行無線充電。
3.充電完成之後的停車位分離：充電完成後，系統自動將充電槽釋放給其它電動車輛，轉而尋找普通停車位。
4.乘客召喚使用車輛：在限定運行的場景出口處，將車輛交還給所有人。
圖7 停車場自動泊車（V-Charge）
第二部分
停車場自動泊車的結構
第二部分
停車場自動泊車的結構
其實從被動輔助停車（L0）→半自動泊車（L1）→全自動泊車（L2）→停車場自動泊車（L3與L4之間），是一步步反覆運算和改進的過程。停車場自動泊車之所以是L3和L4之間，主要是沒人介入了，但需要在特殊場景裡面，而且是低速行駛。我們把Valet Parking需要做的事情進行分解：
2.進行定位和路徑規劃，自主決策來確定過去的路徑。
2.2 遇到障礙物的時候緊急制動（前後方都需要）
圖8 靠近車位路徑規劃
3.1 检测周边环境、车位的信息，制定入库策略
3.2 自动转弯进入
3.3 如果有紧急情况进行刹车
圖9 車輛入庫軌跡計畫
所以這個故事比較簡單，我們可以看到全球幾乎所有的車企都在籌畫這些方案，比較典型的如V-Charge大眾方案、雷諾方案、本田方案。關於感測器、地圖等配置以及具體技術路線有兩個案例：
12 個超聲感測器負責短距離探測。
2個雙目立體攝像頭。
4個魚眼攝影機，做360度環視。
連接到遠端停車場伺服器後，車輛定位會接收到專門設計的地圖+停車場的道路網路資訊。
圖10 V-Charge方案
案例二——法雷奧方案
視覺感測器：一般用兩個雙目感測器（前後），視覺是主要解決車位元的形狀和定位問題的。
雷射雷達用的是SCALA 的雷射雷達，好處是可靠性更高一些。
其實從被動輔助停車（L0）→半自動泊車（L1）→全自動泊車（L2）→停車場自動泊車（L3與L4之間），是一步步反覆運算和改進的過程。停車場自動泊車之所以是L3和L4之間，主要是沒人介入了，但需要在特殊場景裡面，而且是低速行駛。我們把Valet Parking需要做的事情進行分解：
1.與停車場設施進行通信，獲取地圖和管理系統分配的可以泊車車位元位置和編號資訊。
2.進行定位和路徑規劃，自主決策來確定過去的路徑。
2.1 執行低速無人駕駛前往待停車位
2.2 遇到障礙物的時候緊急制動（前後方都需要）
2.2 遇到障礙物的時候緊急制動（前後方都需要）
圖8 靠近車位路徑規劃
3.车库位置的自动入位
3.1 检测周边环境、车位的信息，制定入库策略
3.2 自动转弯进入
3.3 如果有紧急情况进行刹车
3.1 检测周边环境、车位的信息，制定入库策略
3.2 自动转弯进入
3.3 如果有紧急情况进行刹车
圖9 車輛入庫軌跡計畫
所以這個故事比較簡單，我們可以看到全球幾乎所有的車企都在籌畫這些方案，比較典型的如V-Charge大眾方案、雷諾方案、本田方案。關於感測器、地圖等配置以及具體技術路線有兩個案例：
案例一——V-Charge方案
攝影機+超聲波感測器被安排成360°覆蓋周圍環境。
12 個超聲感測器負責短距離探測。
2個雙目立體攝像頭。
4個魚眼攝影機，做360度環視。
12 個超聲感測器負責短距離探測。
2個雙目立體攝像頭。
4個魚眼攝影機，做360度環視。
連接到遠端停車場伺服器後，車輛定位會接收到專門設計的地圖+停車場的道路網路資訊。
本地地圖存儲了停車場的所有地方，使車輛可以根據攝影的資訊來確定自身位置。
不依賴於GPS感測器，從而使導航也是在室內環境中，如地下停車位（GPS不可用時），並完善提供釐米級的精度。
這裡配合無線充電，停車場的費用管理，加了不少別的東西進去。
圖10 V-Charge方案
案例二——法雷奧方案
超聲感測器：必須短距離測距，前後各6個，12個標配。
視覺感測器：一般用兩個雙目感測器（前後），視覺是主要解決車位元的形狀和定位問題的。
視覺感測器：一般用兩個雙目感測器（前後），視覺是主要解決車位元的形狀和定位問題的。
雷射雷達用的是SCALA 的雷射雷達，好處是可靠性更高一些。
這個更加純粹一些，因為總體而言，它是按照方案來走的，而不是演示專案的概念。
結語
結語
總的來說，未來停車場等基礎設施智慧化，特別是建立一個局部道路分配的運算雲以後，會與路上所有的智慧車輛之間通信交互和協同。自動泊車未來會涉及到諸多領域之間碰撞，使智慧後臺系統和運動終端開始博弈整個智慧化的未來。
參考資料：
總的來說，未來停車場等基礎設施智慧化，特別是建立一個局部道路分配的運算雲以後，會與路上所有的智慧車輛之間通信交互和協同。自動泊車未來會涉及到諸多領域之間碰撞，使智慧後臺系統和運動終端開始博弈整個智慧化的未來。
參考資料：
圖1、圖3、圖4和圖5出自法雷奧2015-06 Engaging the Open Source Gear Impact on an Automotive Supplier.
圖2出自《Handbook of intelligent vehicle》中31章 Parking Assist和《Handbook of Driver Assistance Systems》.
圖6 、圖7和圖10出自V-Charge Project Overview.
圖8和圖9出自Design and Implementation of Parking Control Algorithm for Autonomous
Valet Parking.