6SE7031-0EE60河北省西门子模块代理商

6SE7031-0EE60河北省西门子模块代理商

实时自动控制交通信号灯

西门子*研究院开发的解决方案可捕捉在ELCITA周边安装的多个摄像头输出的视频流，并采用基于人工智能的深度学习技术对其进行处理。处理任务在十字路口就地执行，因此，这避免了以往的解决方案造成的延时，后者是将数百个交通摄像头生成的视频流发送至*云平台，进行处理和监控。利用新的方法，可以自动执行诸如车辆检测、车流密度估算和交通信号灯控制等典型的交通管理任务，并达到实时性。然而，必要的情况下，这个解决方案还可以用于在*云环境中处理视频流，譬如，用于全面掌握城市交通状况。

无人驾驶穿行于混乱的城市街道

来自西门子交通集团MindSphere应用中心的David Borst对班加罗尔的测试有着浓厚的兴趣。他解释道，“我们对交通模式的了解越多，就越能更好地管理交通。”

西门子*研究院在印度的现场学习高级核心专家Vinay Sudhakaran甚至设想到除交通管理之外的应用场景。譬如，他指出，识别不同车辆类型的能力有助于城市规划。“深度学习技术也可以用来检测事故，并自动通知和急救中心。这项技术还可以捕捉交通违法的视觉证据，提取车牌号码并自动生成交通罚单。”此外，他补充道，车辆检测技术的进步，将使无人驾驶汽车更接近现实，甚至可以在混乱的城市街道中穿行。

街景：来自西门子*研究院的科学家观察他们开发的交通管理解决方案在测试中的运行情况。

绿色走廊

ELCITA现场测试目前正在进行中，结果令人满意，得出了合乎实际且前后*的车流密度数字。Vinay表示，“现在我们已经准备好进入模拟环境，我们希望了解人工智能如何控制多个十字路口的交通信号灯，以实现绿色走廊效应。但要实现这一点，我们还需要优化深度学习模型。我们希望印度*能给予支持，我们已经签署了一份合作协议。”

Tomonica Chandran

西门子研究人员开发的虚拟传感器不必借助安装在电机内部的传感器，即可计算出电机内部温度。籍此得到的信息可以避免不必要的停机——这一改进将大大降低运营成本。

诸如压缩气体用的大型电机的转子，尽管庞大如房间，但却难以进入。这种转子在启动时产生的热应力很高，一旦过热就会造成损害。因此，必须监测其温度。

驱动这种转子的电机是所谓的凸极电机，这些巨大的机器在石油、天然气及化工行业常用于驱动大功率泵机。由于未配备变频器，直接连接至电网，它们在启动时会产生大量的热量。若反复启动，其内部温度可能飙升至800°C，从而可能造成严重损害。为此，在重新启动之前，必须让电机冷却下来。问题是：需要多长时间？电机内部关键区域的温度无法直接测量。这样一来，技术人员迄今为止只能估计冷却时长。一般而言，专家会设定一个缓冲期，以排除发生损害的可能性。这样的停机往往长达12小时，比实际冷却用时长得多，故而令经营者蒙受巨大损失。