出行 算法模型 软件定制 案例

驾驶员行为监控（物流公司等对驾驶员的危险驾驶监控） 开发语言 c++ 硬件 选用了地平线旭日 3 环境linux 视觉算法 yolo5 功能包括： 1）从摄像头模块采集视帧 用地平线芯片硬件API直接采集 2）缩放视频。 地平线芯片硬件API直接缩放 3）将视频编码成 h264 实际使用时，在地平线开发板上接了两路 usb 摄像头和一个 MIPI 摄像头。用地平线的硬件编码 API，同时对三路码流进行编码. 4）原始音频采集 使用 alsa 库采集的声音。 5) 声音的编码 把原始的声音编码成 mp3 6) 视频和声音的混合 把 h264 和 mp3 混合成 mp4 文件。 7）文件的滚动存储 地平线开发板接硬盘，音视频编码成的 mp4 文件, 5 分钟一个 mp4 文件，超过一个月的文件自动删除。 8）码流传输模块：动态码流传输当某些情况触发时，编码端向服务器即时发送 h264 码流，以及 mp3 声音流。网络是 5G 网络。发送追求最小的延时，其中分辨率、帧率、码流、gopsize 可以根据网络状况等，进行动态的调整。比如编码端感觉网络有点拥堵，就通知接收端要降低分辨率和码流，发送新的分辨率、帧率、码流等参数给解码端，等解码端完成参数的更新调整，编码端发送新的参数的视频流到解码端。 接收端可以马上播放收到的视频流和声音。 9) 驾驶员手离开方向盘监控 这是危险驾驶监控的一项。驾驶员手离开方向盘时，会马上提示他，并截图发送给服务端，同时作出记录。 训练模型，识别手没在方向盘上，转化为地平线格式 10）打电话识别监控 训练模型识别打电话动作，转化为地平线格式 11）驾驶员疲劳状态监控 训练模型识别人员疲劳表情，转化为地平线格式

通过多模态数据（视觉、激光雷达、GNSS、里程计等），通过以深度学习为核心的综合技术创新进行物理世界理解和构建，建设完善情报体系产线（车道线、指示牌、车道结构等），最快可达分钟级别对物理世界的更新、端侧小时级更新（考虑到功能安全）。

1.借用prompt、模式识别，基于开源llm实现了text2sql 2.text2sql后的sql结果直接与后台pgsql数据库相连并输出结果 3.可增减基座llm，有管理llm页面 4.在会话时可动态切换已有模型 5.支持多轮对话，可根据历史会话调整sql 6.有“历史”页面存储曾经生成的sql结果

1.通过对全省90天数据进行职住识别，数据量超过万亿条，PB级数据 2.出行方式多类型识别，包括地铁出行、小汽车出行、公交出行 3.旅客目的识别，如口岸旅客、机场旅客 4.可实现地铁旅客的清分，包括路径识别、换乘选择等