基于传感器的动态数据管理优化策略 边缘人工智能模型用于智能运输系统
Nu Wen1,2, Ying Zhou3, Yang Wang1
1Internet of Things Research Institute, Shenzhen Polytechnic University, Shenzhen 518055, China.
Sensors (Basel, Switzerland)
|April 12, 2025
概括
本研究介绍了智能运输中的人工智能 (AI) 系统的优化数据策略,显著减少边缘计算设备上对象识别和检测任务的处理时间.
科学领域:
- 智能运输系统 智能运输系统
- 边缘计算 边缘计算
- 人工智能的人工智能
背景情况:
- 智能运输系统在物体识别,检测和定位方面面临着实时挑战.
- 现有的人工智能系统在边缘计算环境中难以有效地分配资源和提高运营效率.
研究的目的:
- 为AI算法模型提出基于传感器的自动数据加载和卸载优化策略.
- 解决资源配置优化问题,提高边缘计算的运营效率,以实现智能运输.
- 为了满足智能运输业务应用程序的实时计算要求.
主要方法:
- 实现了节点和传感器管理机制.
- 利用高效的通信协议来实现基于传感器的动态数据管理.
- 将该策略应用于用于行人识别,车辆检测和船舶定位的AI模型.
主要成果:
- 在保持回忆率的同时,在推断时间 (十分之一到二十分之一) 中实现了显著的减少.
- 对基于传感器的数据进行增强的隐私保护.
- 在边缘计算环境中证明了改进的运营效率.
结论:
- 拟议的战略有效地优化了智能运输中的AI模型的数据加载和卸载.
- 该方法增强了实时处理能力和数据隐私.
- 未来的工作可能涉及分布式计算,以在高负载条件下进一步优化.
