英特尔携手中科创达推出全息路口融合感知方案

随着城市化进程的加速，交通拥堵、事故频发、管理效率低下等问题日益凸显，成为困扰城市发展的痛点。传统的交通管理系统往往依赖单一数据源，难以应对复杂的交通环境，也难以实现实时、精准的决策支持。作为智能网联汽车交通系统的重要发展方向，车路云一体化 (Vehicle- Road-Cloud Integrated System, VRCIS) 正在实现广泛的落地。

在这样的背景下，英特尔与中科创达推出了基于英特尔 架构的全息路口融合感知方案，为城市交通管理带来了全新的可能性。

全息路口，融合赋能车路云一体化

车路云一体化系统，是一种综合性的智能交通系统，能够通过创新的通信技术将人、车、路、云的物理空间、信息空间融合为一体，提高整个交通系统的感知、决策和执行能力。

在车路云一体化系统中，依托部署在路口等区域的 MEC 基础设施，增强的全息感知能力至关重要。但同时，全息感知系统也面临着以下挑战：

性能层面：路口感知系统通常需要对多个视频流、雷达流进行处理与 分析，解码 + 感知识别 + 融合的整体流程通常要控制在 40-50ms 之间。

灵活性层面：不同的路口需处理的视频/雷达路数有所区别。此外，在视频和雷达路数更高的路口中，则应支持灵活地采用独立的 AI 加速器，以提供更加强大的性能表现。

稳定性层面：路口环境多变，对于 MEC 设备的稳定性、可维护性等都带来了巨大的挑战。

解决方案：基于英特尔 架构的中科创达全息路口融合感知方案

为了解决上述挑战，基于英特尔 架构的中科创达全息路口融合感知方案，通过路侧感知与计算设备，联合云控平台，实时提供高精度、低时延的道路交通目标信息，服务于提升交通效率、保障交通安全等目标。

搭载英特尔 酷睿 Ultra 处理器的路侧 MEC 设备

在中科创达全息路口融合感知方案中，激光雷达、毫米波雷达、工业相机等采集的数据将统一汇聚到部署在路侧的集和诚 MEC 设备进行处理。该设备基于工业标准而设计，具备强大的性能，能够提供高带宽、高速率的通信网络支持能力。

按照不同场景对于性能的需求，中科创达与集和诚合作，在 MEC 设备提供了两种不同的性能配置选项：

英特尔 酷睿 Ultra 处理器采用了混合集成的片上系统架构，配备内置英特尔锐炫 GPU，提供多达 8 个 Xe 内核（多达 128 个图形执行单元），具备强大的图形性能。该处理器还首次集成神经网络处理单元 (NPU)，将作为针对 AI 加速的专项计算单元，承担起 AI 计算的责任。

对于有更高性能需求的应用场景，可采用搭载第 13 代英特尔 酷睿 处理器和集和诚 MXM 3.1 Type B 显卡模块的高性能方案。使得 MXM 模块能够加速图像处理，并满足 AI 推理对于算力的苛刻要求。

边缘软件与 AI 算法

在软件层面，中科创达面向车路云一体化打造的路侧操作系统 RoadOS，具有高适配性。内置交通业务常见的 AI 感知、定位和检测算法，有涵盖物联网关、视联网关等的丰富中间件，提供流媒体、人工智能、容器编排与调度等核心服务。RoadOS 南向对接各类传感器、RSU 通信设备，实现设备快速接入与统一管控。

方案还依托含英特尔 视频处理库（英特尔 VPL）的先进软件工具集，构建高效的交通路口融合感知系统。

测试：实现端到端的快速感知与分析

车路云一体化应用对全息路口解码和感知识别延时有严格要求，这依赖 MEC 设备数据处理能力，而主要瓶颈在于 AI 模型推理性能。

为此，中科创达硬件采用英特尔 酷睿处理器、英特尔锐炫显卡，软件利用 OpenVINO工具套件、英特尔 oneAPI 工具包优化。通过 OpenVINO工具套件对模型进行 BF16/INT8 量化，在满足精度条件下，降低访存数据量。

测试显示：针对 1920*1080 分辨率输出视频流，实时处理 4 路视频流时，平均延时从优化前 60ms 降至 24 - 28ms。

优化前后的解码 + 感知识别 + 融合整体延时对比

中科创达还测试了基础性能版本（4 路）与高阶性能版本（8/10/12/16 路）Yolov6-s 平均每路推理时延 (INT8) ，结果表明，基于英特尔 架构的方案在不同传感器数量 / 路数需求下，均可满足平均每路推理时延低于 25ms 的性能要求。

不同方案组合的平均每路推理时延均可满足要求

目前，基于英特尔 架构的中科创达全息路口融合感知方案，已在多个城市成功落地，该方案提供了雷达、视频等多流合一的融合感知能力，并实现了数据的高效地分析与处理， 为车路云蓝图的实现提供了坚实的支撑。

实现了广泛落地

目前，英特尔正携手中科创达等伙伴，共同面对车路云系统中多样负载带来的挑战。同时，英特尔亦通过软硬件协同的方式，为用户提供灵活的产品组合，让产品不仅能够应用在更多工作负载中，更能够实现快速增长，以应对车路云系统中，信息流处理、AI 推理等日益多样化的负载带来的严苛挑战。