历史飞机坠毁事故数据集
这是一个航空事故数据库.
数据格式：日期：事故发生日期，格式-2001年1月1日时间：当地时间（24小时）。格式，除非另有说明航空公司/运营：航空公司或飞机运营人飞行＃：飞机运营人分配的航班号路线：事故发生前完成或部分飞行的路线AC类型：飞机类型注册：国际民航组织飞机的登记cn/ln：结构或序列号/线路或机身号上：总共登机（乘客/机组人员）死亡人数：船上总死亡人数（乘客/机组人员）地面：地面总死亡人数摘要：事故和原因的简要说明
AI人工智能三要素：数据、算力和算法
人工智能这两年的火爆大家有目共睹，取得的一些技术进步大家想必也有所耳闻。这里就来谈谈人工智能的三要素：数据、算力和算法。
首先，这三要素缺一不可，都是人工智能取得如此成就的必备条件。如果非要给这三者排个序的话，我认为应该是数据、算力和算法。
第一是数据。因为人工智能的根基是训练，就如同人类如果要获取一定的技能，那必须经过不断地训练才能获得，而且有熟能生巧之说。AI也是如此，只有经过大量的训练，神经网络才能总结出规律，应用到新的样本上。如果现实中出现了训练集中从未有过的场景，则网络会基本处于瞎猜状态，正确率可想而知。比如需要识别勺子，但训练集中勺子总和碗一起出现，网络很可能学到的是碗的特征，如果新的图片只有碗，没有勺子，依然很可能被分类为勺子。因此，对于AI而言，大量的数据太重要了，而且需要覆盖各种可能的场景，这样才能得到一个表现良好的模型，看起来更智能。
第二是算力。有了数据之后，需要进行训练，不断地训练。AI中有一个术语叫epoch，意思是把训练集翻过来、调过去训练多少轮。只把训练集从头到尾训练一遍网络是学不好的，就像和小孩说一个道理，一遍肯定学不会，过目不忘那就是神童了，不过我至今还没见到过。当然，除了训练(train)，AI实际需要运行在硬件上，也需要推理(inference)，这些都需要算力的支撑。
第三是算法。其实大家现在算法谈得很多，也显得很高端，但其实某种程度上来说算法是获取成本最低的。现在有很多不错的paper，开源的网络代码，各种AutoML自动化手段，使得算法的门槛越来越低。另外提一点，算法这块其实是创业公司比较容易的切入点，数据很多人会觉得low，会认为就是打打标签而已，所以愿意做的不多；算力需要芯片支撑，是大公司争夺的主要阵地，留下的只有算法了。
不过，如果想做一个非常成功的AI应用，这三者都需要具备，所谓天时地利人和。
联系我：guanxs_ai@126.com
微信公众号：
云创大数据人工智能技术可以大幅预防列车事故
这两天，除了令人揪心的全球疫情，T179次列车的失事不禁让人感叹世事无常。
3月30日中午，从济南开往广州的T179次列车，在湖南郴州境内发生侧翻事故，有车厢脱轨，事故共造成一名值乘民警牺牲，4人重伤123人轻伤。
受连日降雨影响，当时事故路段发生塌方。虽然列车司机在发现塌方事故后采取了紧急制动，但是列车仍然撞上了塌方体，同时车轮与钢轨高速摩擦产生火花，导致第一节电车起火，部分车厢随后发生侧翻。目前，事故具体原因仍在调查中。
铁路轨道线路设备常年裸露在露天环境中，在恶劣天气和列车负载的作用下，设备技术状态不断发生变化，尽管有关路局工务部门已制定全面的维护计划，定期安排巡线员、检修员进行巡检，但由于现场巡检情况无法复核的局限性以及设备在白天发生突变的概率性等（比如此次事故突发的塌方），难以100%发现与解决铁路线路设备的异常情况。
庆幸的是，随着人工智能技术的发展与革新，铁路安全巡检也有了更为高效的智能化巡检方案。正如云创大数据开发的铁路病态非接触检测系统，通过在铁路线路设备前端安装定点工业级高清智能摄像机进行实时图像采集，并在后端采用深度学习方法，对采集的图像信息进行智能分析，对铁路线路设备异常状态实时监控，从而提高铁路轨道巡检效率。
可以说，铁路病态非接触检测系统通过视频巡检与人工巡检相结合，实现轨道线路全天不间断巡检，并结合图像自动分析与预警信息推送，及时消除隐患，保证列车行驶安全。目前，轨道交通安全保障总体准确率已达到95%以上。
与单纯依靠人力巡检相比，铁路病态非接触检测系统的优势明显：
无需巡线员或专用车辆等设备，尽可能利用铁路沿线必要的设备，全线监视单元进行一次采集，发送至平台执行分析即可获得铁路的各项状态指标。
前端设备利用自身的图像存储以及定时回传机制，能够将监视点的视频画面完整保存，支持中心平台远程调取录像视频及截图，便于实时查看和后续的智能分析。
可以结合电子地图功能，在地图上标注各节点监视终端机的所在位置，以及所覆盖路段的所有检测到的铁路病态，支持多层级的电子地图关联显示，并可通过电子地图综合反映铁路区段的状况信息。
具体而言，铁路病态非接触检测系统当前已支持分析的铁路病态有螺栓异常检测、轨缝异常检测，开发完善中的检测功能包括轨道掉块检测、轨枕裂纹检测、沿线标志异常检测、联结部件异常检测、轨道异物检测等。
1.螺栓异常检测
包括螺栓松动、脱落、缺失状态的检测，检测准确率：93.72%，平均每张检测耗费时间：0.31秒。经测试，该模型在多角度，不同尺度下均能够识别出螺栓的状态。模型分析效果示例：
2.轨缝异常检测
包括轨缝过大、轨缝顶死状态的检测，检测准确率：92.4%，平均每张检测耗费时间0.4秒，分析效果示例如下：
3.其他可实现功能
在螺栓异常检测、轨缝异常检测之外，铁路病态非接触检测系统还可实现对人员闯入、塌方、异物、铁轨变形、水淹、沉降等异常情况的检测，更多可实现功能具体如下：
轨道掉块检测
轨枕裂纹检测（包括横纹、纵纹）
沿线标志异常检测（包括标志歪斜，模糊淡化等）
联结部件异常检测（包括护轨插片病态，轨距块病态等）
轨道异物检测（电子围栏人员闯入检测，轨道异物检测等）
当前该智能分析项目正在与南京铁塔、上海铁路局沪宁线桥工段进行合作，目前智能分析程序部署于云创高性能GPU服务器集群上，由上述合作单位调用使用，并持续提供训练数据和改良建议。相信在不久的将来，通过铁路病态非接触检测系统等智能巡检方案，及时发现铁路状态异常，将做到防患于未然，大幅预防列车事故，从而减轻甚至避免人员伤亡。
如有意向了解更多铁路病态非接触检测系统详情，请联系左赛总监：
联系方式：
邮箱：zuosai@cstor.cn
手机：18017566211
谈大数据人工智能时代智慧交通
谈大数据人工智能时代智慧交通时间：2023-05-0417:22:18
摘要：新形势下，我们的生活、工作等各方面都开始进入了大数据人工智能时代，城市交通方面也被纳入重点考虑范围。本文主要是根据大数据人工智能时代下的智慧交通的研究意义分析，并进一步地去了解如何实现大数据人工智能时代之下的智慧交通。
关键词：大数据；人工智能；智慧交通
当前，大数据人工智能几乎成了一个家喻户晓的名词，我们也每天都生活在其中。我们应该要利用好大数据人工智能时代给我们带来的优惠空间，然后让我们进一步地将其应用在各个范围内。我们当前也正面临着城市交通困境的现状，我们非常有必要利用物联网、互联网、计算机等各种手段对其进行解决，保证我们的生活工作能够畅通运行。大数据人工智能时代的智慧交通研究不仅可以方便我们现在的生活，还能够进一步的促进我国科技与经济的提升，进而提升我国的综合国力提升，为推进现代化进程奠定坚实的基础。
1研究意义
1.1为解决城市交通困境提供渠道
当前我们的城市人口密集度较高，而且交通工具的增长速度比城市交通改善的速度要快，因此我们面临着日益艰难的城市交通困境，人和交通工具的矛盾进一步地加深，要积极地发展以大数据为基础的智慧交通是大势所趋，也是我们这个时代应该要亟待解决的一个重大问题。另外，由于当前我们的交通警力存在严重短缺的问题，随着我国社会经济和社会科技的不断发展，我国的总公里里程数已经跃居世界第一，私家车的拥有数量也呈现井喷式的上升，在这种交通警力严重不足以及交通管理任务如此严峻的情况下，我们非常有必要利用好科技来协助交通警力，依托科技来解放警力。我们应该要利用互联网、物联网、计算机等一些便捷的数据传输功能，实现对路面交通的进一步管理和全面监控，只有认识到位才有可能真正地了解这些新的互联网工具如何实现交通管理工作，进而才能够利用互联网、云计算、计算机等服务来实现交通管理工作。
1.2完善城市交通网络的服务
当前政府部门也非常重视智能交通基础设施的建设，并且增加了各方面的资金投入，为了缓解交通拥挤的现象，保证每条道路能够畅通无阻运行，国内很多的城市在不同的程度上对智慧交通进行了尝试，并且取得了不错的效果。经过综合的研究调查分析，我们发现，很多城市在进行智慧交通研究以及具体实践的过程中，尽管各个方面的功能还不够健全和完善，但是它们切实地实现了城市交通网络服务功能的完善，实现对大数据处理技术、互联网技术、物联网技术等要素的整合利用，这对于更好地发展我们城市交通网络的建设有非常重要的理论意义和实践意义，从而能够进一步的改善我们当前存在的城市交通拥挤问题，为城市交通建设事业的长远发展奠定坚实的基础。
2研究思路
目前我们存在着各种城市交通方面的问题，我们非常有必要利用好大数据智能时代，为更好地解决我们的城市拥堵问题提供方法和渠道。因此，我们有必要明确研究思路，为更好地实现智慧交通的建设奠定理论基础。具体的研究思路包括以下几个方面：
2.1提高数据库的信息完整性、有效性
我们之所以会认为大数据人工智能时代下给我们带来很多优惠空间，是因为我们可以通过大数据了解到各个方面的信息，然后经过综合的统计分析可以发现城市交通或者是其他方面的一些现象或者的规律性，进而能够更好地利用它为未来的建设目标提供一些有效的信息。从而在实践中更好地实现预设目标。因此我们要研究大数据人工智能时代下的智慧交通，我们也必须首先要保证数据库信息的完整性以及有效性，以便我们在利用这些数据分析问题的时候，不会因为信息问题出现差错而导致结果错误或者是相对偏离问题方向。具体来说，需要我们相关技术人员要重视数据库在智慧交通建设中的科学使用，提高它的利用效率以及它的实践效果，必须在函数驱动叠加、数据统计分析、集中学习等方式的配合之下，提高智慧交通网络运行的数据处理质量和效率，不断地改善现代当前所存在的各方面的城市交通问题。
2.2提高交通检测器效率
智慧交通网络的服务水平的高低对于我们智慧交通建设中能不能实现对不同路段和不同路况的交通状况进行实时有效分析有着至关重要的作用，所以为了进一步的防止各种降低因为交通道路问题引发的安全事故，切实的改善智慧交通网络运行的水平，就需要我们进一步地提高交通检测器的检测效率。具体来讲可以从两方面入手，一方面，针对现有的交通检测器，可以在传感器、摄像头、感应线圈等设备的支持下，对城市进出入车辆，城市内部行驶车辆、未行驶车辆进行实时有效的监控，做好信息方面的检测工作，使得智慧交通网络在大数据人工智能时代背景下可以处于稳定高效的运行状态，减少城市交通方面的问题发生，另外一方面，我们也可以通过对交通检测器的实时更换或者实时的设备检测，又或者对交通检测器的功能进行创新改造，通过多方面的手段实现对交通检测器的功能完善，从而能够进一步的改善交通检测器的检测效率，为更好地解决城市交通方面的问题提供技术支持。总之，这两个方面都是为了切实提高交通检测器的检测效率，为避免因为检测器出现问题而导致城市交通事故发生率提高。为了保证我们不犯这种技术上的问题，应该非常重视这种检测器的安全设置以及实时检查。
2.3注重引入智能要素
在大数据人工智能时代背景之下，我们应该要既要重视大数据的有效信息，也应该要注重智能要素的引入，为更好实现智慧交通建设目标提供前提和基础。具体来讲主要包括两个方面，首先要注重人工智能理论的引入，随着我们社会科技的不断进步和发展，人工智能理论也在我们的生活中频频出现。对于智慧交通的建设也应该要引入人工智能理论，通过人工智能能够简化各方面的工作以及能够提高工作效率。比如我们在计算三维空间时可以对智慧交通方面的场景进行动态模拟分析，可以使得智慧交通网络运行的外部数据和内部数据能够得到整合利用，而且可以通过大数据公司的专业技术人员的支持，结合人工智能理论能够实现智慧交通的科学建设，还能突出它的网络运行的高效性以及智能化。另一方面，我们上面所提到的要更好地保证智慧交通系统的建设离不开大数据的完整性和有效性，但是这个基础和前提是有大数据库，并且能够经过不断检验和实践能保证它的可靠性，因此我们要对智慧交通网络运行中的数据进行有效的收集，整理，统计利用，才能保证网络运行的性能更加可靠，并且为大数据系统的高效运行提供技术支撑，因此我们要注重人工智能方面算法要素在智慧交通中的引入和使用，并且相应加以探讨分析，将其落实到位，以流程化管理精细化智能化的方式对智慧交通进行有效的建设，使得其交通运行网络能够与大数据人工智能时代的形式变化相适应。
3结语
综上所述，我们发现大数据人工智能时代下的智慧交通系统建设其实是一个比较复杂的系统，我们应该顺应时代的潮流，要合理地利用好大数据和人工智能，将其应用在我们生活的各个方面，其中非常重要的一个方面就是我们的城市交通问题。我们应该要将其合理的利用来改善我们当前的城市交通困境以及为更好地提供城市交通服务方面做工作，具体的研究思路主要是我们应该做好注重提高数据库信息的完整性以及有效性，定期检测交通检测器的效率，以及注重引入智能要素通过三方面的工作。为更好地应对当前的城市交通困境等方面的问题以及如何合理利用当前的大数据和人工智能资源提供一些新的思路和想法。
参考文献：
[1]张恺.大数据人工智能时代的智慧交通研究[J].中国新通信，2019，21（16）：55.
[2]程璐明.大数据人工智能时代的智慧交通研究[J].智能城市，2019，5（05）：88-89.
[3]张宇航.关于大数据人工智能时代的智慧交通研究[J].通讯世界，2019，26（02）：87-88.
[4]陈思恩.大数据人工智能时代的智慧交通[J].软件和集成电路，2017（08）：86-87.
作者：于丹单位：长春广播电视大学