Sthlm virtual city
Language: Swedish Summary language: English Publication details: [Göteborg] : Drive Sweden, 2022Description: 18 sSubject(s): Online resources: Abstract: Denna rapport är en del av ett projekt som ämnar skapa ett system för att automatiskt kartlägga trafikskyltning, analysera trafikflöden och upplysa om eventuella brister eller förändringar på skyltar. Under projektets gång har robusthet samt noggrannhet av detektioner analyserats. För att förstå var nytta kan skapas har även en jämförelse med olika processer som används idag gjorts. Målet med Sthlm Virtual City-projektet är att tillgodose behovet av aktuell, relevant och behandlingsbar information. Konsortiet, som består av Stockholm stad, Univrses AB och Taxi Stockholm, har utrustat en flotta med taxibilar från Taxi Stockholm samt fordon från trafikkontoret, Stockholm stad med mobiltelefoner. Telefonerna kommer att laddas med Univrses app, 3DAI™ City. Denna programvara, ursprungligen utvecklad för att ge autonoma bilar förmågan att känna till sin omgivning, består av datorseende och AI-komponenter. Programvaran bearbetar bilder från mobilkameran för att identifiera och kartlägga utvalda objekt från stads- och vägmiljön. Stockholm Stad kan använda dessa data för att förvalta infrastrukturen i Stockholm på ett smartare sätt. Konsortiet bygger ett banbrytande system som kan uppdatera en digital tvilling i Stockholm i realtid. Det kommer att revolutionera hur städerna förvaltas genom att leverera ny och korrekt information för att möjliggöra bättre beslut.Abstract: This report is part of a project to demonstrate the potential of 3DAI™ City for monitoring roadside infrastructure and traffic flows automatically. The goal with the project is to provide a computer vision platform giving access to timely, relevant and actionable data about the roadside environment. The consortia that consists of City of Stockholm, Univrses AB and Taxi Stockholm has equipped cars from both Taxi Stockholm and City of Stockholm with Univrses app. Univrses’ 3DAI™ City It is made accessible by deploying a smartphone on any vehicle and processing image data from the smartphone camera.Denna rapport är en del av ett projekt som ämnar skapa ett system för att automatiskt kartlägga trafikskyltning, analysera trafikflöden och upplysa om eventuella brister eller förändringar på skyltar. Under projektets gång har robusthet samt noggrannhet av detektioner analyserats. För att förstå var nytta kan skapas har även en jämförelse med olika processer som används idag gjorts. Målet med Sthlm Virtual City-projektet är att tillgodose behovet av aktuell, relevant och behandlingsbar information. Konsortiet, som består av Stockholm stad, Univrses AB och Taxi Stockholm, har utrustat en flotta med taxibilar från Taxi Stockholm samt fordon från trafikkontoret, Stockholm stad med mobiltelefoner. Telefonerna kommer att laddas med Univrses app, 3DAI™ City. Denna programvara, ursprungligen utvecklad för att ge autonoma bilar förmågan att känna till sin omgivning, består av datorseende och AI-komponenter. Programvaran bearbetar bilder från mobilkameran för att identifiera och kartlägga utvalda objekt från stads- och vägmiljön. Stockholm Stad kan använda dessa data för att förvalta infrastrukturen i Stockholm på ett smartare sätt. Konsortiet bygger ett banbrytande system som kan uppdatera en digital tvilling i Stockholm i realtid. Det kommer att revolutionera hur städerna förvaltas genom att leverera ny och korrekt information för att möjliggöra bättre beslut.
This report is part of a project to demonstrate the potential of 3DAI™ City for monitoring roadside infrastructure and traffic flows automatically. The goal with the project is to provide a computer vision platform giving access to timely, relevant and actionable data about the roadside environment. The consortia that consists of City of Stockholm, Univrses AB and Taxi Stockholm has equipped cars from both Taxi Stockholm and City of Stockholm with Univrses app. Univrses’ 3DAI™ City It is made accessible by deploying a smartphone on any vehicle and processing image data from the smartphone camera.