注释:国家RPS的要求通过要求电力提供商(电力公司和竞争供应商)使用可再生能源为其零售负荷的最低百分比来促进可再生能源的开发。康涅狄格州的I类RPS要求高原在2030年。缅因州的I/IA类RPS要求在2030年增加到50%,此后每年保持在该水平。马萨诸塞州的I级RPS要求在2020年至2024年之间每年增加2%,在2025年至2029年之间每年3%,此后每年回升至1%,没有说明的到期日期。新罕布什尔州的百分比包括对I类和II类资源的要求(II类资源是2006年1月1日以后开始运营的新太阳能技术)。新罕布什尔州的I级和II类RPS要求高原在2025年为15.7%。罗德岛对2035年36.5%的“新”可再生能源高原的要求。佛蒙特州的“总可再生能源”需求在2032年的75%;它识别所有形式的新型和现有的可再生能源,并且在将大规模水力发电分类为可再生方面是独一无二的。
合作实现安全自动驾驶:在 AI-SEE 项目中,PENTA EURIPIDES² 资助的研究项目在能见度低的情况下安全出行是关键。21 个合作伙伴包括 OEM(原始设备制造商)和供应商层面的世界级参与者,将在三年内联手打造一个由人工智能支持的新型、强大的传感器系统,用于低能见度条件。结果将是一个强大的、容错的多传感器感知系统。它将在 24 小时/365 天模式下在几乎所有照明和天气条件下运行,实现 SAE 4 级安全自动驾驶。由梅赛德斯奔驰股份公司牵头的项目于 2021 年 6 月 10 日以虚拟会议的形式启动。
合作实现安全自动驾驶:在 AI-SEE 项目中,PENTA EURIPIDES² 资助的研究项目在能见度低的情况下安全出行是关键。21 个合作伙伴包括 OEM(原始设备制造商)和供应商层面的世界级参与者,将在三年内联手打造一个由人工智能支持的新型、强大的传感器系统,用于低能见度条件。结果将是一个强大的、容错的多传感器感知系统。它将在 24 小时/365 天模式下在几乎所有照明和天气条件下运行,实现 SAE 4 级安全自动驾驶。由梅赛德斯奔驰股份公司牵头的项目于 2021 年 6 月 10 日以虚拟会议的形式启动。
合作实现安全自动驾驶:在 AI-SEE 项目中,PENTA EURIPIDES² 资助的研究项目在能见度低的情况下安全出行是关键。21 个合作伙伴包括 OEM(原始设备制造商)和供应商层面的世界级参与者,将在三年内联手打造一个由人工智能支持的新型、强大的传感器系统,用于低能见度条件。结果将是一个强大的、容错的多传感器感知系统。它将在 24 小时/365 天模式下在几乎所有照明和天气条件下运行,实现 SAE 4 级安全自动驾驶。由梅赛德斯奔驰股份公司牵头的项目于 2021 年 6 月 10 日以虚拟会议的形式启动。
合作实现安全自动驾驶:在 AI-SEE 项目中,PENTA EURIPIDES² 资助的研究项目在能见度低的情况下安全出行是关键。21 个合作伙伴包括 OEM(原始设备制造商)和供应商层面的世界级参与者,将在三年内联手打造一个由人工智能支持的新型、强大的传感器系统,用于低能见度条件。结果将是一个强大的、容错的多传感器感知系统。它将在 24 小时/365 天模式下在几乎所有照明和天气条件下运行,实现 SAE 4 级安全自动驾驶。由梅赛德斯奔驰股份公司牵头的项目于 2021 年 6 月 10 日以虚拟会议的形式启动。
合作实现安全自动驾驶:在 AI-SEE 项目中,PENTA EURIPIDES² 资助的研究项目在能见度低的条件下安全出行是关键。21 个合作伙伴包括 OEM(原始设备制造商)和供应商层面的世界级参与者,将在三年内联手打造一个由人工智能支持的新型、强大的传感器系统,用于低能见度条件。结果将是一个强大的、容错的多传感器感知系统。它将在 24 小时/365 天的模式下在几乎所有照明和天气条件下运行,从而实现 SAE 4 级安全自动驾驶。由梅赛德斯奔驰股份公司牵头的项目于 2021 年 6 月 10 日以虚拟会议的形式启动。
• Michael Szczepanski,英国气象局高级业务发展经理 • Stephan Havemann 博士,英国气象局高级科学家 • Nawal Husnoo,英国气象局高级科学家 • Robert Scovell,英国气象局高级科学家 • Henry Odbert 博士,英国气象局高级科学家 • Jill Dixon,英国气象局高级科学顾问 • Jeremy Price 博士,英国气象局科学经理 • John Molloy 博士,国家物理实验室电磁技术组高级研究科学家(任期至 2020 年 3 月) • Imran Mohamed 博士,国家物理实验室电磁技术组高级研究科学家 • Manoj Stanley 博士,国家物理实验室电磁技术组高级研究科学家 • Fengping Li 博士,国家物理实验室电磁技术组高级研究科学家 • Carmine Clemente 博士,高级讲师,校长研究员,思克莱德大学电子电气工程系信号与图像处理中心 审阅人 • CCAV 创新主管 David Webb
搬迁沙田污水处理厂往岩洞的实时大数据人工智能环境影响评估 (AIEIA) 执行摘要 搬迁沙田污水处理厂往岩洞(本项目)的环境影响评估中,位于沙田马场和周边河道的彭福公园鹭鸟林被列为环境指标之一。目前,香港对鸟类生态栖息地的监测主要以人为观察为主,而人为观察的时间间隔有限。由于繁殖季节环境变化微妙,人为不易分辨鸟类行为的细微变化。渠务署藉此机会与香港科技大学合作,通过在项目下对彭福公园鹭鸟林进行先导观察,探索将最先进的绿色人工智能 (AI) 技术融入环境监测。观察是明智行动的第一步。完整的阵列数据收集系统 (ADCS) 和实时数据提取管道架构经过全面设计,可实现模块化,并可成功部署在各种结构中,确保在所有环境中可靠运行。ADCS 具有多种优势,可满足户外环境长期监测的需求:(i) 自动连续录制;(ii) 高分辨率视频;(iii) 高帧率视频;(iv) 巨大的本地数据存储;(v) 保护恶劣环境(例如极端天气条件)。采用一种新的视频压缩标准高效视频编码 (H.265) 来处理、存储和传输高分辨率视频,同时保持视频质量。在户外环境中实现数据采集自动化之后,实施了 AI 算法,以从长达数月的数据中检测鸟类。本研究重点是检测大白鹭和小白鹭,即研究地点的主要鸟类。AI 算法开发的主要挑战是缺乏香港鸟类的标记数据集。为了解决这个问题,我们利用 3D 建模制作了大白鹭和小白鹭的合成鸟类数据集。在虚拟图像的开发过程中,我们应用了姿势和身体大小等显著特征的大量变化,这反过来又迫使模型专注于专家用来区分鸟类物种的细粒度鸟类特征,例如颈部和头部。经过训练的 AI 模型能够在不同背景下以高预测分数区分和定位鸟类物种,平均准确率达到 87.65%。我们的人工智能 ADCS 解决方案比传统的人工观察具有多种潜在优势,能够在不同的天气条件下为不同物种的鸟类计数、行为研究、空间偏好以及种间和种内相互作用提供密集的表面。这项研究的结果和发现有利于未来规划环境监测工作以及项目下的工作阶段,以尽量减少对彭福公园鹭鸟林的潜在环境影响。
航空业已见证了许多新型航空电子系统(例如,姿态指示器、无线电导航、仪表着陆系统、近地警告系统)的引入,这些系统旨在克服飞行员外部能见度有限的问题。然而,能见度有限仍然是影响全球航空运营安全和容量的最关键因素。仅在商业航空业,全球超过 30% 的致命事故被归类为可控飞行撞地 (CFIT),即正常运转、机械完好的飞机撞上地形或障碍物,而机组人员由于缺乏外部视觉参考或地形/危险态势感知受损而无法看到。在通用航空业,最大的事故类别是持续飞行进入仪表气象条件,即非仪表等级飞行员继续飞入恶化的天气和能见度,导致视野消失,并可能撞上意外地形或空间迷失方向并失去控制。最后,影响机场延误的最大因素是能见度有限,当天气条件低于目视飞行规则操作时,能见度会降低跑道容量并增加空中交通分离所需的距离。