智能交通技术是干什么的,无人驾驶汽车价格

目前有许多 AI 驱动的道路维护项目正在运行，包括 RoadEye，它在交通和计算机视觉中使用机器学习来克服路面损坏问题。

RoadEye 项目将使用一个集成系统进行实时路况监测。摄像头将与嵌入式系统相结合，集成到一个完整的 ADAS 系统中，该系统本身将通过机器学习实时跟踪它所行驶的任何路面的状况。

RoadEye 开发的机器学习技术将道路状况分为不同类别，例如“潮湿”或“正常”，它还将检测道路表面的不规则性，包括坑洼。

RoadEye 的目标包括使用汽车创建完整的道路图像数据集，然后在所述数据集上训练计算机视觉技术。该数据集将在国家层面进行整理，然后将用于 ADAS 应用程序。

RoadEye 也有其他用途。例如，它可以在道路结冰时向驾驶员发出警告，提高驾驶员的保持力，从而节省燃料，并让他们在驾驶时更加安心。

交通事故检测是 ITP（智能交通系统）和人工智能交通领域研究最多的领域之一。毕竟，只要有交通，总会有事故发生——而且总会有拦路虎。这对于那些负责保持道路畅通的人来说是有问题的，因为最终目标是确保交通畅通无阻。

多年来，视频监控在跟踪道路网络和十字路口方面一直发挥着重要作用。它为交通管理中心提供事件和交通流的实时视图，使负责人能够尽快做出响应。然而，人类是有限的，不能同时监控每一个摄像机。由于任务一直是手动的，因此并不总是能立即检测到事件，因此拖延时间会延长。

这就是自动事件检测的用武之地。它使用计算机，并将传感器与计算机视觉相结合，不断监控所有摄像头，寻找事故、排队和异常交通状况。

它是如何工作的？

城市道路网络配备闭路电视摄像机和多个探测器。它们共同为自动化、不间断的监控奠定了基础。在计算机视觉的支持下，探测器能够提供持续的数据流，帮助 TMC 进行交通运营。

每当交通状况出现异常时，控制中心操作员都会收到警报，并且他们能够尽快对人工智能驱动系统检测到的任何事件做出响应。为了收集数据，自动事件检测依赖于闭路电视摄像机和车载感应回路。

已经创建了用于自动事件检测的系统。例如，ClearWay 已经足够复杂，能够在事件发生后的前十秒内发现事件。该系统可在任何照明和天气条件下工作，可用于十字路口、隧道、开放道路，并且在设计时考虑了智能城市。

与此同时，每个传感器每天的误报率仅为一个，其 AID 雷达覆盖范围高达 1,000m。它能够检测到的不同类型的事件包括：

• 碎片检测；
• 行人检测（和动物）；
• 固定车辆；
• 方向错误的车辆；
• 车辆太快或太慢。

另一家为 ATI 使用计算机视觉的公司是海康威视。海康威视的系统可以可靠地检测隧道、桥梁沿线和高速公路上的事故，其解决方案基于智能视频处理。操作员可以快速收到事件警报，并可以立即做出反应。

自动车牌识别涉及使用连接到高速公路立交桥和街道杆的计算机视觉摄像系统来捕获车牌号以及位置、日期和时间。一旦图像被捕获，数据就会被输入中央服务器。

自动车牌识别可以使用专门为此目的设计的新摄像头系统，也可以使用现有的闭路电视以及道路执法摄像头。

为什么需要自动车牌识别？

它通常被警方用来帮助他们证实证据。例如，犯罪现场是否存在微粒车辆？有人有合法不在场证明吗？然而，自动车牌识别也可用于发现出行模式，并广泛用于高度监控、停车管理和收费管理。

警方收集的信息是否与其他机构共享取决于具体的执法机构本身。自动车牌识别并不像交通检测和路况监测等其他交通事务那样紧迫。因此，围绕它的问题，例如更多的政府支出和高错误率，被认为是有争议的。

此外，自动车牌识别理论上可以了解驾驶员生活的私密细节，并了解谁可能（除其他外）参加抗议活动或参观枪支商店等，这意味着公众支持受到打击和错过。

毕竟，司机无法选择不让他们的车牌被看到。

在美国，每年因困倦和疲劳导致的交通事故约为 56,000 起，死亡人数多达 1,500 起。根据这些统计数据，英国政府将驾驶员疲劳确定为“需要解决的驾驶员行为的主要领域之一”。

必须承担个人责任，但正如那些该死的统计数据所示，这还不够。要求司机更加小心驾驶并不能消除人为错误。

计算机视觉现在已被添加到车厢中，目的是更好、更安全地监控驾驶员。该技术使用面部检测和头部姿势估计来寻找困倦和情绪识别等问题，每年可以防止数千起事故和死亡。

这一点非常重要，因为很多司机不愿意承认他们疲劳的时候，或者感觉有点昏昏欲睡会影响他们的驾驶能力。

人工智能驱动的技术可以在驾驶员因疲劳驾驶受到重大打击时提醒他们，并建议他们停车休息。这确保了驾驶员、乘客以及其他道路使用者的安全。

该技术被证明有用的其他领域包括驾驶员分心。如果驾驶员分心——例如，通过他们的移动设备——技术可以立即提醒他们保持专注于道路。其他干扰可能包括与后座乘客聊天，这会在司机没有意识到的情况下削弱他们的注意力。

Eyedentify 已经开发了一种用于检测驾驶员疲劳和分心的解决方案。他们的系统能够实时提醒驾驶员保持注意力集中，并将注意力集中在道路上。

交通中的人工智能正在利用重要的先进技术，例如交通中的大数据以提高安全性和机器学习以提高效率，以便城镇和智慧城市能够减少道路事故的数量，改善交通状况畅通，甚至将罪犯绳之以法。

事实上，当您能够解决困扰交通运输行业的所有关键问题时，例如大量不必要的死亡、瓶颈和损坏的道路，以及交通运输中的大数据和机器学习等，安全性和效率会显着提高。

当然，我们只是处于激动人心的前沿。还有更多的事情要做。随着技术的不断改进，希望更多的智慧城市将出现在世界各地，提高全球运营效率，增强可持续性，并使我们的道路、高速公路和十字路口更安全、更美好。

图片来源于网络

投稿、申请转载、合作、AI课程推广，请联系我们