通过人工智能和计算机视觉加强交通执法

March 23, 2020 Brian T. Horowitz

智能城市, 智能交通, 人工智能, 计算机视觉

某座印度南部城市的注册车辆已达百万辆,而且每天还在不断增长,但该城市的街道已经拥挤不堪,主管机关在交通管理问题上苦苦挣扎。技术过时且交管人员不堪重负,这两个问题导致成本高昂、危险加剧且无法扩展。

该城市需要的是一种可以满足其需求的现代化解决方案。这不仅包括检测交通违规,而且在系统内传送违规信息以生成交通罚单之前,还要使主管机关能够看到详细回顾。

好消息是,将计算机视觉和人工智能 (AI) 等技术相结合,使经济高效的全市交通执法得以实现。

可扩展的交通管理

Vehant TrafficMon® 解决方案在标准 IP 摄像头中增加了一个智能层,从而可以检测多种类型的违规行为,而车牌识别则可以识别违规者。除此之外,实时分析及其可视化帮助主管机关展示整个城市的当前状况和趋势,使交管人员能够主动采取行动。

Vehant 的交通监控和路口执法解决方案包括一组具有检测功能的软件模块,例如:

  • 自动车牌识别 (ANPR)
  • 闯红灯
  • 三人骑摩托车且不带头盔
  • 超速
  • 逆向驾驶
  • 随意左转导致拥堵
  • 颜色和标志

主管机关不仅可以在多个位置添加摄像头,而且还可以从一个应用程序开始,并在未来添加更多功能。这种可扩展性可帮助城市关注其关键需求,同时从现有基础设施中获取更多价值。

“视频处理、强大的深度学习算法和边缘人工智能硬件是系统的大脑,” Vehant 的业务开发经理 Dheeraj Saxena 说。“这些功能既可以在事件发生时捕获相应情况,也可以进行分析以提取关键见解和进行有效的资源规划。”

此外,也可以获取各种可行性信息,例如违规数量最高的地区、反复违规者和多次违规车辆。违规趋势分析还有助于主管机关更好地了解社会文化行为。

边缘计算机视觉和人工智能

大部分繁重的处理任务在本地处理单元 (LPU) 完成。

“摄像头信息进入 LPU,” Vehant 的首席技术官 Anoop Prabhu 说。“这就是处理原始帧(包括人工智能模型)的地方,以便了解到底发生了什么,即当前发生的违规行为。” 在这里,只有与违规相关的信息才会从所有城市和路口发送到后端服务器,然后进行整合(图 1)。

智能交通执法和管理架构。(来源:Vehant)
图 1。智能交通执法和管理架构。(来源:Vehant)

在边缘收集的数据不仅让城市能够识别违规活动,而且还可以采取积极主动的方式改善道路安全。

借助英特尔® OpenVINO 工具包,Vehant 的人工智能和机器学习能够在英特尔® 平台上实时处理工作。“通过与英特尔密切合作,使我们能够调整计算密集型应用程序,从而确保处理器的无缝操作,” Prabhu 说。

在数据中心,中央管理服务器应用程序接收来自边缘设备的所有数据。此有价值的数据推送通过 API 传递到指挥中心,以提供相关信息(图 2)。

后端办公系统提供所有可用数据的集中视图。(来源:Vehant)
图 2。后端办公系统提供所有可用数据的集中视图。(来源:Vehant)

构建智能交通执法和管理解决方案

从规划到实施,系统集成商 (SI) 与多个城市和 Vehant 合作,在正确的位置部署正确的解决方案。凭借丰富的专业知识,他们非常适合帮助交管人员规划涵盖道路、十字路口和热点区域所需的系统架构和基础设施。

这包括摄像头的安装位置和边缘设备的所在位置,以实现最佳覆盖。SI 可以设计将边缘计算设备连接回主服务器的网络基础设施。

“我们灵活且模块化的解决方案架构能够进行水平和垂直缩放,并且可以轻松添加新的软件模块,以利用现有摄像头基础设施,” Vehant 联合创始人兼首席执行官 Kapil Bardeja said Kapil Bardeja 说。“这有助于 SI 简化部署和进行项目扩展。”

对于交通警察和城市规划者等主管机关来说,这些技术的部署给市民和主管机关带来了以下实实在在的益处:

  • 有效的交通执法
  • 更好的道路安全
  • 减少拥堵
  • 更顺畅的交通流量控制
  • 针对城市基础设施规划的见解

在解决交通管理问题后,智能城市会变得越来越智能。

作者简介

Brian T. Horowitz

Brian T. Horowitz is a technology journalist who has written extensively about enterprise technology, AI, IoT, innovation, and digital health. His work has been published in outlets such as eWEEK, Fast Company, PCMag, Scientific American, and USA Weekend. In addition, he has spent time in the world of branded content, writing everything from articles and e-books to white papers and infographics for tech clients. Brian is a graduate of Hofstra University in New York.

Brian T. Horowitz 的更多内容
上个文章
零售数据汇集在店内边缘
零售数据汇集在店内边缘

零售商如何在不中断运营的情况下融合多系统数据?答案就在店内边缘。了解如何将不同的数据流融合到一个无缝的端到端解决方案中。

下个文章
制造业的“无人值守”生产之路始于软件
制造业的“无人值守”生产之路始于软件

制造商如何实现“无人值守”的生产愿景?首先,产能必须取决于软件而非硬件。了解一家公司如何做到这点。