精选今天0 投票
用AI分析城市路口：基于现有监控摄像头的软基础设施效果评估
一项新研究展示了如何利用现有城市监控摄像头，通过人工智能与计算机视觉技术，快速评估人行道延伸、临时安全岛等“软干预”措施对交通速度与安全的影响。
研究背景
城市交通管理中的“软基础设施”指非永久性、低成本的道路改造措施，例如临时隔离桩、彩色铺装或凸起人行横道。这类干预措施安装灵活、调整方便，但传统效果评估依赖人工测速或临时传感器，成本高且样本有限。
方法创新
来自北卡罗来纳大学夏洛特分校和明尼苏达大学的研究团队提出一个AI分析框架，直接利用城市已有的闭路电视（CCTV）监控摄像头进行数据采集。系统采用深度学习模型检测车辆，并通过透视变换将图像中的像素运动转换为真实世界速度，无需额外硬件。
研究在明尼阿波利斯市的多个路口进行了前后对比实验，并在干预后第1周和第2周进行重复测量，以观察效果的持续性。
主要发现
- 无信号灯路口：平均车速下降高达18.75%，85%分位车速下降16.56%，穿行交通量减少12.2%。
- 信号灯路口：除个别地点外，平均车速下降最高达20.0%，85%分位车速下降17.19%。
这些数据表明，软干预措施能有效降低车速并减少不必要的穿行交通，且效果在两周内保持稳定。
行业意义
该研究为交通政策评估提供了一种低成本、可扩展的新范式。传统方法需要部署专用传感器或人工调查，而AI+CCTV方案利用现有基础设施，数据采集几乎零边际成本，且能覆盖更多路口。
这一思路与智慧城市的发展方向高度契合。随着城市摄像头网络的普及，AI分析不仅能用于交通管理，还可延伸至行人流量统计、违规行为检测等领域。论文已被《国际交通研究杂志》接收，预计将为城市交通规划提供实用工具。
局限与展望
研究也指出，单摄像头视角存在遮挡问题，且速度估算精度受摄像头安装角度影响。未来可结合多摄像头融合或边缘计算提升实时性。尽管如此，该工作已证明AI在交通政策评估中的巨大潜力。