今年1月的消費電子展引發了未來幾年自動駕駛汽車進入汽車市場的新浪潮。人們的大部分注意力都集中在這些車輛的技術上。然而。嵌入道路基礎設施的技術也促使服務提供商和市政當局之間進行更多討論。

隨著人工智能和 5G

網絡連接的進步，智能道路基礎設施技術有望被添加到美國許多不同的道路、橋梁和其他交通系統中，以期改善實時交通分析并應對最具挑戰性的道路安全和交通管理問題。本次討論的核心技術之一是當前使用 AI 增強相機以及未來對 LiDAR 技術的承諾。

人工智能將增強相機傳感性能

如今，僅在美國就部署了數十萬臺交通攝像頭，如果考慮到閉路電視攝像頭，甚至還有數百萬臺。它們主要用于道路監控和基本的交通管理應用(例如循環仿真)。然而，將 AI 的最新進展引入這些資產可以立即提高基本應用程序性能并解鎖更高級的軟件應用程序和用例。

與傳統相機中的傳統計算機視覺技術相比，人工智能和機器學習提供了卓越的傳感性能。它們通過能夠自動適應各種照明和天氣條件的算法，對所有道路使用者進行更穩健、靈活和準確的檢測、跟蹤和分類。此外，它們還具有預測能力，可以更好地模擬道路使用者的運動和行為，并提高道路安全。市政機構可以立即受益于人工智能增強型攝像頭，其應用包括道路沖突檢測和分析、行人過路預測以及用于 AV 部署的基礎設施傳感。

LiDAR 技術無法完全取代攝像頭LiDAR 可以提供與相機互補且有時重疊的價值;但是，仍然存在一些安全關鍵的邊緣案例，其中 LiDAR 技術表現不佳(包括大雨和大雪)，并且相機已被證明更好。此外，由于高單價和有限的視野，今天的激光雷達技術大規模部署仍然很昂貴。例如，在一個路口部署多個 LiDAR 裝置需要巨額投資，而一個 360 度 AI 攝像頭可能是更具成本效益的解決方案。

對于許多注重預算的社區來說，人工智能增強型相機仍然是當今經過驗證的首選技術。隨著時間的推移，隨著 LiDAR 技術成本的降低，社區應評估使用此類傳感器增強其基礎設施。

最終，傳感器融合將帶來強勁的結果

當 LiDAR 技術的成本最終達到預期的降低時，它將被視為對當今安裝的 AI 增強相機的強大且可行的補充。與自動駕駛汽車類似，傳感器融合將成為智能基礎設施解決方案的首選方法，并使城市能夠最大限度地利用這兩種技術的優勢。 (傳感器融合是將來自多個 LiDAR、攝像頭、雷達、CCTV 和其他來源的數據輸入整合在一起形成單一環境模型或圖像的能力。)

今天使用具有成本效益和性能的人工智能攝像頭，再加上未來幾年LiDAR的巨大潛力，可以幫助社區和市政當局實現今天和明天的雙贏局面。

歸根結底，目標是改善整體交通流量，減少車輛碰撞和死亡人數，但技術和實施戰略必須是正確的。監控我們道路的技術也需要改變，因此需要考慮今天使用人工智能支持的攝像頭，并有望在明天使用LiDAR。