边缘计算在智慧交通中的应用优势

随着物联网的发展，各行各业对海量信息的实时需求也将得到提升。根据麦肯锡咨询公司的数据，交通在边缘计算的应用行业应用中占比最高。

智能交通的作为一个庞大的系统工程，涵盖了车路协同、信号控制、无人驾驶、执法监控、道路养护等各个方面。

边缘计算在交通领域基于位置的应用，如城市智能公共交通工具运行与交通设施管理时，可以进行基于位置状态的实时处理和数据采集。

而在视频监控的应用中，边缘计算可以建立视频监控的计算模型，提高视频监控系统前端摄像头的智能处理能力，从而优化预警系统和处置机制。

边缘计算在智能交通中的优势主要体现在以下三个方面：

第一，提高本地处理能力。边缘计算的应用将显著提高交通管理方式的智能化和人性化，边缘计算可以在现场独立且快速地完成数据处理任务，从而满足交通领域对实时性的高要求。

第二：减轻网络和云计算平台的负担。边缘计算可以在本地自主处理数据，并将最终的处理结果发送到云计算平台，这不仅加快了数据处理效率，还可以减轻网络传输的负担和云计算平台的处理压力。

第三：数据边界。边缘计算在智能交通中发挥的另一个重要作用就是数据的边界，由于交通状况产生的大量数据是不需要进行长期存储的，比如视频监控录像，在完成数据处理后可以直接将这些数据的丢弃，从而降低存储压力。

无人驾驶中的应用

汽车在道路上行驶时，各种传感器会产生海量数据，如果这些数据全部需要上传云端处理后再返回车辆，就会产生严重的安全隐患，而有独立计算能力的边缘计AI算机，就展现出了自身价值。

例如，一辆高速行驶的自动驾驶汽车正前方突然出现障碍物，需要立即减速或停车时，如果还需要向“云端”上传数据，等待云计算后，反馈刹车命令给汽车，汽车再做出响应，那可能早就发生事故了。

虽然5G的逐渐普及，网络延迟得到了极大的改善，但完全依靠网络和云计算仍然不是一个好选择，如果恰巧汽车处在网络信号故障或受到干扰的区域，云计算完全失联，汽车无法自主进行决断是非常可怕的。

所以要借助边缘AI计算机给予汽车相应思考能力，让他们不需要云计算即可做出“潜意识”的正确反应。

此外，智能交通正在从单一场景的无人驾驶，向融合场景的交通服务发展。V2X（汽车无线通讯互联）场景可以让智能驾驶更安全、高效、便捷。

更多的道路智能设备加入，为汽车提供如限速、恶劣天气预警、并线提醒、路口信号灯配时调度等数据，达到车路协同的目标。

执法抓拍中的应用

通过智慧交通的AI算法，集成人车非识别、轨迹跟踪、车牌识别、人脸与特征识别等算法，借助监控设备对道路上的交通违法行为进行实时监控。

系统智能判断违法行为类型，比如逆行、压线、闯红灯、违章停车等，自动将违法行为的完整过程记录。

通过边缘AI计算机，有效地提高交通监管能力和审核效率，从而节约人力成本。

交通信号中的应用

传统交岔路口，通过加入边缘AI计算机，升级固有摄像机与雷达，将路口改造为智慧路口，在各个方向，将进出路口的机动车进行分析，进行车辆统计和坐标输出。

边缘AI计算机

借助边缘AI计算机，进行道路交通数据采集，如车流量、速度、状态、队列、时距、间距、区域停车数、平均延误、空间及时间占有率等数据。为信号自适应控制、溢出控制、路口仿真等多应用场景提供数据支持；也可为路段信息服务、事件监测、全程监测等多场景提供数据支持。

从行业应用的真实数据来看，深圳市通过信号调优方案，高峰期局部重点路段持续时间预期可减少15％，部分重点路段运行速度提高9％，就是利用边缘计算技术实时监测反馈，实现智能管控。

静态交通中的应用

边缘计算在交通领域的应用还体现在停车的控制系统上，并影响着其对未来的车位数和路面交通的规划。

目前智慧停车已被纳入新基建和智慧城市的战略建设上，边缘计算助力智慧停车趋向成熟、完善，智能停车管理方式大步迈进，加速融合科技与商业。

可通过各个停车场的实时车位使用数据，联动商圈等区域进行整合，自主进行机动车停车引导，疏解地区交通压力。

以上应用场景只是智能交通领域中的一部分，还有诸如智慧公交、智慧路政等不同的边缘计算应用方式，都在利用边缘AI计算设备来提高边缘端的智能化水平。

边缘AI的出现使智能交通更加安全。无论是公路、铁路、航运还是航空，在运输行业中，安全是最重要的。

相信在未来，“边缘计算”在智能交通领域会有更多的技术突破，从而改善我们的日常生活。

汉智兴科技也推出了自主研发的Coeus系列边缘AI计算机，在智能交通领域成功落地应用，为交通行业提供了新生力量。