为什么使用 AI 进行交通速度检测？

引言

交通速度检测是一个大生意。世界各地的市政当局利用它来阻止超速行驶并通过超速罚单创收。但传统的测速仪，通常基于 RADAR 或 LIDAR，价格昂贵。

本系列文章将向您展示如何仅使用深度学习构建一个相当准确的交通速度检测器，并在树莓派等边缘设备上运行。

欢迎从TrafficCV Git仓库下载本系列的代码。TrafficCV是一个跨平台的Python程序，允许您在预先录制的视频或实时交通摄像头源上运行不同的计算机视觉模型，并实时叠加计算出的交通信息。

我们假设您熟悉Python，但这已足够，因为我们将详细介绍TrafficCV中使用的其他库的安装和使用。

超速到底有多糟糕？

道路交通伤害是全球因伤致死的首要原因，每年近135万人因道路交通事故死亡。2020年2月，世界卫生组织发布了一些关于道路交通事故全球影响的有趣统计数据。

• 道路交通事故使大多数国家损失了3%的国内生产总值。
• 超过一半的道路交通事故死亡者是弱势道路使用者：行人、骑自行车者和摩托车骑行者。
• 尽管低收入和中等收入国家约占世界车辆总数（60%）的60%，但世界上93%的道路死亡事件都发生在这些国家。
• 道路交通伤害是5-29岁儿童和年轻人的首要死因。

超速是道路交通事故的关键因素。在美国，NHTSA报告称，2018年有近9,400人因超速死亡。在过去二十年里，美国所有机动车死亡事故中有25%至33%涉及超速和与速度相关的事故。这些事故估计给全国带来了520亿美元的经济损失。

如何检测超速？

自动速度执法（ASE）是指使用摄像头和测速仪在一个自主系统中，监测和记录特定区域或红灯区域的车辆速度和位置。这样做是为了执行限速法律，并改变驾驶员行为以降低速度，提高道路安全。在ASE系统中，当检测到车辆超速时，摄像头会拍摄车辆和车牌、时间、日期、地点、速度的照片，以及——如果相关法律要求——驾驶员的照片。

现代ASE系统使用雷达（Radio Detection and Ranging，RADAR）或激光雷达（Laser Image Detection and Ranging，LIDAR）来检测车辆通过监测区域时的速度，并使用一个或多个摄像头拍摄车辆图像，包括所需细节。激光雷达系统具有低得多的光束发散度，并且可以瞄准特定车辆而不会触发其他车辆的检测器，而雷达系统则能够同时监测大面积分布的几辆车。

ASE解决方案可从多家供应商处获得，形式多样，包括带LED显示的移动路边单车测速仪，以及能够一次检测多辆车的较大的立柱式装置。

多年来，ASEs对超速的安全影响一直被研究。

对13项已审查的自动速度执法研究表明，在引入自动速度执法后，事故数量均有统计学上的显著下降。其中最可靠的评估是针对特定事故多发点或路段（长度从0.31英里（500米）到3.2英里（5.2公里））的固定、醒目的摄像头执法项目。

检测的成本是多少？

简而言之：很多。ASE的成本通常分为固定的初始资本成本和经常性的运营成本。2014-16年纽约市交通局（NYC DOT）140个摄像头的项目初始成本为2650万美元，平均每个摄像头约18.6万美元。两年来的运营成本近4300万美元。运营成本主要包括负责操作和维护系统的全职员工数量，以及生成和邮寄超速罚单的成本。

执法人员使用的手持式和仪表板式测速枪相对便宜。然而，集成了雷达或激光雷达测速仪和自主摄像头单元，并需要一名全职员工来管理和维护的测速摄像头，其总初始成本可能在5万至9万美元之间。

有替代方案吗？是的！

一种比专有的、专有的雷达或激光雷达系统便宜的替代方案，是使用现成的硬件和组件，以及开源操作系统和应用软件的解决方案。

在本系列文章中，我们将探讨如何使用开源图像处理和神经网络模型，在商品化的边缘设备和组件上构建交通速度检测器。我们将使用树莓派4单板计算机（SBC），以及ArduCam可变焦距5MP摄像头和M12镜头座，以及Coral USB硬件加速器，用于加速TensorFlow Lite模型的神经网络推理。

我们的操作系统将是最新版本的Raspberry Pi OS，而我们的主要应用程序框架将是OpenCV和TensorFlow。我们将在Windows 10机器上使用Visual Studio Code开发跨平台Python软件（如果您愿意，也可以使用Linux或macOS），该软件可以远程连接到Pi并运行X服务器，显示来自Pi的图形输出。这样，我们就可以在传统台式机上完成大部分开发工作，并在Pi系统上进行测试和部署。

下一步

在下一篇文章中，我们将介绍如何在Pi上安装操作系统、进行安全设置，并通过WiFi配置远程访问。敬请期待！