智能交通新发展：机器视觉助力冬季道路状况监测

加拿大滑铁卢大学的研究人员开发了一种计算机视觉和人工智能辅助的冬季道路状况监测系统并开展了试点工程，使用低成本、非专用的硬件（如机器视觉相机和温度传感器）实时收集处理和传送道路状况数据。与现有解决方案相比，该系统可安装在各种车辆上，对道路状况进行更客观的评估，并且路况监控的时空覆盖范围更广。

项目简介：对大多数交通运输部门来讲，在暴风雪期间和之后对冬季路面状况进行监测是一项必不可少的工作，便于他们检测维护服务需求、比较不同处理方法的效果、评估不同路段承包商的路面维护服务质量。实时路况信息对于路上的行人来说很重要，他们可以通过这些信息来调整行程并决定要不要开车，例如什么时候、用什么交通工具、去哪里。

这项技术的初期工作主要是为了测试为其他研究项目收集的二次图像数据而开发的算法。在过去的两年中，研究人员专门开发了一个车载数据收集系统，并且正在不断调试改进。在服务器端，研究人员开发出一种图像处理应用，可与车载数据收集系统相呼应，存储并处理图像数据，还可显示基于路况状态计算而更新的当前路况。在MTO（安大略省运输部）的帮助和资助下，巡逻车上已经部署了这一系统，并且还在不断调试，并且已经成功储存了超过10000个数据点的信息，表现不俗。

技术评估：滑铁卢大学开发的机器视觉产品属于嵌入式系统产品，将传感器与云计算相结合，可实现人工智能。该项目的机器视觉产品有如下特点：直接安装在车辆上。与定点安装的传感器不同，如将每辆车采集的数据进行汇聚，可以实现实时路况的数据采集。另外，还能体现一种众包的思想，即通过社会车辆完成数据收集；辅助人工智能。与大数据相结合，将道路的信息通过人工智能分析，实现对交通流量的调度。实际上，这是一种智能交通。

目前，滑铁卢大学机器视觉产品所存在的问题是如何将采集数据与大数据分析相结合反馈给驾车者。比如说，可以通过APP等，借助智能手机、平板电脑，将分析结果反馈给用户。这样，除了开拓专用车辆（例如工程车、清洁车等）市场外，还可以开拓普通私家车市场，这有利于市场规模的进一步扩大。

项目优势：成本极低的解决方案、可覆盖较宽阔的空间和较长的时间、可单程覆盖多条车道。