利用计算机视觉实现市政街道巡检数字化
计算机与社会
2016-10-03 v1 计算机视觉与模式识别
摘要
“人们希望权威告诉他们如何评估事物。但他们选择这个权威并非基于事实或结果，而是因为它看似权威且熟悉。”——《大空头》。路面状况指数（Pavement Condition Index）正是这样一种被许多美国城市用来衡量街道质量并为每年数十亿美元的街道修缮支出提供理由的熟悉指标。这些数十亿美元的决策所依据的评估标准是主观且不具代表性的。本文在我们2015年D4GX竞赛初始提交的基础上，探讨了市政决策中的信息不对称问题。我们描述了一个流程，利用计算机视觉技术对通过街道质量识别设备（Street Quality Identification Device, SQUID）采集的数据进行街道缺陷识别。我们还描述了一个用户界面，用于托管大量图像数据，以实现街道巡检流程的数字化，并为这一核心公共服务提供可操作的智能信息。这种将设备、数据与街道修缮决策相结合的方法，使城市能够做出有针对性的街道修缮决策，并可能带来预见性响应，从而显著节省成本。最后，我们分享了在纽约州锡拉丘兹市部署SQUID的经验教训。
引用
@article{arxiv.1609.09582,
title = {Digitizing Municipal Street Inspections Using Computer Vision},
author = {Varun Adibhatla and Shi Fan and Krystof Litomisky and Patrick Atwater},
journal= {arXiv preprint arXiv:1609.09582},
year = {2016}
}
备注
Presented at the Data For Good Exchange 2016