面向协作道路安全执法与联车集成的 Edge-AI 感知节点
计算机视觉与模式识别
2026-01-14 v1
摘要
新兴经济体如印度的快速汽车化进程造成执法不平衡严重，2023 年仅有约 1 名警官能面对 4000 辆车辆的 1100 万多起违章记录。传统监控和人工开单无法满足这种规模，亟需一种自主、协作且高效能的边缘 AI 感知基础设施。本文提出一种用于多类别交通违章分析和安全事件 Dissemination 的实时路侧感知节点，融入联网智能车生态系统。该节点集成 YOLOv8 Nano 进行高精度多目标检测、DeepSORT 实现车辆的时间一致跟踪，以及具备 MoRTH AIS 159 和 ISO 7591 视觉对比度标准能力的规则导向 OCR 后处理引擎，能识别降解或多语言车牌。部署在配备 128 核 Maxwell GPU 的 NVIDIA Jetson Nano 上，通过 TensorRT FP16 量化优化，系统在 9.6 W 功耗下实现 28~30 帧/秒的推理速度，达到 97.7% 的违章检测准确率和 84.9% 的 OCR 精度，覆盖信号跳过、斑马线违章、逆行、非法 U 型转弯和超速五类违章，无需人工区域感兴趣区域校准。与 YOLOv4 Tiny、PP YOLOE S 和 Nano DetPlus 的对比基准测试显示，本系统在均值平均精度上提升 10.7%，单位功耗准确率提升 1.4 倍。除执法外，该节点通过 V2X 协议发布标准化的 CAM 和 DENM 类型安全事件至联车和智能交通系统后端，证明路侧边缘 AI 分析可在 IEEE 智能车生态系统中增强协作感知和主动道路安全管理。
引用
@article{arxiv.2601.07845,
title = {Edge-AI Perception Node for Cooperative Road-Safety Enforcement and Connected-Vehicle Integration},
author = {Shree Charran R and Rahul Kumar Dubey},
journal= {arXiv preprint arXiv:2601.07845},
year = {2026}
}