面向智能交通应用的实时近碰撞边缘计算检测

交通近碰撞事件是重要的数据源，可用于多种智能交通应用，例如作为交通安全研究的替代安全测度，以及自动驾驶车辆测试的极端情况数据。然而，近碰撞检测面临若干关键挑战。首先，从原始数据源中提取近碰撞事件需要大量的计算、通信与存储资源。此外，现有方法缺乏效率与可迁移性，制约了未来大规模应用。为此，本文利用边缘计算的力量，通过实时处理车载现有行车记录仪的视频流来应对这些挑战。我们设计了一种在边缘设备上运行的多线程系统架构，并以线性复杂度对目标检测与跟踪生成的边界框建模。该方法对相机参数不敏感，且可向后兼容不同车辆。该边缘计算系统已通过录制视频以及两辆小汽车与四辆公交车的真实世界测试进行评估，时长超过一万小时。它实时过滤无关视频，从而节省人工成本、处理时间、网络带宽与数据存储。它不仅收集事件视频，还收集其他有价值数据，如道路使用者类型、事件位置、碰撞时间、车辆轨迹、车速、刹车开关与油门。实验展示了该系统在效率、准确性、可靠性与可迁移性方面的良好性能。这是将边缘计算应用于实时交通视频分析的早期尝试之一，有望惠及智能交通研究与应用中的多个子领域。