2018年12月17日，眾多用戶在ofo新總部前排起長隊(duì)，申請退還押金，有更多的人選擇在線退款，截止目前，已經(jīng)有超過1000萬名ofo用戶在線排隊(duì)。以每人99元計(jì)算，ofo需退還押金9．9億元。而在此背后，可以看到人們對于交通出行的龐大需求。

ofo僅僅是共享單車大軍中的一員，但以緩解城市交通壓力而崛起的共享單車經(jīng)過一番市場洗禮后，已經(jīng)紛紛倒下。如何緩解日益增長的道路交通壓力問題，還是要交給智能交通系統(tǒng)來解決。盡管智能交通項(xiàng)目建設(shè)的主要目的并不是安全防范，但項(xiàng)目中大量使用了計(jì)算機(jī)視覺、邊緣計(jì)算、攝像頭等方面的安防技術(shù)與產(chǎn)品，成為大安防領(lǐng)域的重要組成部分。近年來，我國不斷加深安防技術(shù)在公共交通中管理中的應(yīng)用，以提高交通運(yùn)行效率、安全水平和服務(wù)能力，為市民帶來智慧出行的體驗(yàn)。

計(jì)算機(jī)視覺提升感知精度與維度

智能交通系統(tǒng)要想提升感知精度與維度，計(jì)算機(jī)視覺必不可少。在智能交通系統(tǒng)中，計(jì)算機(jī)視覺通過攝像頭對目標(biāo)進(jìn)行識別、跟蹤和測量，從視頻監(jiān)控圖像或多維數(shù)據(jù)中獲取信息，再交由計(jì)算中心處理。

計(jì)算機(jī)視覺能給交通帶來的主要有如下幾個方面：第一個是車輛檢測與感知，第二個是車輛身份的識別，第三是車輛身份的比對，第四個是車輛的行為分析，第五個是駕控，也就是現(xiàn)在非�；鸬钠�車輔助駕駛與無人駕駛。涵蓋道路感知、停車場感知、車輛特征識別、車輛行為分析等，幾乎全方位覆蓋智能交通的各個層面。

基于計(jì)算機(jī)視覺技術(shù)的智能交通系統(tǒng)的提出將極大地提高工作效率并降低勞動力成本，提升交通智慧程度。在杭州，城市大腦依靠計(jì)算機(jī)視覺分析能力，利用每一個交通攝像頭對道路進(jìn)行即時(shí)交通體檢，使交通信號燈根據(jù)即時(shí)流量，優(yōu)化路口時(shí)間分配，提高交通效率。2017年云棲大會上，杭州城市大腦也交出了亮眼答卷：與交通數(shù)據(jù)相連的128個信號燈路口，試點(diǎn)區(qū)域通行時(shí)間減少15．3％。

邊緣計(jì)算實(shí)時(shí)響應(yīng)

過去十年中，城市車輛幾何級數(shù)般快速增長，如何獲取實(shí)時(shí)路況信息，如何及時(shí)作出響應(yīng)以便讓緩解交通擁堵，保持道路順暢，一直都是全社會的焦點(diǎn)。在此情況下，完全進(jìn)行云端處理力有不逮，邊緣計(jì)算由于可以將計(jì)算能力和服務(wù)部署在網(wǎng)絡(luò)邊緣，向附近終端提供通訊和計(jì)算服務(wù)，被用來解決智能交通系統(tǒng)實(shí)時(shí)響應(yīng)的問題。若將“云計(jì)算”比作大腦，負(fù)責(zé)處理相對復(fù)雜的進(jìn)程，那么“邊緣計(jì)算”就相當(dāng)于神經(jīng)末梢，進(jìn)行一些“下意識”的反應(yīng)。

邊緣計(jì)算能夠分析和處理交通硬件本身的數(shù)據(jù)，并過濾掉不需要的信息，從而消除不必要的擁堵。這大大減少了數(shù)據(jù)傳輸總量，并有助于降低操作和存儲成本。以深圳為例，深圳交通利用邊緣計(jì)算實(shí)時(shí)監(jiān)測反饋，實(shí)現(xiàn)交通智能管控，高峰期局部重點(diǎn)路段持續(xù)時(shí)間預(yù)期可減少15％，大梅沙、龍華等部分重點(diǎn)路段運(yùn)行速度提高9％。

結(jié)語：安防技術(shù)為人們提供出行安全與便利，技術(shù)手段到位，那么人力成本就會有很大節(jié)約。不過，技術(shù)產(chǎn)品到位又必須依靠政府政策與資金的有力支持才能實(shí)現(xiàn)。道路交通治理不是一項(xiàng)立竿見影的小工程，但是，多方面的有效解決方案實(shí)施會讓我們的交通環(huán)境在日積月累中變化，其中安防技術(shù)的作用不可忽視。