这项数字城市领域的创新活动由欧洲领先的数字化转型机构EIT Digital资助和实施,米兰理工大学也参与其中。该活动旨在基于先前的研究,在真实的交通场景中完善和测试一款完全可市场化的独特产品。该产品能够实时、高精度地自动识别道路上行驶的车辆类型以及前后排乘客人数。.
该解决方案将使市政当局和其他交通基础设施管理者(如道路或停车场运营商)能够了解出行模式,并制定减少交通拥堵、优先鼓励使用公共交通、高载客量车辆和低排放车辆的战略和政策,从而改善交通流量、空气质量和噪音水平。.
准确自动识别车辆和乘员,结合数据处理和分析,将有助于更好地了解交通状况,根据乘客人数、车辆类型、车牌号等因素,实施折扣或罚款、浮动定价(例如停车场或收费站)以及对某些道路(尤其是在市中心)实施通行限制。这还将有助于促进市民使用公共交通、汽车共享、高乘载车辆、低排放车辆、停车换乘设施和其他出行方式。.
目前,实施此类措施需要交通管理部门进行监督和威慑控制,以确保合规并查处违规行为,这使得此类措施的广泛应用变得复杂、低效且不可靠。BeCamGreen 旨在最终开发出一款自动化、可靠且价格合理的商业产品,以满足市场的实际需求。在美国等国家的公路招标中,越来越多的项目要求采用这种解决方案,这有助于为特定车辆创建专用车道,并促进众多欧洲城市正在实施的交通管制策略的制定。.
计算机视觉、深度学习和多光谱分析
BeCamGreen 将利用大数据、人工智能视觉、深度学习和多光谱分析等领域的最新技术,开发一种自动且非侵入式的解决方案。.
Indra 将致力于改进此前研发项目(例如 DAVAO)中开发的用于人员和人脸检测的图像处理算法。为了提高检测精度,公司将采用更先进的视频监控设备,并将这些算法与新开发的实时图像处理算法相结合。该解决方案还将包含多光谱分析,用于检测人体皮肤,从而避免误报和错误,例如区分人体模型或其他类型的模拟物体。其目标是整合最新的软硬件技术,以提高系统精度,并降低潜在客户的投资和运营成本。.
米兰理工大学将致力于开发一个大数据引擎,利用并整合来自各类物联网传感器、社交网络、各种开放数据源以及项目自身视觉子系统的实时信息,来检测和预测交通状况。这个实时大数据引擎将提供宝贵的信息,帮助管理者制定决策、验证并改进其交通管理策略。.
