人工智能控制的红绿灯可降低二氧化碳排放

来自工业自动化研究所分支机构INA、人工弗劳恩霍夫研究所光电子、控制可降系统技术和图像开发IOSB的红低氧研究团队正在测试人工智能控制的交通灯，以帮助缓解拥堵和推进智慧城市基础设施。绿灯这些被称为“KI4LSA”和“KI4PED”的化碳项目，可能会在应对气候变化和交通事故方面带来微小的排放改变，但却会产生重大影响。人工

升级的控制可降算法和传感器

KI4LSA 中的红绿灯使用高分辨率摄像头和雷达传感器来提供自学习算法。使用这个升级后的红低氧系统，测试中的绿灯红绿灯实时捕获了更准确的交通读数。

为什么这很重要？化碳当前的轻型解决方案涉及基于规则的控制。当流量模式很少偏离既定模式或经历低流量时，排放它们就可以很好地工作。人工当事情发生变化时，站群服务器控制可降信号灯无法调整，红低氧使交通拥堵更加严重。

例如，如果事故导致交通重新转向到通常不会经历大量交通的十字路口，现有的控制可能不会调整转换时间以解决模式的差异。借助这些人工智能信号灯，传感器将实时记录变化，学习算法将自动调整以缓解拥堵并为交通流量找到合适的平衡点。当事故消除后，灯可以重置以应对下一次交通变化。

第二个项目 KI4PED 专注于人工智能驱动的交通传感器对行人安全的影响。一个正在进行的项目目前正在测试相同的高功率传感器，以便为需要更多时间的行人自动调整交叉时间。传感器使用人员检测（将行人表示为抽象的 3D 数据点以保护隐私）和跟踪以在必要时调整交叉时间并在不需要时减少交叉时间，免费信息发布网从而有可能使交通灯更高效，对行人更安全。

小改变带来大影响

在德国 Lemgo 一个拥挤的十字路口进行的初步测试表明，改变交通信号灯这样的小东西可以将交通流量提高多达 15%。算法会随着时间的推移而学习，并更好地预测和选择最有效的相序。

总体而言，智能交通信号灯可以减轻十字路口空转交通造成的二氧化碳排放的影响。由于它们使用位于接线控制盒上的边缘计算机控制，因此它们提供了可扩展性。

这些测试代表了利用人工智能的力量改进我们的系统，同时减少我们对环境的影响的又一步。b2b供应网