边缘计算助力智能交通管理：两级模型提升视频监控效率

智能交通管理系统捕获大量视频数据，并利用视频处理的最新进展来检测和监测交通事故。传统上，收集的数据被转发到交通管理中心（TMC）进行深入分析，可能会加剧到 TMC 的网络路径的瓶颈。为了减轻这种瓶颈，我们建议利用边缘计算，在靠近摄像机的边缘节点上配备计算资源（例如，云端）。与 TMC 相比，云端具有有限的计算资源，提供有限的视频处理功能。在本文中，我们重点关注两种常见的交通监控任务：拥堵检测和速度检测，并提出一种两级边缘计算模型，充分考虑到云端的有限计算能力和不稳定的到 TMC 的网络状况。我们的解决方案利用两种算法来实现每个任务，一种在边缘实现，另一种在 TMC 实现，这些算法都是考虑不同计算资源的。TMC 提供强大的计算能力，但它接收到的视频质量取决于底层网络状况。另一方面，边缘处理非常高质量的视频，但计算资源有限。我们的模型捕获了这种折衷。我们通过不同天气和网络条件的试验台实验评估所提出的两级模型以及交通监控算法的性能，并表明我们提出的混合边缘-云解决方案优于云单独和边缘单独解决方案。