2018年12月17日，眾多用戶在ofo新總部前排起長隊，申請退還押金，有更多的人選擇在線退款，截止目前，已經有超過1000萬名ofo用戶在線排隊。以每人99元計算，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過一番市場洗禮后，已經紛紛倒下。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來解決。盡管智能交通項目建設的主要目的并不是安全防范，但項目中大量使用了計算機視覺、邊緣計算、攝像頭等方面的安防技術與產品，成為大安防領域的重要組成部分。近年來，我國不斷加深安防技術在公共交通中管理中的應用，以提高交通運行效率、安全水平和服務能力，為市民帶來智慧出行的體驗。

計算機視覺提升感知精度與維度

智能交通系統要想提升感知精度與維度，計算機視覺必不可少。在智能交通系統中，計算機視覺通過攝像頭對目標進行識別、跟蹤和測量，從視頻監控圖像或多維數據中獲取信息，再交由計算中心處理。

計算機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，也就是現在非常火的汽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。

基于計算機視覺技術的智能交通系統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，城市大腦依靠計算機視覺分析能力，利用每一個交通攝像頭對道路進行即時交通體檢，使交通信號燈根據即時流量，優化路口時間分配，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：與交通數據相連的128個信號燈路口，試點區域通行時間減少15．3％。

邊緣計算實時響應

過去十年中，城市車輛幾何級數般快速增長，如何獲取實時路況信息，如何及時作出響應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。在此情況下，完全進行云端處理力有不逮，邊緣計算由于可以將計算能力和服務部署在網絡邊緣，向附近終端提供通訊和計算服務，被用來解決智能交通系統實時響應的問題。若將“云計算”比作大腦，負責處理相對復雜的進程，那么“邊緣計算”就相當于神經末梢，進行一些“下意識”的反應。

邊緣計算能夠分析和處理交通硬件本身的數據，并過濾掉不需要的信息，從而消除不必要的擁堵。這大大減少了數據傳輸總量，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算實時監測反饋，實現交通智能管控，高峰期局部重點路段持續時間預期可減少15％，大梅沙、龍華等部分重點路段運行速度提高9％。

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