智能移动

“VRU”是“易受伤害的道路使用者”的缩写.e. 面临极高风险的道路使用者. 例如，vru是行人、骑自行车的人和小型电动汽车(如电动滑板车)的用户. 它们不像汽车或货车那样被保护性的驾驶室包围. 一些出版物还提到了没有褶皱区域的道路使用者.

在道路交通中死亡和重伤的人中，约有一半是脆弱的道路使用者. 在城市，这一数字高达70%. 根据德国联邦统计局的调查, 共6个,727 pedestrians were seriously injured in 2019 in 德国; more than 400 were killed. 人行横道和人行横道是特别危险的地方. 这些交通枢纽发生了一万多起交通事故. 但是，不仅仅是行人需要得到更好的保护，骑自行车的人尤其危险. 根据联邦统计局的数据, 总共将近90个,2019年，有000名自行车手受伤，445人死亡.

这种积极发展的负面影响是:自行车道拥挤，自行车红绿灯处交通堵塞. 汽车司机不堪重负. 涉及两轮车的事故越来越多，尤其是在建筑密集的地区, 哪里平均90%的自行车事故导致人身伤害. 由于电动自行车和脚踏式自行车等新型、更快的交通工具的出现，这种情况正变得更糟. 脚踏自行车和电动自行车已经占到自行车死亡人数的三分之一. 因为它们的速度更快, 这些车辆对乘客提出了更高的要求，但也对其他道路使用者，如汽车司机提出了更高的要求.

更快更灵活的两轮车缩短了司机的反应时间. 两条路走得越快，危险就越大. 因此，超高速也是道路交通中虚拟动车发生事故的主要原因之一. 解决办法:松开油门，同时松开踏板! 各种研究表明，致命事故的数量, 例如, 引入30公里/小时的限速区(19英里/小时)可以显著减少拥堵. 欧洲交通安全委员会(ETSC)考虑在所有市中心地区限速30公里/小时, 哪些是行人和骑自行车的人经常使用的, 成为最有效的措施. 西班牙已经树立了一个好榜样:自2021年5月以来, 所有城市都实行时速30公里的限速, 只有少数例外. 通过这种方法, 西班牙的目标是在2019年进一步降低每100万居民36人的交通死亡人数.

然而，驾驶失误和人为失误仍然是城市交通事故最常见的原因. 转弯、倒车、进进出出时的误差排在第一位. 不让出优先路权排在第二位, 未能保持安全距离排在第三位. 然而，严重的事故几乎总是由不适当的速度引起的. 此外，超速行驶使十字路口和交叉路口特别危险.

实施交通安全理念, 联邦政府有必要拥有可靠的数据, 城市和市政当局, 但也适用于道路使用者. 很多年了, 车速和红灯监测系统在监测道路交通方面作出了不可缺少的贡献, 预防事故和保护特别脆弱的道路使用者.

使用人工智能(AI), 或者更准确地说是卷积神经网络(CNN), 为交通监控领域开辟了新的可能性. 在过去, 需要复杂的系统来可靠地检测单个道路使用者, 但如今，基于人工智能的系统可以相对轻松地做到这一点. 真正的诀窍在软件中. 智能视频分析, 例如, 可以实时区分不同类型的道路使用者，并识别出特别危险的虚拟车辆, 例如. 所需要的只是一台带有紧凑计算单元的摄像机和一个经过适当训练的神经网络.

在迪拜, 一个试点项目已经实施，展示了如何利用机器学习和人工智能来提高人行横道的安全性. “行人安全执行制度”,由迪拜警方和VITRONIC中东500购彩平台联合开发, 可以对特大城市的人行横道进行基于规则的监测.

基于cnn的系统监控人行横道并自动区分行人, 骑自行车的人, 以及机动道路使用者. 车辆在人行横道上无视行人的优先通行权或危及行人安全, 违规记录类似于红灯监控. 除了, 该系统还可以连接到交通灯控制系统，以便自动将现有的交通灯切换为红色，并允许行人通过.

在智能机器的帮助下，检测特别脆弱的道路使用者在未来将变得更加重要. 这一点在汉堡市区距离中央火车站不远的自动驾驶和互联驾驶(TAVF)测试轨道上得到了证明, CCH会议中心附近. 摄像头为智能基础设施提供有价值的数据，例如交通流量数据.

除了摄像技术，汉堡还使用了其他传感器. 得益于实时数据, 一方面对交通灯处的交通流进行了优化, 另一方面提高了vru的交通安全性. 具体地说, 所谓的cpm(集体感知信息)被发送给正在使用的自动或半自动车辆. 电子信息警告司机或(半)自动化车辆与vru的潜在碰撞, 从而延长反应时间，避免碰撞.