現在，有效的城市交通管理仍然是智慧城市發展的基石。隨著自動駕駛汽車和互聯交通系統的興起，對于確保交通順暢、充分減少事故和優化效率，動態監控解決方案具有重要意義。然而，傳統的靜態攝像頭設置往往難以適應快速變化的交通條件，從而導致監控和資源利用效率低下。據外媒報道，為了解決這個問題，仁川國立大學（Incheon National University）的研究人員提出了一種解決方案——增強型流體監控系統，旨在實時適應不同的交通場景。

（圖片來源：仁川國立大學）

該創新系統采用排列在動態網格中的單鏡頭攝像頭網絡，可以根據實時交通條件來激活或關閉攝像頭，從而智能地調整其監控覆蓋范圍，確保高效和靈活的監控。

研究負責人Hyunbum Kim副教授表示：“這項研究的開展動機源于人們對自適應交通監控系統的需求不斷增長，這些系統能夠處理各種不可預測的場景。通過創建增強型流體監控系統，我們的目標是徹底改變交通管理，提供無縫智能交通服務。”

為了實現這一目標，該研究正式探討“增強型流體監控效率最大化問題（MaxAugmentFluSurv）”。這個問題的重點是找到設置和使用攝像頭的最佳方式，以最大限度地提高效率，同時仍然覆蓋所有必要區域。

研究人員提出兩種巧妙的解決方案來應對這一挑戰。第一種方法名為隨機值攝像頭級算法（Random-Value-Camera-Level Algorithm），將攝像頭排列成3x3網格。一些攝像頭始終處于開啟狀態以確保基本覆蓋范圍，另一些則根據交通狀況來打開或關閉。通過這種方式，在繁忙時段，更多的攝像頭會打開以進行監控，而在安靜的時候，活躍的攝像頭則較少，從而節省能源。

第二種方法稱為全隨機權重算法（ALL-Random-With-Weight Algorithm），具有類似的工作原理，但更加靈活。它根據每個攝像頭在網絡中的位置為其分配獨特的角色。關鍵位置的攝像頭一直處于活躍狀態，而其他攝像頭則根據交通狀況進行調整。這種方法有助于實現全面監控和有效利用能源之間的平衡。

大量仿真表明，這些方法在不同條件下可以有效地工作，如不同的交通狀況、斜坡和角度。該系統通過預測和調整交通模式，可以減少低交通量期間的能源使用，并在高峰時段提供了強大的覆蓋范圍。Kim教授表示：“這種方法可以優化使用攝像頭，并節約能源，同時確保實現可靠的監控。這是朝著更智能、更環保的交通管理邁出的一步。”

除了交通控制，這種自適應系統還可用于人群監控、事故響應和工業安全。未來研究人員將側重于現實世界測試，以及整合深度學習等技術以獲得更好的性能。這項創新代表朝著建設更智能、更可持續的城市邁出的重要一步。