人工智慧和計算機視覺正在徹底改變交通資料採集方式。一項發表在arXiv上的最新研究提出了一種基於AI的分析框架，利用現有的閉路電視（CCTV）監控系統，評估交叉口臨時性行人安全島和路緣擴充套件等軟基礎設施（soft interventions）對車輛速度和交通安全的影響。該研究由Vinit Katariya、Seungjin Kim、Curtis Craig、Nichole Morris和Hamed Tabkhi共同完成，論文標題為《智慧監控攝像頭用於城市設計：基於AI的交叉口軟基礎設施分析》。
研究團隊選擇明尼阿波利斯市的多個交叉口作為實驗地點，安裝了臨時行人安全島和路緣擴充套件等軟干預措施。他們採用深度學習模型和基於透視變換的速度估計演算法，評估軟干預措施安裝前後駕駛員行為的變化，並在安裝後第一週和第二週進行了重複監測。結果顯示，在無訊號交叉口，平均車速和85%分位車速分別下降了最高18.75%和16.56%，同時透過該交叉口的交通量減少了12.2%。在訊號交叉口，除一個地點外，平均車速和85%分位車速分別下降了最高20.0%和17.19%。這些資料明確證明了軟基礎設施在降低車速、提升道路安全方面的顯著效果。
該研究的核心創新在於完全依賴現有的CCTV監控基礎設施，無需額外安裝感測器或裝置。透過AI和計算機視覺技術，交通規劃者能夠以極低的成本和極短的時間獲取基於證據的政策評估結果。論文作者指出，這種AI驅動的方法能夠廣泛應用於城市交通規劃，幫助決策者更有效地實施交通靜音化措施，從而改善道路安全。
該論文於2026年5月6日提交至arXiv預印本平臺，並附有評論說明其已於2026年1月12日提交至《國際交通研究期刊》（International Journal of Transportation Research）進行同行評審。論文共16頁，包含6張圖和7張表格。這一研究不僅展示了AI在交通領域的實際應用潛力，也為低成本、快速響應的交通政策評估提供了新的正規化。