“边缘人工智能通过在数据源附近（如交通摄像头和传感器）实现实时数据处理和决策，改善了交通管理系统。这种设置减少了延迟，因为数据是在本地进行分析，而不是发送到中央服务器进行处理。例如，一个智能交通信号系统可以在交叉口评估车辆和行人流量，快速调整信号周期，以改善交通流量和增强安全性，而无需等待数据的来回传输。
除了更快的处理速度，边缘人工智能还允许更好的资源利用。交通管理系统通常依赖于多种数据源，如摄像头、道路传感器和GPS设备。通过在边缘处理这些数据，设备可以过滤掉不相关的信息，仅将关键洞察转发给中央系统。例如，一个监测交通的边缘AI设备可以立即检测到异常模式，如拥堵或事故的突然增加，并向交通管理中心发出警报。这种有针对性的方法减少了带宽需求，使中央系统能够集中关注长期趋势，而不是日常波动。
最终，边缘人工智能增强了交通管理系统的适应性和效率。凭借本地决策能力，这些系统可以更有效地响应变化的情况，如事故、施工或高峰时段。例如，基于边缘的系统可以根据实时情况动态调整交通路线或信号时机。这将导致更顺畅的交通流动、缩短的旅行时间，以及为驾驶者和行人提供更安全的环境，展示了在城市交通管理中实施边缘人工智能技术的实际效益。”