2018 年，奥地利维也纳的城市规划者安装了他们第一批专门旨在提高行人安全的智能交通信号灯。经过多年的分析和改进，格拉茨技术大学 (TU Graz) 的研究人员现已将第二代、复杂程度呈指数级增长的深度学习软件推广到四个交叉路口的 21 个交通信号灯。然而，与上一代产品不同的是，新系统能够为使用助行器、轮椅甚至婴儿车的行人提供更大的帮助。
残疾人在穿越繁忙街道时面临的风险不成比例。例如，使用轮椅的行人比站着被撞的受害者死于车祸的可能性高 36%。这通常是多种因素共同作用的结果，包括驾驶员可能能见度降低以及轮椅行人过马路时间更长。虽然智能交通信号灯摄像头可以检测到大多数行人，但它们常常难以检测到行动不便的通勤者。例如，在美国，研究人员正在开发专门的应用程序，帮助残疾人规划路线并与交通摄像头协调。
根据 11 月 28 日发布的格拉茨技术大学 (TU Graz) 资料，升级后的智能人行横道信号灯无需应用程序即可大大解决这些先前的限制。这得益于比初始编程高出数千倍的计算能力。每秒浮点运算次数，或称 FLOPs，用于衡量系统可能进行的计算次数，尤其是在涉及大而动态的范围时。Teraflops（每秒一万亿次浮点运算）最常用于高端显卡或超级计算机。2018 年，交通信号灯的分析能力为 0.5 teraflops，而升级后的技术现在的计算能力介于 100 到 300 teraflops 之间。
项目经理 Horst Possegger 在一份声明中表示：“这使我们能够使用更复杂、因此也更强大的机器学习模型，这意味着人们可以被更准确、更可靠地检测到。”“行动不便的人通常需要更长的时间才能过马路。我们的交通信号灯系统能够非常可靠地识别这种需求，从而可以根据需要延长绿灯时间。”
[相关：“智能交叉口”能为城市带来什么？查塔努加旨在找出答案。]
为了构建最新的人行道分析软件，程序员收集了包含不同人数、不同配置以及不同行走辅助设备的街道场景的图像数据集。然而，为了保护个人隐私，研究人员没有收集陌生人的照片，而是招募了志愿者在格拉茨技术大学 (TU Graz) 的 Inffeldgasse 校区扮演场景。由此产生的深度学习模型可以预测一个人想要过马路的意图，准确率达到 99%，而行动不便的检测准确率至少为 85%。即使发生分类错误，交通信号灯的绿灯时间仍然至少会按标准持续时间请求。
每台摄像头会评估每个智能交通信号灯周围约 323 平方英尺的等待区域，这些区域是行人希望随时过马路的区域。隐私是设计人员在此过程中的主要顾虑。在所有情况下，摄像头会在 50 毫秒内处理并删除实时图像数据。唯一能够存储以供将来使用的数据是行人的数量，以及他们潜在的行动不便分类。系统设计者希望这些匿名统计数据能够很快帮助城市规划者更好地协调交通信号灯系统，甚至最终重新设计整个智能交通信号灯的调度。
