本技術研究開發低畫質高空路側影像之車輛偵測和追蹤模型，可有效針對需求方所提供之高空低畫質路側影片，應用於路口車輛資訊統計與交通事件資料模擬生成，解決現行路側設備低畫質之物件辨識應用問題。此計畫將利用深度學習技術，發展新的輕量化backbone，更加精確地偵測小物件，發展路口交通流量與安全衝突技術，透過人流與車流之空拍影像，找出人車出現的熱點區域，提供之高空低畫質路側影片中各路口之車輛轉向量統計、可提供本計畫運用此模型應用於路口車輛資訊統計與交通事件資料模擬生成應用，供後續交通管理與安全分析作參考，進而快速將路口交通做有效的疏散。

本技術開發輕量化深度學習網路架構設計，利用空拍影像分析交通流量，通常因高度過高，地面上的物體常常會小於20*20，目前有名的物件偵測器YOLO v3 或SSD 之方法皆無法有效偵測，本技術將發展新的輕量化網路架構，並嘗試解決pooling的一些問題，不只速度的提升，且能對小物件的偵測準確度大幅提升。

可利用SSAM為基礎，開發一套高事故風險地點診斷工具分析工具，透過交岔路口基本之交通資訊，診斷交叉路口交通衝突問題，藉以協助交通管理單位與道路設計人員作為預防性交通安全改善之參考，除此之外並能透過VISSIM模擬各城市之交通路況，並利用RL技術，發展交通紅綠燈控制技術與系統。