据联邦公路管理局(FHWA)估计，超过50%的交通事故发生在十字路口及其附近；秋冬季节黑夜更长，空难也会急剧增加。因此能够在低能见度下准确地对不同交通方式实施智能监控至关重要。
摄像头和雷达均可用于智能交通监控，但摄像头在下雨、黑暗或有雾的条件下作用是有限的，而传统雷达虽然在低能见度下效果更好，但难以区分不同交通方式之间的差异，不能提供丰富的图像。
亚利桑那大学的研究人员开发了一种高分辨率的雷达传感器，可以可靠地区分汽车和行人。无论光照和天气如何，该传感器都可以提供移动目标的计数、速度和方向。未来，他们计划进一步完善该模型，处理更复杂的数据，识别更多的交通方式。
为什么使用毫米波雷达?
该原型设备使用了高分辨率毫米波雷达传感器，能够优于摄像机进行低能度条件下的识别，优于常规雷达提供更丰富的图像。
毫米波雷达比激光雷达更具优势。激光雷达系统能够“看到”很多细节，这使得它很容易确定一个物体是什么，但它们在解析移动目标的速度上有困难。毫米波雷达的优势在于可以提供相对稳定的径向速度，这对于识别车辆速度非常有帮助。
在多式联运交通监控中，关键是掌握每种交通模式的数量和速度。传感器必须能够检测、跟踪、分类和测量移动目标的速度，同时也要保证低成本和低功耗。相比激光雷达，毫米波雷达传感器可以在更低的频段进行多路交通监测，而且在室外不同天气条件下(雨、雪、雾、烟等)的表现更加稳定。
研究团队开发了一个多元高斯混合模型(GMM)来解释毫米波雷达传感器的信息。首先，传感器获得丰富的雷达点云表示。然后，模型将点云分割成三类对象:行人、轿车和“杂物”，杂物指的是建筑物、树木或其他物体等非移动表面。完成之后，数据流就会无线传输到笔记本电脑，并以可视图像的形式显示出来。
UA研究团队制造的原型机成本低，重量轻，体积小，易于安装。研究人员选择在图森的一个十字路口安装了他们的传感器，并在附近的停车场安装了一台笔记本电脑进行测试。测试结果证明新开发的GM模型在检测和正确识别表现良好。
