施乐，鼎鼎大名又臭名昭著的打印机、复印机等数码影印产品厂商，正将其服务范围从办公室拓展到交通大数据服务上。
施乐将其多年的影像技术应用于识别车牌号、车距、乘车人员数量以及占道、抢道行为等违规行车上。与以往的视频监控不同，施乐的将图像处理、分析系统嵌入到摄像头机身，在摄像头采集完图片之后就会自动分析，然后把有用的数据发挥到信息中心或指挥中心作相应处理。
施乐这一实时图像处理系统将会对传统的图像处理专家和工程师造成巨大的冲击，难不成会再现“施乐专利垄断事件”？
施乐调查科学家Abu Islam说，目前困扰远程交通大数据解决方案的最关键问题就是网络宽带问题，遍布各地的摄像头都要将高质量的图像传输到信息中心的服务器来，网络带宽不堪重负。“这些400、600、800万的摄像头每秒拍摄30、40、50张图片，将如此高清的图像传输回信息中心，将会对网络带宽造成巨大的压力。”
如何解决？嵌入式本地化图像处理
Islam说：“每个监控系统都希望他们所获取的都是有用的数据。如果我们可以在摄像头所在位置嵌入本地化图像处理系统，只将有用信息传送回信息中心，可以释放网络带宽压力。智能感知、智能处理，只要发送有用数据。”
目前施乐CrossSafe系统已经运用于美国的校车上，并取得到了巨大成功。当校车在路边停下之后，就会开始记录不遵守交通规则超校车的车辆，然后记录下这些车辆的车牌号，送交管部门处理。（美国法律规定校车停下之后，其后所有车辆必须等待，不得超车，否则属违规要重罚）
CrossSafe的自动违规交通解决方案省事省事，以往出了问题都需要安排一个交警花上好几个小时来回放车载录像，才能找出违规者。Islam说：“听起来很疯狂，CrossSafe系统可以按帧分析图片，一旦有车辆违规就会将车辆信息记录下来。”
除了做图像分析，施乐还将数据分析应用于停车系统上。当白天停车数量多的时候，就会适当减小车辆间距来增加停车位，这一系统最受益的要数停车场，汽车停车的时候可要遭殃了。同时施乐还开发出了移动车辆号牌识别系统，如果这一系统得到普遍应用，那些不守交规的车主可能要遭殃了。
大城市车辆拥堵的一个重要原因就是车辆没法找到停车位，只好绕圈找有空位的停车位，同时还可以减少了市政车辆数量，并在重要节假日对停车位数量智能调整，美国洛杉矶市自从使用了施乐的大数据交通分析系统之后，城市拥堵率下降了30%。
