Камеры Flock обрабатывают 20 млрд считываний номеров в месяц в 49 штатах
Материал подготовлен искусственным интеллектом на основе нескольких источников — ссылки на оригиналы приведены ниже.
Сеть автоматического распознавания номеров Flock обрабатывает более 20 миллиардов считываний автомобилей в месяц в 49 штатах, согласно февральскому блог-посту компании 2026 года. Компания заявляет о точности 96%, что всё равно оставляет 800 миллионов потенциальных ошибок ежемесячно. В Розвилле, Калифорния, точность системы Flock составила лишь 29%.
Ключевые факты
- Сеть Flock обрабатывает более 20 миллиардов считываний автомобилей в месяц в 49 штатах.
- При 20 миллиардах считываний в месяц 4% ошибок равны 800 миллионам потенциальных ошибок ежемесячно.
- В Розвилле, Калифорния, точность системы камер Flock составила лишь 29%.
- 20 миллиардов считываний в месяц в среднем дают 157 считываний в секунду на штат.
Масштаб наблюдения
Сеть автоматического распознавания номеров Flock обрабатывает более 20 миллиардов считываний автомобилей в месяц в 49 штатах, согласно февральскому блог-посту компании 2026 года. Этот объём в среднем превышает 408 миллионов считываний на штат в месяц. При 30-дневном месяце камеры делают 13,6 миллиона фотографий в день в каждом штате. Разделённое на 86 400 секунд в сутки, это составляет 157 считываний в секунду на штат в среднем. Эта цифра не включает камеры других компаний, таких как Axon, которые заменяют Flock в некоторых местах.
Проблемы с точностью
Flock утверждает, что её сеть ALPR правильно считывает номерные знаки в 96% случаев. При 20 миллиардах считываний в месяц 4% ошибок равны 800 миллионам потенциальных бессмысленных штрафов за нарушение ПДД, ошибочных арестов за угон и опасных полицейских контактов каждый месяц. Город Розвилл, Калифорния, обнаружил, что его система камер Flock была точна лишь в 29% случаев, то есть частота отказов составила 71%. Если бы камеры Flock по всей стране имели 29% точных идентификаций, это означало бы 14,2 миллиарда потенциальных случаев, когда правоохранительные органы могли бы остановить человека из-за технической ошибки каждый месяц.
2 источника
Время · отставание