交通運輸中的人工智能AI-創(chuàng)新互聯(lián)

這聽起來可能很奇怪，但我曾經(jīng)被稱為交通領域人工智能的懷疑論者，盡管我是這項技術的堅定支持者。但說實話：在我們的行業(yè)里，人們對AI的渴望多于行動。是的，世界各地都在舉行自動駕駛汽車試點，但這是否意味著我明年可以乘坐自動駕駛班車上班？可能不會。

創(chuàng)新互聯(lián)公司-專業(yè)網(wǎng)站定制、快速模板網(wǎng)站建設、高性價比寶豐網(wǎng)站開發(fā)、企業(yè)建站全套包干低至880元,成熟完善的模板庫,直接使用。一站式寶豐網(wǎng)站制作公司更省心,省錢,快速模板網(wǎng)站建設找我們，業(yè)務覆蓋寶豐地區(qū)。費用合理售后完善，十載實體公司更值得信賴。

當涉及到自動駕駛汽車時，我們有一個明確的1級到5級自主權的排名系統(tǒng)。但其他交通系統(tǒng)和軟件解決方案呢？你如何為它們定義 "智能"，以及如何將機器學習解決方案應用于交通領域？讓我們來制定戰(zhàn)略。

人工智能在運輸業(yè)中的應用：為什么這是一個有前途但復雜的關系

正如我們之前所寫的，人工智能在城市交通、物流和車隊管理中的應用備受期待，并已在一定程度上得到部署。

例如，65%的物流公司領導人將人工智能列為未來三到五年的重要技術。另外，截至2018年，四分之一的公共交通管理者已經(jīng)將AI用于實時運營管理和客戶分析。

此外，許多政府正在為一系列用于交通項目的人工智能提供資金和支持。加拿大有一個雄心勃勃的ACATS計劃，向公司提供高達 290 萬美元的贈款和捐款資金，以促進交通運輸系統(tǒng)的連通性和自動化。

新加坡有一個國家人工智能戰(zhàn)略，促進在2030年前建立“智慧貨運規(guī)劃”。

智能貨運規(guī)劃

來源：新加坡智慧國家 —國家人工智能摘要

各國也都做了機器學習在交通系統(tǒng)應用的成功試點，主要展示了自動駕駛電動艙、人工智能調(diào)節(jié)的交通信號燈調(diào)度和智能道路基礎設施的試點運行。

然而，盡管多年來有成功的報告，但成功的試點數(shù)量大大超過了商業(yè)人工智能的交通解決方案的數(shù)量。

為什么？因為實現(xiàn)和擴展AI部署是一項艱難的平衡行動，即在利益與擔憂和權衡之間取得平衡。

人工智能在交通領域應用的好處	人工智能在運輸和物流領域應用的挑戰(zhàn)
提高乘客和駕駛員的安全 可預測的、高效的交通規(guī)劃 創(chuàng)新的運輸服務（出行即服務、共享出行、自動駕駛） 通過更明智的資源使用，獲得可持續(xù)性收益 運營效率的提高和員工生產(chǎn)力的提升 所有運輸活動的更高的可預測性	基礎設施和技術限制：不是所有的目的地都有必要的連接狀態(tài)和基礎設施成熟度，以進行規(guī)模化的Al部署。 客戶數(shù)據(jù)隱私問題：許多Al在運輸中的使用需要敏感數(shù)據(jù) 倫理問題：我們?nèi)绾未_保算法被安全地訓練以做出生死攸關的決定？ 責任問題：當由于算法故障而出現(xiàn)問題時，由誰來承擔責任？

人工智能在交通領域中的應用示例

有些人認為，人工智能在交通行業(yè)的應用仍然是科幻電影和遙遠的未來的東西，這可能是因為一些最徹底的轉(zhuǎn)變是無法用肉眼看到的。事實上，人工智能已經(jīng)改變了交通行業(yè)。讓我們看看最能說明問題的重要用例，以證明這一點。

自動駕駛汽車

在過去十年中，允許車輛在沒有司機的情況下行駛的技術得到了驚人的發(fā)展。物聯(lián)網(wǎng)傳感器收集和傳輸大量的數(shù)據(jù)，這些數(shù)據(jù)被即時處理，并與其他遠程信息處理和地理位置數(shù)據(jù)保持一致。同時，基于數(shù)據(jù)的指令被實時發(fā)送至車輛的接收器。這就是自動駕駛汽車簡化版的基于機器學習的工作流程的樣子。

在東京，自動駕駛汽車已經(jīng)允許在整個城市運行，盡管仍然需要司機以便在緊急情況下進行干預。但人工智能驅(qū)動的自動駕駛的大潛力在于商業(yè)領域和公共交通行業(yè)。

想想全球65%的貨物通過卡車運輸，將人工智能技術引入卡車不僅可以徹底改變物流和運輸行業(yè)，還可以改變整個全球貿(mào)易體系的游戲規(guī)則。

法律限制、安全問題和缺乏用戶信任仍然是大規(guī)模采用自動駕駛汽車的主要障礙。然而，問題不在于自動駕駛汽車是否會入侵我們的街道，而在于它們會以多快的速度入侵。

交通管理

交通管理——特別是處理擁堵——是交通系統(tǒng)中機器學習如何改變行業(yè)的另一個很好的例子。

再一次，大量數(shù)據(jù)通過攝像頭、傳感器和其他物聯(lián)網(wǎng)設備收集并傳輸?shù)皆贫?，人工智能?qū)動的算法分析數(shù)據(jù)并在特定交通問題發(fā)生之前識別風險。之后，可操作的見解將發(fā)送到集中式交通管理系統(tǒng)（例如用于控制交通信號燈）和個人用戶（例如路線建議或事故通知）。

人工智能驅(qū)動的交通管理也為行業(yè)帶來了可持續(xù)性。例如，由Rapid Flow Technologies公司開發(fā)的SurTac AI解決方案不僅使匹茲堡市的平均出行時間減少了25%，而且還減少了20%的排放。

預測性維護

由人工智能驅(qū)動的預測性維護技術有助于在車輛發(fā)生故障之前預測其發(fā)生。它的工作原理是這樣的：汽車零部件的性能和關鍵指標被實時跟蹤，當發(fā)現(xiàn)偏離安全范圍時，基于人工智能的系統(tǒng)會向車主或負責車隊維護的經(jīng)理發(fā)送信號。

交通運輸行業(yè)使用機器學習接收和處理的數(shù)據(jù)越多，預測就越準確和及時?；谌斯ぶ悄艿漠惓z測已經(jīng)在幫助個人和企業(yè)車主提高車隊性能，降低維修成本，并確保運輸服務的可靠性。

無人機出租車

無人機出租車是人工智能用于交通領域的一個驚人的例子，可能比自動駕駛汽車更令人興奮。今年，第一個空中出租車機場在英國啟用，證實了飛行出租車不再是科幻小說中的幻想。

無人駕駛航空器不僅提醒我們，類似第五元素的世界比我們想象的更接近，而且也是若干挑戰(zhàn)的可持續(xù)解決方案。

在人工智能的幫助下，交通領域的無人駕駛出租車可以大大減少碳排放，解決交通擁堵，并節(jié)省未來基礎設施建設和公共交通的成本。這還沒有提到對無人機出租車乘客的好處，他們可以通過減少通勤時間每周節(jié)省幾個小時。

如何將人工智能的好處安全地注入交通：路線圖

人工智能有潛力解決緊迫的交通問題，但像往常一樣，執(zhí)行和交付是真正的麻煩。

整體而言，業(yè)界都在積極探索在交通行業(yè)如何應用機器學習、智能自動化、神經(jīng)網(wǎng)絡和深度學習，使交通更安全、更環(huán)保、更便宜和更高效。

但鑒于該領域本身和算法的復雜性，仍然沒有一個放之四海而皆準的成功之路。然而，有幾個行之有效的步驟，可以幫助完善你的產(chǎn)品開發(fā)載體。

制定數(shù)據(jù)管理策略

道路傳感器、聯(lián)網(wǎng)汽車儀表板、浮動蜂窩數(shù)據(jù)、基于位置的服務——交通行業(yè)擁有壓倒性的數(shù)據(jù)源和大數(shù)據(jù)用例。

擁有成熟DataOps的玩家要少得多，或者甚至是一個形式化的長期數(shù)據(jù)管理和治理過程——處理、保護、標準化和操作傳入的見解的節(jié)奏。

然而，人工智能系統(tǒng)在數(shù)據(jù)的數(shù)量和質(zhì)量方面是變化無常的?？蓴U展的傳輸算法需要更好、更快、更便宜的數(shù)據(jù)處理。在這種情況下，你不能只選擇兩個選項——要么全有，要么全無。

在評估交通用例的特定AI時，請考慮您的公司是否可以：

• 獲取足夠的可變和標記數(shù)據(jù)集，用于模型訓練和驗證。

• 為乘客和車輛數(shù)據(jù)建立合乎道德、匿名的、有代表性的和安全的數(shù)據(jù)收集流程。

• 在所有連接的系統(tǒng)（物聯(lián)網(wǎng)和邊緣設備、云數(shù)據(jù)存儲庫、基于云的或本地分析系統(tǒng)）之間實現(xiàn)低延遲數(shù)據(jù)處理。

• 應用數(shù)據(jù)融合技術來整合、預處理和操作從不同來源和不同格式獲得的記錄。

為算法收集和處理數(shù)據(jù)的復雜性是人工智能交通用例謹慎的小規(guī)模試點而不是全市部署的核心原因之一。

可以說，獲得足夠的訓練數(shù)據(jù)是大的問題之一。運輸公司以不同的方式解決這個問題。例如，特斯拉建立了一個專利系統(tǒng)，從其客戶的車輛中獲取自動駕駛訓練數(shù)據(jù)。

IEEE最近發(fā)表了一項分類研究，按準確性、可靠性和使用成本對不同類型的交通數(shù)據(jù)源進行了排名。

交通數(shù)據(jù)源比較

來源：IEEE-城市交通預測數(shù)據(jù)源：分類、比較和技術綜述

即使您已經(jīng)獲得了所需的所有數(shù)據(jù)，如果數(shù)據(jù)以某種方式傾斜，事情仍然會出錯。就拿沃爾沃來說吧，幾年前，當該公司在澳大利亞測試其人工智能驅(qū)動的大型動物檢測系統(tǒng)時，它被袋鼠擊敗了。為什么？因為他們的系統(tǒng)是在瑞典設計的，最初是在麋鹿、鹿和馴鹿這些本地物種上進行訓練和測試的，還沒有準備好讓有袋動物突然干擾道路測試。

經(jīng)驗之談，交通行業(yè)中的有效模式識別需要各種具有代表性的數(shù)據(jù)，然而，獲得這些數(shù)據(jù)可能并不總是立即可行或具有成本效益的。

但是，在爭取更好的交通數(shù)據(jù)方面，您并不孤單。世界各地的私營公司和立法者正在努力提供更好的公共數(shù)據(jù)源，標準化數(shù)據(jù)格式和開放數(shù)據(jù)接口集成。

例如，美國交通部有幾個很酷的舉措正在進行中：

• 安全數(shù)據(jù)倡議——旨在將關于汽車碰撞和公路設計的現(xiàn)有數(shù)據(jù)與來自GPS設備的匿名數(shù)據(jù)相結(jié)合，以制定更好的速度監(jiān)管實踐

• Waze Pilot——測試使用Waze應用程序中的眾包數(shù)據(jù)預測碰撞風險和其他類型的道路事故的可行性

• 應用于自然駕駛數(shù)據(jù)的計算機視覺工具——聯(lián)邦調(diào)查局正在構(gòu)建一套計算機視覺工具，用于收集和分析自然駕駛數(shù)據(jù)，以便每個人都可以訪問更好的數(shù)據(jù)集

了解不同 AI 方法的優(yōu)勢和局限性

當我們談論人工智能在交通行業(yè)的應用時，具有技術背景的人往往會想到算法方法，而其他大多數(shù)人則想到的是用例。

人工智能作為一個術語往往缺乏實質(zhì)內(nèi)容。谷歌的自動完成功能是人工智能嗎？是的，最近它是。它是為Alphabet的Waymo自動駕駛汽車提供動力的同一個人工智能嗎？不是，方法是不同的。

人工智能在交通系統(tǒng)中的應用是用于開發(fā)（自）學習系統(tǒng)的有監(jiān)督、無監(jiān)督和強化學習方法的集合。

交通行業(yè)常見的機器學習技術有：

• 人工神經(jīng)網(wǎng)絡 （ANN）

• 遺傳算法 （GA）

• 模擬退火 （SA）

• 模糊邏輯模型(FLM)

• 蟻群優(yōu)化器?(ACO)

僅神經(jīng)網(wǎng)絡在交通工程中的用例就很多——交通需求預測、交通基礎設施的預測性維護、駕駛員行為監(jiān)控等。

選擇太多了，對吧？但每個選擇都有其固有的局限性。讓我們以蟻群優(yōu)化器算法為例，這些措施對于制定更好的公共交通路線和改善熱門拼車平臺上的乘客接機情況是有效的。

但是，在交通領域擴展“智能”是困難的。研究人員發(fā)現(xiàn)，當?shù)螖?shù)（例如優(yōu)化路徑的數(shù)量）增加時，ACO 算法速度會顯著下降。

神經(jīng)網(wǎng)絡在交通中的應用也很普遍。例如，優(yōu)步（Uber）使用這類算法為出行提供精確的ETA預測，許多客戶分析解決方案都是由人工神經(jīng)網(wǎng)絡提供支持的。然而，要想讓神經(jīng)網(wǎng)絡高效運行，找出權重、隱含層和訓練參數(shù)的最佳組合是一個繁瑣的試錯過程。通常情況下，解決方案最終在小數(shù)據(jù)集上表現(xiàn)良好，但在預生產(chǎn)階段，性能會發(fā)生偏移和失敗，迫使您的ML運輸部門回到原點，嘗試其他方法。

底線：交通領域的規(guī)?；瘷C器學習解決方案很難實現(xiàn)，因為沒有一種方法能提供普遍可信的結(jié)果。因此，開發(fā)時間很長，并且在實現(xiàn)快速、廉價和高質(zhì)量性能的過程中需要進行一些權衡。

專注于模型可解釋性

人工智能在交通行業(yè)的主要限制之一是，算法可能被迫在危急的情況下做出生死抉擇（例如，殺死一名乘客以拯救十名行人），這就是為什么模型可解釋性和人工智能倫理問題相當尖銳的原因。

在我們允許汽車做出道德決定之前，我們需要進行全球?qū)υ?，向設計道德算法的公司以及將對其進行監(jiān)管的政策制定者表達我們的偏好。——道德機器實驗

目前的擔憂主要與神經(jīng)網(wǎng)絡和強化學習技術等黑盒算法有關，其中算法被充分賦予了決定最佳行動方案的權利。

在某些情況下，算法可能會決定在一個地區(qū)實行較低的速度，這對防止傷亡是有好處的，但同時也會導致長時間的停車巡航和隨后的交通瓶頸。同樣，讓算法決定讓救護車通過以拯救一個病人，還是保持道路堵塞讓消防人員通過的道德困境，這不是我們大多數(shù)人都會感到舒服的事情。

更加復雜的是，人類也是有爭議的生物。圍繞自動駕駛汽車的倫理問題的一項重要研究發(fā)現(xiàn)，人們在調(diào)查中表示，他們希望自動駕駛汽車能夠保護行人而不是乘客。然而，大多數(shù)受訪者也表示，他們不會購買這樣編程的車輛！

在交通領域采用合乎道德和可持續(xù)人工智能的可能途徑之一是可解釋人工智能（XAI）——一種旨在建立描述性人工智能模型的方法，開發(fā)人員可以解釋和調(diào)節(jié)模型的準確性、公平性和結(jié)果。換句話說，XAI傳達了AI決策背后的原理。

體現(xiàn)和傳達 AI 決策背后的推理的方法

來源：埃森哲 —理解機器：可解釋的人工智能

許多其他大數(shù)據(jù)分析模型實際上是可解釋的，因為它們由編程指令和統(tǒng)計方法提供支持，用于對不同的結(jié)果進行建模。屬于“可解釋”系列的數(shù)據(jù)科學和機器學習模型包括：

• 線性模型

• 決策樹

• 廣義加法模型

• 規(guī)則集

然而，由于這些系統(tǒng)不是自學的，它們無法提出機器學習/深度學習算法可能設計的新穎（也許更好）的解決方案。然而，交通業(yè)錯誤決策的成本可能太高，因此，可能需要在黑盒思維水平上進行權衡，以確保您的解決方案已準備好投放市場。

與其他生態(tài)系統(tǒng)合作伙伴協(xié)作

交通行業(yè)有許多私人和公共部門的參與者，加上監(jiān)管機構(gòu)監(jiān)督他們的行為。通常情況下，市場參與者會選擇競爭而不是社區(qū)的策略，而這一決定引發(fā)了一系列問題：

• 不同交通系統(tǒng)之間的互操作性低

• 缺乏數(shù)據(jù)格式、質(zhì)量和集成標準化

• 不同且難以集成的系統(tǒng)

• 難以接入底層基礎設施（例如道路傳感器、4G/5G 連接）

但是，如果沒有系統(tǒng)、嚴格和聯(lián)合的規(guī)劃工作，新技術的大規(guī)模實施幾乎是不可能的。

由于市場演變不明確，系統(tǒng)互操作性尚未提高。如果能夠就市場規(guī)范達成一致，那么諸如“如果服務失敗，誰應該承擔責任？”等問題將變得更加清晰，投資決策可能更容易做出。此外，未來交通（FoT）正在推進新的協(xié)作方法，將數(shù)據(jù)作為商品和基礎設施來使用?！煌ú?/p>

交通行業(yè)不同軟件系統(tǒng)之間的互操作性——從城市范圍的交通管理軟件到個人車隊管理系統(tǒng)——對于確保所有車輛和設備能夠有效交換數(shù)據(jù)至關重要。這樣的動態(tài)數(shù)據(jù)可以被用來優(yōu)化交通系統(tǒng)的運行，從而為所有的終端用戶帶來更為安全、更可預測和更加高效的出行體驗。

具體而言，為了實現(xiàn)機器學習解決方案在交通領域應用的優(yōu)勢，應該在數(shù)據(jù)質(zhì)量的標準化方面做出更多的共同努力，使大多數(shù)參與者同意以下規(guī)范：

• 數(shù)據(jù)結(jié)構(gòu)、內(nèi)容和交換協(xié)議

• 數(shù)據(jù)類型的定義和分類

• 創(chuàng)建、交換和使用數(shù)據(jù)的組織實踐

• 好消息是，許多監(jiān)管機構(gòu)已經(jīng)制定了可用的或批準的框架。例如：

• ISO/TC 204是為規(guī)范智能運輸系統(tǒng)（ITS）的系統(tǒng)和基礎設施方面而制定的。

• TC 241規(guī)定了道路交通安全和管理標準的條例。

• ISO/IEC 27001是一個IT系統(tǒng)安全標準。

• INSPIRE-MMTIS是歐盟的一項指令，旨在開放成員國對靜態(tài)和動態(tài)數(shù)據(jù)類別的訪問，以改善多式聯(lián)運信息服務。

• Auto-CITS是一個歐盟機構(gòu)，促進自動駕駛和V2X技術采用的統(tǒng)一標準。

除了實現(xiàn)合規(guī)性之外，更高程度的互操作性也使交通行業(yè)參與者更具競爭力。通過追求平臺商業(yè)模式，你可以在不推出新功能的情況下挖掘新的增長空間。相反，你可以通過API貨幣化、新的銷售渠道(如車載商務或數(shù)字貨運匹配)或推出“即服務”的產(chǎn)品（如出行即服務解決方案）獲得額外收入。

當您評估交通技術的不同用例時，請從合作伙伴關系的角度思考：投資此用例只會使我的業(yè)務受益，還是可以開辟有趣的新合作伙伴關系和交叉整合？

安全、自信地推進人工智能在交通領域的優(yōu)勢

人工智能在交通領域是有前途的，該技術的潛力已經(jīng)在許多令人驚嘆的試點、用例和市場就緒的解決方案中顯示出來，如Rapid Flow的實時自適應交通信號燈控制、TuSimple的自主卡車運輸和Sensible 4的自動駕駛巴士。

然而，為了看到更多的人工智能驅(qū)動的交通解決方案的規(guī)?；渴?，今天應該奠定更多的基礎，從技術架構(gòu)的標準化和操作安全協(xié)議到微調(diào)機器學習/深度學習方法和重新調(diào)整商業(yè)模式。人工智能的實施是一項復雜的技術。那么，你打算如何把它變成一項有投資回報率支持的投資，而不是一項持續(xù)的費用？

掃描加入免費的「智慧城市之智慧交通」知識星球可了解更多行業(yè)資訊和資料。

歡迎加入智能交通技術群！

聯(lián)系方式：微信號18515441838

你是否還在尋找穩(wěn)定的海外服務器提供商？創(chuàng)新互聯(lián)www.cdcxhl.cn海外機房具備T級流量清洗系統(tǒng)配攻擊溯源，準確流量調(diào)度確保服務器高可用性，企業(yè)級服務器適合批量采購，新人活動首月15元起，快前往官網(wǎng)查看詳情吧

當前文章：交通運輸中的人工智能AI-創(chuàng)新互聯(lián)
標題URL：http://muchs.cn/article14/cosgde.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供企業(yè)網(wǎng)站制作、網(wǎng)站策劃、搜索引擎優(yōu)化、定制網(wǎng)站、App設計、網(wǎng)站設計公司

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)