This Futuristic Transport System Could End Traffic Jams ╴Mach – NBC News

這個未來派的交通系統可以結束交通堵塞 – Mach – NBC新聞

未來幾十年，世界各地道路堵塞的汽車數量預計將翻一番，因此需要採取新的方法來應對碰撞、控制交通信號燈和改道，以保持交通暢通。

我們都去過那裡。卡在似乎永遠不會變成綠色的紅綠燈處。坐在一排排長達數英里，或因突然消失的緩慢交通而延誤的汽車隊列中。交通擁堵是我們現代、快速發展的生活中的一大敗筆。我們一直在以一種非常不現代的方式與他們打交道。

我們不像過去那樣四處走動和旅行，但我們的交通管理系統一直在努力跟上他們現在必須應對的無情的車輛衝擊。堵車措施通常對道路或天氣條件的變化反應遲鈍，而且許多交通信號燈仍然在計時器上工作，這些計時器經常不同步，從而阻止車輛自由通行。

2015 年，全球道路上約有 13 億輛機動車輛，隨著發展中經濟體的日益富裕，預計到 2040 年這一數字將飆升至20 億以上。即使有了新的道路和旁路，這種不斷增加的交通量，可能很快就會超過我們的道路，在許多繁忙地區（例如城市）的應對能力。

但是，透過將新的通信技術與人工智慧 (AI) 的強大功能相結合，即時處理大量數據，或許可以解決我們堵塞的道路，從而應對越來越多的汽車。

雖然許多人認為自動駕駛汽車是解決交通擁堵的靈丹妙藥，但它們至少需要二十年才能開始對我們的道路產生有意義的影響

雖然許多人認為自動駕駛汽車，是解決交通擁堵的靈丹妙藥 —— 前提是可以教會這些機器人車輛比人類駕駛者少開車，反應速度更快 —— 但它們至少需要二十年才能開始對我們的道路產生有意義的影響。與此同時，高速公路機構和城市規劃者將不得不應對道路上越來越複雜的人類、半自動和自動駕駛者的組合。保持它們全部移動將需要交通管理系統，具有即時反應性和適應性。

印度班加羅爾經常面臨長時間的交通擁堵，高峰時段某些道路的平均速度僅為 4 公里/小時（2.5 英里/小時），西門子移動已經構建了一個原型監控系統，該系統通過交通攝影機使用人工智慧。交通攝影機會自動檢測車輛，並將此資訊發送回中央控制中心，在那裡算法會估計道路上的交通密度。然後，系統會根據即時道路擁堵情況更改交通燈。

然而，要以這種方式做出響應，需要數據。大量數據。幸運的是，這不是供不應求的東西。有很多資訊來自交通監控系統、道路基礎設施、汽車和司機自己通過他們的手機。數以百萬計的攝影機排列在我們的道路上，而過往的車輛會在隱藏在停機坪下的金屬環中感應出微小的電流，從而提供有關交通狀況的更多資訊。由於他們在手機和汽車上使用的導航軟體，駕駛者可以發送關於暫停的即時更新。

其中一些監控技術 —— 比如感應迴路 —— 自 1960 年代就已經存在，而其他一些比如能夠跟踪交通和讀取車牌的攝影機則是最近的。挑戰在於利用所有這些資訊做一些有用的事情。

「自從艾薩克牛頓以來，我們一直試圖透過建立數學模型來影響世界，」密西根大學工程學副教授 Gabor Orosz 說。「如果我們有數據，我們就可以解決問題。這同樣適用於交通。」

現在有人試圖利用人工智慧的能力，來理解大量資訊，並改變我們在城市中移動的方式。

倫敦艾倫圖靈研究所和豐田型動基金會的研究人員最近共同啟動了一個新項目，該項目正在探索如何透過使用人工智慧，來提高交通管理系統的動態性和響應性。他們目前正在使用複雜性和進化的模擬，幫助他們的算法學習如何預測流量的變化。儘管他們仍在測試系統，但他們希望很快將他們的系統應用到現實世界中。

「透過深度機器學習，我們可以提高可預測性，」豐田行動基金會研究和創新主管威廉·切爾尼科夫說。「然後，大都市行動管理人員可以在信號時間、系統用戶的建議路由和容量分配方面做出更快、更明智的決策。」

城市出行時間減少了 25%，而車輛排放量減少了 20%

在匹茲堡，研究人員已經在與城市管理者合作，採用自 2012 年以來一直在該市運作的類似方法。由卡內基梅隆大學機器人研究所的研究人員，開發的自適應交通控制系統，已由一家公司在整個城市推出稱為快速流動技術。據該公司稱，他們的 Surtrac 技術正在匹茲堡的 50 個十字路口使用，自推出以來，它已將十字路口的等待時間減少了 40%。它還聲稱該市的出行時間減少了 25%，而車輛排放量減少了 20%。

該系統使用視頻源自動檢測道路使用者的數量，包括行人以及十字路口的車輛類型。然後，人工智慧軟體一秒一秒地處理這些資訊，以找出讓交通通過十字路口的最佳方式，根據保持交通暢通的最佳方式改變交通燈。決策可以自主做出，並與鄰近的交叉路口共享，以幫助他們了解即將發生的事情。

隨著汽車在行動電話和其他無線技術的幫助下，變得更加互聯，它們也將有助於向此類系統提供更多資訊。據 Rapid Flow 的 Griffin Schultz 稱，未來，聯網車輛將能夠將有關其速度、駕駛員行為甚至潛在故障的資訊傳達給周圍的基礎設施。

「目前我們只是在學習，但在未來這將無處不在，」他說。「這不僅僅是關於汽車，還將幫助多式聯運社會中的所有類型的道路使用者。」

在其他地方，智能基礎設施正在幫助交通網路變得更加互聯。Siemens Mobility 正在與世界各地的城市和市政當局合作，以確定運動模式，試圖找出改善每個人在路上的體驗的方法。

該公司智慧交通系統負責人 Markus Schlitt 表示：「全球各地都有現實世界的項目，應用也在不斷擴展。」

「在未來的城市中，交通將非常複雜，如果沒有人工智慧 (AI)，它將成為虛擬的交通擁堵，」施利特說。「透過利用數據，我們能夠辨識沒有人工智慧，就不會看到的模式透過不斷學習，我們能夠不斷更新交通模式，從而更新交通流量。這會減少等待時間和減少排放。」

在德國哈根，他們正在使用人工智慧來優化交通燈控制，並減少在十字路口的等待時間。模擬表明，與傳統的預先定時信號計劃相比，它可以將等待燈光的時間減少多達 47%。

但是，從人工智慧的使用中受益的不僅僅是駕駛者。Siemens Mobility 在葡萄牙里斯本營運著一支由 1,400 輛電動自行車組成的車隊，使用機器學習來分析天氣等各種數據源，以預測 140 個自行車共享站中每一個的未來需求。這使他們能夠確保自行車的可用性，和充電站的空間供歸還的自行車使用。這些預測與最近的交通資訊一起使用，以幫助自行車收集團隊補充停靠站，並為維護自行車的服務技術人員提供最佳路線。

「這不僅降低了營運成本，還提高了最終客戶的用戶體驗，」Schlitt 說。「因此，當你需要在里斯本四處走動時，你可以確保車站總有一輛電動自行車可供你使用。」

儘管這項技術非常出色，但我們不能僅僅依靠它。來自倫敦國王學院資訊學系和交通監控技術公司 Worldsensing 的聯合創始人 Mischa Dohler，一直在哥倫比亞波哥大，試驗人工智慧和機器學習。他說，這項技術已經產生了很好的效果，透過在發生事故時，使用道路信號和標誌來改變交通路線，減少交通擁堵，並減少駕駛者尋找停車位的時間。

但他表示，雖然人工智慧有助於使這種自適應交通網路成為可能，但人為因素也很重要。他稱之為「可解釋的人工智慧規劃」。它「非常重要，因為它可以自主做出智慧決策，但也是可以理解的」，允許人類與 AI 一起做出決策，或者在出現問題時進行調整。除了具備智力和技術能力外，駕車者自己還必須對他們的交通系統，由電腦控制的想法持開放態度。

「當城市依靠算法來製定政策時，該政策就會被計算混淆，」在線技術雜誌《行動世界》的編輯傑德卡特說。「當這些行為的原因隱藏在電腦代碼中時，公民更難理解為什麼他們被改道、拍照或拘留。」

但是，在道路上佈署智慧技術不僅僅能防止交通擁堵。來自 Vivacity Labs 的 Mark Nicholson 在英國米爾頓凱恩斯，運行了一個由英國政府支持的佈署智慧交通燈信號的項目，他說新技術還有很多其他好處。成本是一方面 —— 隨著技術接管了交通管理的更多繁重工作，在觀看交通攝影機等日常任務時，需要更少的人為干預。

自動化系統在區分大量道路使用者方面也越來越好，因此可以優先考慮騎自行車的人、公共汽車或緊急車輛，這可以提高安全性

自動化系統在區分大量道路使用者方面也越來越好，因此可以優先考慮騎自行車的人、公共汽車或緊急車輛，這可以提高安全性。保持交通暢通還可以減少車輛靜止時空轉造成的能源消耗，並改善空氣品質。它有助於減少發動機排放，從而有助於減少對環境的影響。它可以使停車更容易，並為駕駛者騰出時間提高工作效率。

「我們希望實現自動化，讓人類專注於重要或更長遠的事情，」Nicholson 說。「（事情）例如選擇空氣品質，是否足夠差以優先考慮 HGV，以確保它們不需要停在學校旁邊，計劃在何處設置新的旁路，以及選擇如何重新安排交通等緊迫問題一場車禍。」

Nicholson 說，技術的真正好處在於它可以讓人類解放出來，從事重要的更高層次的工作。透過自動化繁瑣、耗時的運輸網路日常運行，意味著與機器一起工作的人類，可以專注於他們最擅長的事情 —— 適應需要適應性思維，和創造性解決方案的情況。

米爾頓凱恩斯項目的結果很有希望。能夠辨識和分類所有車輛和道路使用者的，全市智慧能攝影機允許在城市周圍提供準確、高度本地化的數據，讓規劃人員和當局深入了解道路，何時何地變得繁忙、駕車者可能採取的預期路線，以及停車地點空間很可能是可用的。Vivacity 在米爾頓凱恩斯的主要路口安裝了411 個智慧交通攝影機，共計 104 個路口和 812 條車道。除了對道路使用者進行計數和分類外，感測器還可以測量車輛在路口之間行駛所需的時間，並提供即時照片以幫助制定未來規劃。

Vivacity 將數據輸入到機器學習模型中，該模型學習典型的日常模式，並將其與交通如何響應道路網路中的瞬態變化相結合。它會隨著時間的推移不斷發展和適應，從而提高其預測能力，並最大限度地減少所需的人工干預量。它提供歷史和即時數據，並預測當天的交通流量。