如何一勞永逸地終結交通堵塞
隨著未來幾十年全球堵塞道路的汽車數量預計將翻一番，需要新的方法來應對碰撞、控制交通燈和改變交通，以保持交通。
我們都有這樣的經驗，卡在似乎永遠不會變綠的紅綠燈處。坐在綿延數公里的汽車隊列中，或因突然消失的大量緩慢交通而延誤。交通堵塞是我們現代、快節奏生活的一大障礙。我們一直以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處理的無情車輛衝擊的步伐。交通堵塞措施通常對道路或天氣條件的變化反應遲緩，許多交通信號燈仍在使用經常不同步的計時器，從而阻止車輛自由流動。
2015 年，世界道路上估計有 13 億輛機動車，隨著發展中經濟體日益富裕，預計到 2040 年，這一數字預計將飆升至超過 20多億輛。即使有新的道路和旁路，這種不斷成長的交通量，也可能很快超過我們的道路網路，應對城市等許多繁忙地區的能力。
但是，透過將新的通信技術與人工智慧 (AI) 的力量相結合，以即時處理大量數據，可能有可能解決我們堵塞的道路，從而使它們能夠應對越來越多的汽車。
儘管許多人將自動駕駛車輛，視為解決交通擁堵的靈丹妙藥 —— 只要可以教會這些機器人車輛，比人類駕駛者駕駛更穩定、反應更快 —— 至少還需要二十年的時間，它們才能開始對我們的道路產生有意義的影響。在此同時，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、半自動駕駛和自動駕駛司機的組合。讓它們全部移動將需要交通管理系統立即做出反應和適應性強。
人們希望新技術可以解決印度班加羅爾等已經擁擠的城市的交通堵塞，那裡的車輛經常以步行速度行駛（來源：蓋蒂圖片社）
在印度的班加羅爾，經常面臨長時間的交通擁堵，高峰時段一些道路的平均速度僅為 4 公里/小時（2.5 英里/小時），西門子建立了一個原型交通監控系統，該系統透過使用人工智慧交通攝影機。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。然後系統根據即時道路擁堵情況，改變交通信號燈。
然而，以這種方式做出回應需要數據。幸運的是，很多數據並不是供不應求的東西。交通監控系統、道路基礎設施、汽車和司機本身透過手機提供了大量資訊。數以百萬計的攝影機排列在我們的道路上，而過往的車輛在隱藏在柏油碎石路面下的金屬線圈中感應出微小的電流，從而提供有關交通狀況的更多資訊。得益於他們在手機和汽車上使用的導航軟體，駕車者可以發送有關滯留的即時更新。
其中一些監控技術 —— 如感應線圈 —— 自 1960 年代以來就已經存在，而其他一些技術，如能夠追踪交通和讀取車牌的攝影機，則是最近這幾年才出現的。挑戰在於利用所有這些資訊做一些有用的事情。
「自艾薩克·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，我們就能解決問題。 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行動基金會的研究人員，在2018 年共同啟動了一個專案，探索交通管理系統如何透過使用人工智慧，變得更加動態和迅速反應。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。儘管他們仍在測試該系統，但他們希望盡快將他們的系統應用到現實世界中。
現代交通管理系統通常在道路本身使用攝影機和感測器的組合，來評估車輛的密度（來源：蓋蒂圖片社）
「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與創新主管 William Chernicoff 說。「然後，大都市交通管理人員可以在信號時序、建議的系統用戶路由和容量分配方面做出更快、更明智的決策。」
在匹茲堡，研究人員已經在與城市管理者合作，採用類似的方法，該方法自 2012 年以來一直在該市運行。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，已由一家公司在全市推廣，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多達 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%。
該系統使用影像源自動檢測道路使用者的數量，包括行人和十字路口的車輛類型。然後，人工智慧軟體逐秒處理這些資訊，以提出讓車輛行人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信號燈。決策可以自主做出，並與鄰近的十字路口共享，以幫助他們瞭解即將發生的事情。
隨著車輛在行動電話和其他無線技術的幫助下變得更加互聯，它們也將有助於將更多資訊輸入此類系統。根據 Rapid Flow 的 Griffin Schultz 的說法，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。
「當前我們只是在學習，但在未來這將無處不在，」他說。「這不僅僅是關於汽車，還將幫助多式接駁聯運社會中的所有類型的道路使用者。」
在繁忙的道路上排著令人沮喪的隊，可能會消耗許多小時的駕車者一天，從而減少他們做更有成效的事情的時間（來源：蓋蒂圖片社）
在其他地方，智慧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，以確定移動模式，試圖找出改善路上每個人體驗的方法。
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專案，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)，交通將陷入虛擬僵局，」Schlitt 說。「透過利用這些數據，我們能夠辨識出沒有 AI 就不會出現的模式。透過不斷學習，我們能夠不斷更新流量模式，從而不斷更新流量。 這導致更少的等待時間和更少的排放。」
在德國哈根，他們正在使用人工智慧優化交通燈控制，並減少十字路口的等待時間。模擬顯示，與傳統的預先定時信號計劃相比，它可以將等待信號燈的時間減少多達 47%。
但受益於人工智慧的不僅僅是駕車者。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，使用機器學習分析天氣等各種數據源，以預測 140 個自行車共享站中每個場景的未來需求。這使他們能夠確保為那些返回的自行車，提供自行車和充電站空間。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，還增加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，你可以確信車站總有一輛電動自行車可供你使用。」
當人們在城市中移動電動腳踏車時，追蹤電動腳踏車對人類來說是一項令人費心動、但對電腦來說相對容易的任務（信用：西門子移動）
儘管技術非常出色，但我們不能完全依賴它。倫敦國王學院資訊學系的 Mischa Dohler 和交通監控技術公司 Worldsensing 的聯合創始人，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大的效果，透過使用道路信號和標誌，在發生事故時改變交通路線、減少交通堵塞，並減少駕車者尋找停車位的時間。
但他表示，雖然人工智會正在幫助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「可解釋的人工智會規劃」。它「非常重要，因為它可以自主做出智會決策，但也是可以理解的」，允許人類與人工智會一起做出決策，或者在出現問題時進行調整。除了具備智力和技術能力外，駕駛者自己也必須對他們的交通系統由電腦控制的想法持開放態度。
「當城市依靠算法來制定政策時，該政策就會被計算混淆，」online technology 雜誌 Moving World 的編輯傑德卡特說。「當這些行為的原因被埋在電腦代碼中時，公民就更難理解為什麼他們會被重新安排路線、拍照或拘留。」
儘管技術非常出色，但我們不能完全依賴它。 來自倫敦國王學院資訊學系、交通監控技術聯合創始人Misha Dohler一直在哥倫比亞波哥大試驗人工智慧和機器學習。 他說，該技術已經產生了巨大的成果，在發生事故時使用路標和標誌來改變交通路線，減少交通堵塞，並減少駕車者尋找停車位的時間。
但他說，雖然人工智慧正在幫助使這種自適應傳輸網路成為可能，但人類因素也很重要。 他稱之為「可解釋的人工智慧計劃」。 它「如此重要，因為它自主地做出明智的決策，但也是可以理解的」，允許人類與人工智慧一起做出決定，或者在出現問題時適應。 除了在智力和技術上有能力外，駕車者本身還必須對他們的交通系統由計算機控制的想法持開放態度。
線上技術雜誌《移動世界》的編輯傑德·卡特說：「當城市依靠演算法來制定政策時，該政策就會被計算所混淆。」 「當這些行為的原因被埋在計算機程式中時，公民更難理解為什麼他們被改道、拍照或拘留。」
但是，在道路上佈署智會技術不僅僅可以防止交通堵塞。來自 Vivacity Labs 的 Mark Nicholson 負責英國政府支持的專案，在英國米爾頓凱恩斯佈署智會交通號誌燈，他說新技術還有很多其他好處。成本是其中之一 —— 隨著技術接管更多的交通管理繁重工作，它將需要更少的人工干預，來完成諸如觀看交通攝影機之類的日常任務。
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。它可以幫助減少發動機排放，從而有助於減少對環境的影響。它可以使停車更容易，並為駕車者騰出時間來提高工作效率。
十字路口的智慧攝影機可以自動辨識不同的道路使用者，使交通管理系統能夠根據他們的需求進行調整（來源：Vivacity Labs）
Nicholson說：「我們希望實現自動化，讓人類專注於重要或更長期的事情。」 「（事情）比如選擇空氣品質是否足夠差，以優先考慮HGV，以確保它們不需要在學校旁邊停車，計劃在哪裡放置新的旁路，以及選擇如何改變碰撞周圍的交通路線等眼前問題。」
「我們希望實現自動化，讓人類專注於重要的或更長期的事情，」尼科爾森說。 「（事情）比如選擇空氣品質，是否差到足以優先考慮 HGV，以確保它們不需要停在學校旁邊，計劃在哪裡放置新的旁路，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騰出時間，去做重要的更高層次的工作。透過將繁瑣、耗時的交通網路日常運行自動化，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。
米爾頓凱恩斯專案的結果很有希望。能夠辨識和分類所有車輛和道路使用者的全市智會攝影機，允許在城市周圍獲得準確、高度本地化的數據，讓規劃者和當局深入瞭解道路繁忙的地點和時間、駕駛者可能採取的預期路線，以及停車地點可能有空位。Vivacity 在米爾頓凱恩斯斯的主要路口安裝了 411 個智慧交通攝影機，共有 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，感應器還可以測量車輛在十字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 將數據輸入機器學習模型，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而發展和適應，從而提高其預測能力並最大限度地減少所需的人為干預。它提供歷史和即時數據，並預測當天的交通流量。
與現實情況相比，該系統已經提前 15 分鐘預測交通狀況，準確率為 89%。
Nicholson 說：「這不僅可以幫助市民即時瞭解停車位的可用性，還可以為米爾頓凱恩斯未來的互聯和自主交通技術奠定基礎。」
似乎很清楚的是，為 AI 開路綠燈可以讓我們所有人繼續前進。Seimens Mobility 的 Markus Schlitt 補充說：「這僅僅是個開始 —— 我們甚至還沒有完全利用人工智慧的能力和優勢。」
沒有留言:
張貼留言