Klacci 凱樂奇交通運輸業解決方案
來源：MIND TITAN
道路和交通是現代城市和國家的血管和血液。整個國家的福祉取決於他們的效率，因為低效的交通規劃會導致事故死亡率、社群脫節、環境汙染，甚至肥胖率急劇上升。
運輸行業是一個複雜的系統，有許多外部影響因素，如人為錯誤和反應、事故、經濟狀況，甚至一年中的時間。人工智慧（AI）使用所有這些資料點，來預測不同情況的可能性，從而為受過教育的決策提供條件。難怪，UITP 國際公共交通協會報告稱，86% 的公共交通參與者，正在與合作開發和採用人工智慧技術專案。
人工智慧在運輸中的多種應用案例採用電腦視覺服務，如物體檢測或物體追蹤。雖然交通中最引人注目的人工智慧應用是公眾所熟知的，如自動駕駛車輛、自動計程車或智慧高速公路，但其他多個應用案不那麼壯觀，但仍然非常有用。例如，交叉路口和行人/騎腳踏車的路徑，由人工智慧系統進行視覺監控，以檢測交通事故並提高安全性。此外，交通中的人工智慧研究交通模式，尋找延誤的原因或交通堵塞的原因。
讓我們深入瞭解交通中的人工智慧，如何改善我們的日常生活。
自動駕駛車輛
智慧駕駛員助手，如自動停車、車道辨識和自適應巡航控制，在許多新車中已經司空見慣。其中一些，如現代先進的巡航控制，已經廣泛實施。然而，他們並沒有完全完成司機的工作。
雖然自動駕駛汽車已經成為現實，但完全自動駕駛很難實施，需要大量的工作。車輛中即時資料傳輸和處理中的任何混淆，都可能導致致命後果。因此，這些專案仍然沒有完全準備好在每條道路上執行。
在東京，雖然 2023 年春季將允許在一些道路上使用自動計程車，但豐田汽車和日產汽車等日本汽車巨頭，還沒有給出推出使用人工智慧自動駕駛的汽車或服務的時間框架，因為即使他們的大量資源，也還沒有在感測器和軟體方面取得必要的進步。
在美國，Waymo 在 2010 年左右開始開發自動駕駛汽車，2018 年在某些州引入卡車和小型貨車，用於在公共道路上進行測試，但大規模生產尚未開始。
顯然，使自動駕駛汽車對乘客安全需要時間；儘管如此，隨著技術的發展，自動駕駛汽車將變得更加可靠和廣泛。在感測器、攝影機和 GPS 的幫助下，人工智慧將對公共交通產生巨大影響。
人工智慧技術可以降低人為錯誤率，並監控安全法規合規性，以降低駕駛風險。
行人檢測
夜間駕駛對許多司機來說是一個挑戰。由於電腦系統可以在圖像和影像中，自動辨識行人，因此人工智慧驅動的汽車，可以顯著改善這種情況。事實上，自動駕駛儀（或未來自動駕駛汽車）可以允許司機睡覺/聊天，而不會造成任何交通事故。
行人檢測是電腦視覺和模式辨識的問題，因為行人的行為可能會出乎意料，因此在資料方面，可以提供多個邊緣案例。因此，這些導致了行為預測的困難，這是對自動駕駛汽車成功的最大威脅之一。此外，在訓練資料方面還有許多其他挑戰需要克服，包括不同的照明參數，和行人展示的姿勢或服裝類型。為了克服這些問題，人工智慧需要大量的訓練資料，這需要很長時間才能獲得。
交通燈和標誌管理
為了簡化交通，應該將人工智慧應用於交通管理，使道路更智慧、更環保。（想想消除所有這些不必要的停止和開始！）
人工智慧使用電腦視覺機器學習，處理、控制和最佳化，來自道路上安裝的多個感測器和攝影機的大量資料。人工智慧和大數據系統，分析這些資料以揭示交通模式。相關見解為交通預測或道路堵塞，提供了智慧系統的輸入。人工智慧使用這些輸入，來辨識和預測可能導致塞車的問題。
交通訊號和智慧運輸系統技術，在道路安全中發揮著越來越重要的作用。為此，紅綠燈的時間和配置非常重要。例如，在轉彎交通燈亮起前幾秒鐘，增加行人間隔以表示「步行」，這有助於提高行人安全。這項措施讓行人領先一步，這使他們更顯眼，並降低被撞的風險。另一個例子是西門子行動性建立的人工智慧驅動系統。這透過攝影機監控交通，從而根據即時道路情況改變交通燈模式，從而最大限度地減少道路堵塞。
創新的人工智慧解決方案，包括智慧交通監控和控制系統，以管理速度，提供車道偏離警告，並與城市交通控制系統交換資訊。如今的車輛相互互動，道路基礎設施也相互互動。這種互動被稱為合作智慧運輸系統（C-ITS），意味著這些互動的資料可以與交通經理共享。車輛對車輛通訊和車輛對基礎設施通訊通道，用於緊急制動警告、距離感應、不當駕駛檢測、防碰撞系統、與天氣相關的滑移警告和最佳化交叉路口管理。
旅行時間預測
延誤是運輸的另一個根本問題，特別是航空運輸。據加州大學伯克萊分校稱，僅在美國，此類延誤就可能花費高達 329 億美元。
人工智慧的實施是克服航班延誤成本，同時解決乘客負面體驗的一種方式。人工智慧系統能夠預測幾乎任何東西的短期影響，從暴風雨天氣到可能導致航班延誤的一定數量的技術問題，可以縮短乘客的等待時間。處理即時飛機資料、歷史記錄和天氣資訊，由機器學習（ML）驅動的人工智慧（AI）揭示了隱藏的模式，為航空運輸行業（和乘客）提供了關於可能導致延誤或取消的可能性的寶貴見解。
來源：techcrunch.com
然而，電腦視覺系統也可以間歇性地監控汽車、卡車和公共汽車，預測延遲。此外， 攝影機相對容易佈署和維護，圖像提供了清晰直觀的圖片供人們檢視，這與許多其他提供數位輸出的資料收集技術不同。
此外，透過使用歷史資料，與即時訊號相結合的訓練機器學習（ML）模型，人工智慧完善了到達時間預測（ETA），使其更接近現實世界的結果。例如，Uber 建立了一個利用即時交通測量和地圖資料的路由引擎。它預測 ETA 是沿兩點之間最佳路徑的分段旅行時間的總和。然後，機器學習模型預測，應該新增到路由引擎 ETA 結果中的時間，以獲得現實世界的觀察結果。
道路狀況監測
僅在美國，坑洞損壞的司機每年就損失超過 300 億美元。不幸的是，儘管公眾盡了最大努力迫使政府採取行動，但坑洞並沒有像希望的那樣迅速消失，似乎在一夜之間出現。
然而，交通人工智慧中的電腦視覺，可以成功辨識道路缺陷，並透過發現道路表面的變化，來評估周圍的基礎設施。
電腦視覺演算法可以辨識道路損壞程度，並提醒有關當局改善道路維護。
演算法收集圖像或影像資料，然後處理這些資料以檢測裂縫，甚至自動對它們進行分類。此外，這些演算法將很快適應有針對性的康復，和自動化預防性維護技術，不受人參與。
換句話說，自動路面遇險（PD，Pavement Distress）檢測，提高了道路維護分配效率，同時提高了道路安全，提供即時更新以加快維修速度，並節省時間和金錢。
例如，EyeVi 在運輸中使用電腦視覺和機器學習，來解決路面損壞的問題。
電腦視覺驅動的停車管理
即使對諾貝爾獎獲得者來說，花很長時間尋找停車位也是眾所周知的問題。他們中的一些人開玩笑說：「宇宙正在膨脹，但我該把車停在哪裡？」這個著名的獎項的最佳福利，是那個珍貴的、永遠保留的停車位。
不幸的是，對大多數人來說，找到停車位並不有趣。它通常有壓力（以及對環境有害），並引發交通堵塞。
電腦視覺可以重新處理停車管理。首先，停車場應該有測量汽車之間距離的感測器，以監控任何可用位置。然而，由於這樣的感測器無法掃描車牌，是時候讓攝影機、停車計時器和電腦視覺參與進來了。
人工智慧使用自動車牌辨識，精確地發現停放的車輛，並測量其預付的停車時間。
來源：www.researchgate.net/publication/359191550_A_systematic_review_on_computer_vision-based_parking_lot_management_applied_on_public_datasets
然後，系統可以利用這些資料，即時更新所有空位，和即將可用的插槽的地圖。然後，司機可以使用行動裝置上的地圖，快速找到低佔用水準的空置停車位，節省大量寶貴時間。
自動交通事故檢測和執法
由於其重要性，交通事故檢測是人工智慧運輸的最佳研究領域之一。主要目標是確保最大限度地減少交通流量的干擾。
長期以來，影像監控是追蹤道路網路和交叉路口的最有效工具。它提供了即時的交通檢視，使當局能夠儘快應對事件。
儘管如此，觀看影像片段的是人類，他們的能力有限。一個人不可能以同等的效率，同時監控多個攝影機，導致事件在關鍵時刻無法被發現。
在這裡，自動事件檢測步驟。電腦視覺系統在影像中搜尋事件、排隊和不尋常的交通狀況，不斷監控所有攝影機。例如，Motorola 解決方案提供了一個支援人工智慧的使用者介面，以確保關鍵事件不會被忽視。此外，運輸行業的這種人工智慧，甚至可以預測即將到來的交通困難。
例如，MindTitan 與愛沙尼亞道路管理局合作，建立了一個交通事故預測模型。該系統使用犯罪、事故、天氣狀況、警察巡邏的位置和時間等資料。根據這些資料，預測模型應預測交通事故的風險、嚴重程度和根本原因。因此，人工智慧可以改善道路安全並減少交通。
另一個例子是在美國貝爾維尤（WA）開發的人工智慧專案。根據 5000 多小時的影像片段，研究人員確定了崩潰發生地點的準確預測因素。透過處理安裝在 40 個十字路口的 360° 高畫質交通攝影機的資料，人工智慧模型可以辨識城市網路中的交通熱點。這些攝影機提供有關交通量、汽車速度，和接近碰撞的交通指標的資料。
人工智慧在交通中的另一個領域是執法。此前，由於車輛高速行駛，檢測危險駕駛依賴於人類觀察，警方通常在事故發生後參與其中。然而，人工智慧已經解決了這個問題。智慧系統幫助當局檢測人們在開車時喝酒或發簡訊，並提醒附近的官員攔截他們，在事故發生之前防止事故發生。
此外，這些智慧系統可以預測警察巡邏的最佳位置。MindTitan 正在為愛沙尼亞警察和邊境警衛委員會（PBGB）建立一個人工智慧系統，該系統可以根據許多因素預測緊急呼叫，從問題和緊急呼叫的歷史資料開始，到現場的到現場的天氣狀況結束。
自動車牌辨識
自動車牌辨識使用電腦視覺系統分析，來自高速公路和街道攝影機的影像來檢測車牌號，同時標記位置、日期和時間。
然後，中央伺服器處理這些影像，使用光學字元辨識（OCR）辨識數字和字母。
通常，警察會用它來幫助他們定位車輛。例如，在幾秒鐘內，車牌辨識將有助於確定汽車是否在特定時間處於犯罪現場。
此外，這項技術還可以透過發現旅行模式來幫助交通、停車或收費管理。
然而，自動車牌辨識通常被視為有爭議。有些人認為，自動車牌辨識可以揭示有關司機生活的私人資訊。因此，謹慎使用這項技術是明智的。
駕駛監控
據政府報導，僅在美國，2020 年就發生了多達 633 起與昏昏欲睡的駕駛相關車禍死亡。英國政府將駕駛員疲勞描述為「需要解決的駕駛員行為的主要領域之一」。
根據這些令人不安的統計資料，儘管個人責任也隨之而來，但這還不夠。不幸的是，僅僅要求司機更加小心是行不了的。許多司機不喜歡承認自己的疲勞，甚至否認這種狀態會影響他們的駕駛能力。
為了更安全的駕駛和更好的監控，公司利用電腦視覺，在車廂中新增影像裝置。該技術透過使用臉部檢測和姿勢，估計來尋找嗜睡和情感辨識等內容。提醒司機並建議他們靠邊停車休息，人工智慧每年可以防止數百起車禍和死亡，為每位旅行者提供更安全的道路。
當檢測到司機分心時，可能會出現同樣的警報。 在中斷的時刻 —— 例如，在使用行動裝置時，人工智慧系統可以立即提醒司機，要求他們專注於道路。人工智慧系統還可以檢測其他干擾因素，例如與後座乘客聊天，在司機沒有意識到的情況下影響他們的注意力。
人工智慧在運輸行業的好處
雖然人工智慧的應用仍然因地區而異，但人工智慧技術的採用對整個運輸行業產生了巨大影響。作為智慧城市（強調使用數位技術和共享知識，以造福公共安全、健康、流動性和生產力的城市生態系統）的重要組成部分，人工智慧可以在許多方面改善城市生活。
來源：https://newsroom.intel.com/wp-content/uploads/sites/11/2018/03/smart-cities-whats-in-it-for-citizens.pdf
機器學習的好處清單已經很廣泛，但人工智慧仍在擴大，而且好處也將擴大。
- 增加使用人工智慧可確保降低勞動力成本，同時提供更高的利潤。
- 人工智慧對安全和交通事故監測和預測有著巨大影響。此外，物流中的資料分析有助於升級運輸規劃並提高總體安全性。
- 隨著人工智慧方法透過使用交通歷史資料，和其他相關細節來預測交通，交通管理變得更加有效。
- 透過即時交通檢測，從人工智慧實施中獲得分散基礎設施的物流部門和企業，以實現最佳路線調整，最大限度地減少等待時間等。
交通中人工智慧的最佳實踐
- 眾所周知，人工智慧專案需要大量資料。對於一些創新，如自動駕駛汽車，許多邊緣案例，鑑於人類行為，意味著模式很難預測。然而，大多數人工智慧在交通中的應用案例，不需要如此荒謬的資料量。更重要的是它們的來源和品質。
- 在規劃人工智慧專案時，請確保你為用資料修復情況安排時間，因為它是任何人工智慧專案的一部分。在開始人工智慧專案之前，可以部分完成，但不能完全完成，因為你會發現，擁有良好的資料和擁有可用於訓練人工智慧的良好資料是有區別的。
- 最後，請記住要有耐心：將人工智慧模型實施到系統中，以便人們或其他系統能夠真正使用它，這是一個漫長的過程。
結論
運輸部門的人工智慧可以在許多方面改善日常生活，從更舒適、更方便的交通管理和乘客安全到減少碳排放。人工智慧功能使我們能夠處理複雜的資料，並自動執行耗時的任務，例如持續監控交通流。因此，道路使用者可以確保在超人關注下觀察交通，以防止問題並提高安全性。
在航空行業，人工智慧驅動的系統透過根據惡劣天氣和延遲預測，辨識交通資料中的隱藏模式，可以透過智慧車隊管理增加創收。
然而，由於運輸部門是一個具有許多影響因素的複雜領域，因此必須與機器學習專家團隊一起仔細研究你想要解決的現實問題。
沒有留言:
張貼留言