2024年7月17日 星期三

★ 交通中的人工智慧如何改善我們的日常生活

人工智慧偵測交通號誌


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

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。


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