精华内容
下载资源
问答
  • Current and Future Trends in VRU Accidents in Europe-Why we Need ITS solutions In this presentation: Establish: Main title The historical and current VRU Accident numbers in the EU Content Predicted
  • 人工智能技术在城市智能交通方面的应用研究.pdf
  • 探讨人工智能技术在城市智能交通方面的应用.pdf
  • 探讨人工智能技术在城市智能交通方面的应用 (1).pdf
  • 谈大数据人工智能时代智慧交通-人工智能论文-计算机论文 文章均为WORD文档下载后可直接编辑使用亦可打印 摘要新形势下我们的生活工作等各方面都开始进入了大数据人工智能时代城市交通方面也被纳入重点考虑范围本文...
  • 人工智能包括些方面人工智能有些方面的论文 计算机学科的一个重要分支就是人工智能它与基因工程 纳米科学被列为 21 世纪三大尖端技术它为人工智能技术在航空 业的应用创造了条件 以下是精心的人工智能的论文的相关...
  • 摘要人工智能(AI)是指机器执行人类能够轻松完成的感知、推理、学习和解决问题等认知功能的能力。过去20年以来,由于互联网产生的海量数据的可用性,人工智能在全球范围内获得了关注。最近,使用高...

    摘要

    人工智能(AI)是指机器执行人类能够轻松完成的感知、推理、学习和解决问题等认知功能的能力。过去20年以来,由于互联网产生的海量数据的可用性,人工智能在全球范围内获得了关注。最近,使用高级算法处理这些数据给政府和企业带来了巨大的好处。物联网、机器人过程自动化、计算机视觉、自然语言处理等各种技术支持的机器学习算法的强劲增长,使人工智能的增长成为可能。本文是将交通运输业的各种问题分类为智能交通系统的汇编。考虑的一些子系统与智能交通系统的交通管理、公共交通、安全管理、制造和物流相关,人工智能的好处被投入使用。这项研究涉及交通运输业的特定领域,以及可能使用人工智能解决的相关问题。该方法涉及根据从各种来源获得的国别数据进行二次研究。此外,全球各国都在讨论解决交通行业问题的人工智能解决方案。

    52b767b6787d0d67e813c0702ef3c893.png

    1 . 介绍

    技术过去一直是企业的问题解决者。无论是零售、银行、保险、医疗保健甚至体育。其中一些解决方案通过降低运营成本、提高效率和提高效率改变了企业的运营方式。即将成功实施最新技术的即将到来的领域之一是交通运输行业,该行业受到与交通拥堵、意外延迟和路线问题相关的问题的困扰,这些问题导致经济损失。

    运输业一直是不同地理区域人员和货物流动的主要贡献者。它在货物从一个地方转移到另一个地方的供应链管理系统中发挥着重要作用。该行业在将货物在物流链中的精确时间移动到正确地点的过程中发挥着关键作用。为了从商业投资中获得全部收益,政府和组织使用了机器学习、人工智能、物联网等技术。

    1.1 . 人工智能(AI)

    人工智能(AI)是计算机科学的一个广泛领域,它使机器像人脑一样运作。人工智能也被定义为机器执行人类认知功能的能力。AI一词最初是由计算机科学家John McCarthy在1956年创造的。由于通过各种设备生成的大量数据的可用性,以及高效硬件、软件和网络基础设施的可用性,这个已有60年历史的概念最近引起了热议。人工智能的出现使流程自动化成为可能,从而产生创新的业务解决方案[47]。AI提供可靠且具有成本效益的解决方案,同时解决决策过程中的不确定性。由于流程自动化,高级算法处理复杂数据的能力促进了企业更快的决策[10]。随着人们对环境的日益关注,人工智能已成为通过改造传统行业和系统来解决气候变化和水问题的解决方案提供商。这些能力帮助政府建设可持续城市,从而有助于保护生物多样性和人类福祉[23]。

    美国和中国目前主导着人工智能世界。普华永道的一份报告估计,到2030年,人工智能将为世界经济贡献15.7万亿美元。在美国,学术体系已经产生并孵化了与人工智能相关的研究;而在中国,政府提供资金和技术来利用人工智能的潜力。中国计划到2030年至少投资70亿美元。加拿大和英国通过宣布为私人和公共人工智能企业提供资金的交易,加大了对技术的投资[20]。加拿大在2017年承诺为人工智能研究投资了1.25亿美元。法国政府将在2022年之前投资18亿美元用于人工智能研究。该国计划从私营公司提取数据以供公开研究。俄罗斯每年在人工智能上的花费估计为1250 万美元,主要用于军事领域。

    1.2 . 人工智能和交通

    全球大多数大城市都面临与运输、交通和物流相关的问题。这是由于人口的快速增长以及道路上车辆数量的增加。为了有效地创建和管理可持续的交通系统,技术可以提供巨大的支持。随着城市地区陷入交通拥堵的困境,人工智能解决方案出现在访问车辆的实时信息以进行交通管理,并通过统一的系统在旅行计划中按需利用移动性。基于人工智能的决策、交通管理、路径规划、交通网络服务和其他移动优化工具的安全集成使得高效交通管理具备可能性(交通,2019)[61]。人工智能被世界经济论坛视为新兴技术之一。支持运输的AI方法包括人工神经网络(ANN)、遗传算法(GA)、模拟退火(SA)、模糊逻辑模型(FLM)和蚁群优化器(ACO)。在交通管理中部署这些技术的目的是缓解拥堵,使通勤者的出行时间更加可靠,并提高整个系统的经济性和生产力[1]。

    通过技术连接的车辆可以预测道路上的交通状况,从而提高驾驶效率。研究文章[41]提出了三个观点。

    1. 评估准确的预测和检测模型,旨在预测交通量、交通状况和事故;

    2. 通过探索人工智能的各种应用,公共交通作为一种可持续的出行方式;

    3. 联网车辆旨在通过减少高速公路上的事故数量来提高生产力[40]。

    已经在全球范围内进行了几项研究,以解决与运输行业有关的问题。在该行业人工智能技术支持下的研究成果为这一重要的发展领域带来了希望。

    1.3 . 智能交通

    近年来,随着跨行业的多种技术设备的激增,产生了大量数据。这些数据在企业、政府和社会的决策过程中变得很有价值。交通运输业是城市建设的生命线,在数据生成和使用方面不能落后。该部门在城市发展中发挥着重要作用,因为它会影响人员、流程和利润。为了实现数据生成,汽车制造商一直积极主动地制造可以安装在车辆上的设备,用于运送人和货物。这些设备产生的数据由专家远程监控。政府和企业能够根据使用各种应用程序生成的数据进行实时决策。近年来,与交通和技术有关的各种创新应用正在建设中。应用程序开发人员关注的是一种面向流程的系统方法,该方法具有明确的目标,并嵌入了反馈机制,以衡量与运输行业相关的解决方案的结果。

    运输管理系统(TMS)属于运输管理领域,具体涉及运输业务。这些系统的目标是使用数据建立有效的路线规划、负载优化、提高灵活性和透明度。根据 Gartner,该领域预计将快速增长[42]。城市的交通战略与信息系统相关联,以便更好地管理,该系统将专注于采集、处理、传输和管理由此产生的数据。在过去的几十年里,由于智能技术的出现,各种物流、路线、地图和规划的信息系统正在开发中。这些系统提供了更好的数据处理能力,以更好地规划运输过程,从而实现智能运输系统(ITS)[13]。

    从用户和车辆生成的数据用于构建高效的ITS。由于跨车辆、城市基础设施和其他相关活动的信息获取、交换和集成,将ITS构建到交通系统中确保了性能的提高。据观察,ITS 支持城市当局和车辆用户的决策过程。

    用户和车辆产生的数据被用于构建高效的ITS。将ITS纳入交通系统,通过车辆、城市基础设施和其他相关活动的信息获取、交换和集成,确保了性能的提高。据观察,ITS支持城市管理单位和车辆用户的决策过程。

    本文的重点是智能交通系统,它是交通管理系统的一部分。采用基于桌面的方法来整理人工智能技术,以解决交通行业问题,构建可持续的交通系统。识别和讨论了ITS各种子系统的好处以及对运输行业产生积极影响的人工智能应用。数据来自研究论文、政府报告、期刊文章和咨询机构的报告。早期研究中采用的一些框架被认为是当前研究中确认子系统的基准。这项工作将帮助企业和政府采用这些技术,并根据给定的场景构建相关的解决方案。

    2 . 文献调查

    人工智能已经对医疗保健、零售、银行、保险、娱乐、制造和运输等各个行业造成了重大冲击。人工智能在交通运输中的几个用例已经过试验和采用,证明了这个市场正在上升的事实。随着与人工智能相关的技术进步,交通运输业向在车辆上嵌入方便用户使用的设备的方向发展。这导致了使用设备生成的数据建立ITS。

    当前形式的人工智能能够解决实时运输中的问题,从而管理物流系统和货运的设计、运营、时间表和管理。其他一些应用包括旅行需求分析、交通组织、行人和群体行为分析。AI 技术允许将这些应用程序用于整个运输管理——车辆、驾驶员、基础设施以及这些组件动态提供运输服务的方式[59]。在难以完全理解交通系统特征之间复杂关系的领域,人工智能方法提供了智能解决方案[1]。[31]的研究专注于两个领域,即人工智能和交通。人工智能一方面带来了巨大的机遇,另一方面也带来了与安全相关的重大挑战。从 2000 年代中期开始,用于商业目的的交通私有化带来了新的研究机会和计划,并在这些领域取得了相当大的进步。

    国际公共交通协会 (UITP) 和陆地运输管理局 (LTA) 联合资助的一项名为“公共交通中的人工智能”的研究项目是通过文献回顾、定量调查、用例、专家博客和构思研讨会进行的。该报告概述了人工智能应用 [ 16 ] 在公共交通中的各种用例,以及人工智能在公共交通系统中的未来可能会怎样。咨询公司普华永道进行了一项全国性调查,以通过在线模式了解人工智能对金融服务、技术和制造等广泛领域的决策者和雇员的影响。研究发现,青少年对交通相关技术的适应性更强[48]。

    早期采用者和进步的公共交通利益相关者预计人工智能将进一步融入未来的移动性[24] 。人工智能能够在不同程度上通过不同的方法、方法和技术发挥作用,表现出逻辑推理、解决问题和学习的能力。人工智能可以基于硬件(机器人)或软件相关(谷歌地图)。数据驱动的人工智能将机器学习技术与用于搜索和分析大量数据的技术相结合。人工智能有助于发现市场趋势、识别风险、缓解交通拥堵、减少温室气体和空气污染物排放、设计和管理运输、并分析出行需求和行人行为(Niestadt、Debyser、Scordamaglia 和 Pape,交通人工智能,2019)[ 43]。数据和人工智能驱动的应用和服务是实现提供最佳移动性愿景的主要基石。为了在城市中建立有效和高效的移动生态系统,需要一种整体的移动管理方法。联网车辆实时发送数据,从而产生大量数据。随着运输需求的不断增加,通过设备的数据增长也在增长;因此,需要对道路交通进行更智能的管理[57]。

    表 1给出了人工智能在交通应用中目前开始商业化或正在研究试验中的一些关键功能。

    表1 AI 功能和用例

    人工智能功能

    用例

    非线性预测

    交通需求建模

    控制功能

    信号控制,动态路线引导

    模式识别

    用于道路或桥梁交通数据收集和裂缝识别的自动事件检测、图像处理

    聚类

    根据行为识别特定类别的驾驶员

    规划

    基于人工智能的交通规划决策支持系统

    优化

    设计最佳交通网络,制定维护路面网络的最佳工作计划,制定一组交通信号的最佳配时计划

    改编自(Sadek,交通运输中的人工智能应用,2007)[54] 

    [50]的研究重点是智能车辆道路系统的监测、控制和管理的先进系统。这里讨论的是复杂网络中的非重复拥塞。该研究提出了一种基于人工智能的解决方案,在主干道交通管理中采用多个实时知识相关专家系统。支持向量回归(SVR)和基于案例推理(CBR)两种人工智能范式被用于大规模网络和复杂仿真模型的评估。[11]研究通过比较交通状况的预测来评估两种模型的结果。在这项研究中,一个基于代理(Agent)的控制系统监测交通、道路事故和其他运输活动。文章[22]比较了部署在巴塞罗那附近的智能交通管理系统上的两个集成自主代理,这些智能交通管理系统为实时交通管理提供决策支持。

    [51]研究探讨了自主智能代理在城市交通控制 (UTC) 中的适用性。该研究提出的系统可以为动态环境设计、实施、优化和调整协调UTC。该模型可应用于多个交通信令智能交叉口。这些代理能够响应实时交通状况,并保持其稳定性和完整性。

    与自动驾驶汽车 (AV) 相关的技术有可能影响车辆安全和出行行为。它们确保减少旅行时间并提高燃油效率。目前,这些技术已经成为颠覆性的,为交通系统带来了巨大的好处。然而,与更大群体的采用和高昂的采用成本相关的挑战仍然存在。政府在责任、安全和数据隐私方面的法规不确定,导致自动驾驶汽车的市场渗透率较低。对低速自动紧急制动系统有效性评估的研究发现,采用该技术的车辆可将追尾事故减少约38%[19]。在目前的情况下,交通的主要问题是拥堵、安全、污染和对流动性的需求增加。解决所有这些挑战的潜在解决方案之一可能是自动驾驶汽车[36]。这些车辆通过传感器技术 [ 25 ] 和连接解决方案[68]从其物理和数字环境中收集数据。

    联网汽车能够通过智能设备访问互联网,也能够与其他汽车和基础设施进行通信。他们从多个来源获取实时数据,支持司机在驾驶过程中强大的压力下进行操作。这些汽车确保了安全性和可靠性[12] 。模式识别与图像处理一起用于自动事件检测和识别路面或桥梁结构中的裂缝。聚类技术用于根据驾驶员行为识别特定类别的驾驶员(Sadek,交通运输中的人工智能应用,2007)[ 54 ]。

    文章[35]提出了使用技术制造车辆的新模型、方法和形式。这导致了在汽车制造中采用技术来构建智能汽车。该研究讨论了人工智能技术对一个国家的各种业务和经济的影响程度[15] 。福特汽车公司已成功将人工智能集成到主流制造流程中,为组织提供竞争优势。该研究侧重于制造智能系统的流程规划和部署(Rychtyckyj,福特汽车公司的智能制造系统,2007 年)[ 52 ]。研究[64]提到用于自动驾驶汽车的技术的最初演示可以追溯到1939 年。Google公司开发的大多数自动驾驶汽车都依赖于自己开发的摄像机、雷达传感器、激光测距仪和地图。自动驾驶汽车不仅会影响单个公司的运作,还会影响国家和世界经济[63]。

    由于与不同利益相关者的网络能力,制造业和物流产生了大量的数据。由于运输业在物流中扮演着重要的角色,因此只有通过各种操作技术的应用来使用生成的数据才是合适的。通过模拟[39]的过程,提出了基于Agent的供应链优化方法。[45]这项研究思考了一个事实,即带有人工智能的无人驾驶汽车是否会对人类产生负面影响。极端的自动化可能会导致机器出现漏洞。这些综合智能系统容易受到网络崩溃或外部机构黑客攻击等系统性风险的影响。该研究提出了“产业5.0”,它可以使大数据中的知识协同生产大众化。

    研究文章[62]认为运输系统是物流链中的关键要素,因为它提供了分离的物流活动之间的联系。物流的改善对整体业务的贡献是由于技术的影响。该研究旨在帮助物流管理人员、研究人员和运输规划人员定义和理解物流的基本观点及其各种应用以及物流与运输之间的关系。物流不仅限于货物跨空间移动以及减少供应链中的时间和成本。它的范围扩大了,也成为战略管理的一部分。因此,将核心业务信息系统与一套现代分析和人工智能工具相结合,从各个来源发现相关知识是非常重要的。这有助于管理不确定性和获得竞争优势[33]。

    研究[9]结合各种人工智能技术实现四个视角,即——知识获取、服务物流、服务自动化和绩效衡量。交通在构建响应式物流信息系统方面发挥着更大的作用;因此,机器学习概念支持识别需求模式和相应的补货策略[34]。该研究标志着当前物流场景过程的系统发展[65]。我们可以看到,智能系统在以交通运输业为支柱的物流业中发挥着越来越大的作用。运输功能发生了结构性变化,影响了运输物流的演进[8]。一方面,由于采用了人工智能,道路上的事故和死亡人数可能会大幅减少;另一方面,我们可以预料到技术性失业[32]。

    通过对解决交通问题的应用的详细背景研究,可以明显地看出,人工智能在利用数据构建高效的交通系统方面发挥着重要作用。目前的研究试图代表人工智能的各种概念和应用的发展,ITS作为TMS的一部分。在各种可用的应用中,研究的范围缩小到智能交通管理系统、智能公共交通系统、智能安全管理系统和智能制造与物流系统,以构建可持续的交通系统[53]。在这些系统中,AI的作用和相应的成效将在第3节中讨论。此外,第4节讨论了世界各国交通运输业相关问题的人工智能解决方案。结论部分整理了通过人工智能实施交通运输业面临的各种挑战和建议。

    3 . 框架

    从早期的研究中可以看出,人工智能在构建智能交通系统时的成效尚未得到充分探索。目前的研究探讨了在不同国家部署的交通运输行业的ITS应用。

    作为经济生命线的运输业似乎正在努力解决全球范围内的各种运营问题。与运输业相关的问题导致一个城市乃至一个国家的进步放缓。TMS 是一个好消息,它可以使用各种技术来克服运输问题的系统。TMS 帮助企业计划、执行和优化货物的物理移动。由于数据可用性和远程监控,TMS 确保及时交付货物,从而提高客户满意度。这通过增加销售额使企业受益。TMS 通过使用适当的工具(例如路线优化)来提高车队绩效并减少供应链支出。由于数据是远程收集并受到严密监控,因此记录了对交付、结果和回报的端到端理解,从而提高了透明度。TMS使用技术来规划、执行和优化货物运输,以帮助企业蓬勃发展。这些应用程序被制造商、分销商、零售企业和从事物流业务的公司使用。

    TMS 的主要功能包括路线确定、出站/入站物流流程、路线调度、第三方物流供应商服务、货运代理、服务代理、运输跟踪和路线调度和运输计划的批量处理(图1)。可以看出,与TMS相关的功能与货物运输有关。TMS 将多个运输应用程序集成到一个包中,以便更好地使用。

    88490dbc640a7ca3c58eef158c7aefe8.png

    图1 TMS 的功能(来源:ValuecConsulting,2013)

    使用 AI 和机器学习使 TMS 变得更加智能,以提供准确的预测。目前正在使用的一些技术包括:物联网(IoT) 设备和传感器、数字助理、交货时间预测解决方案、运输规划解决方案、区块链等。智能交通系统(ITS)是从TMS发展而来的。一个能够根据给定的场景,使用安装在车辆上的设备生成的数据做出适当决定的系统被称为智能运输系统(ITS)。过去的研究表明,对ITS的综合方法包括运输基础设施和运输管理。ITS作为一种新型的TMS,已逐渐被自动化控制系统所取代。它们已经发展成为对危险情况的预测,并有可能利用大量复杂的数据作为决策工具。ITS还通过在动态环境下的自动数据收集影响了运输系统的高效运行[29]。

    典型的 ITS 需要来自各种设备和传感器的输入数据。这些数据被远程监控和处理。从处理过的数据中得出的洞察力被认为是政府和企业做出决策的宝贵输入。这种系统方法通过反馈机制确保性能的持续改进。输入数据来自安装在交通管理基础设施、车辆和道路基础设施中的各种设备。管理部门监控数据并确保及时将数据传播给通勤者、司机和行人,从而使利益相关者受益。

    智能交通系统由公共交通、交通信息、停车管理、交通管理与控制、安全管理与应急、路面管理(图2)。这是智慧城市特有的(Agarwalet al., 2015)[ 3 ]。为了通过ITS建设有效的智慧城市,将系统能力构建到城市的各种运营活动中是很重要的。如图2所示,城市中的一些活动包括公共交通、交通管理、停车管理、路面管理和安全管理。通过ITS,通勤者、行人、交通和整个社会都受益。

    585f23e5d41ad595d9d3a2ff8eaa1f47.png

    图2 开发智能交通系统的各种子系统(来源:Agarwal 等,2015)

    Hamida 等人在 2015 年进行的研究[ 5 ] 将智能交通系统的各种应用分为四个主要类别,如图 3 所示。

    1. 信息娱乐和舒适度;

    2. 交通管理;

    3. 道路交通安全,和

    4. 自动驾驶。

    445a26427510dee2a5b52b6beb630849.png

    图3 ITS应用的分类(来源:Hamida 等,201[ 5 ]5)

    这些应用程序从车辆收集数据以提高其效用,从而确保驾驶员安全并增强公共交通设施。ITS 应用程序是数据的生成器,这些数据反过来又有助于管理部门的决策过程,以更好地管理公共场所。其中一些应用与乘客舒适度、改善驾驶员体验和高效道路管理有关。公共交通系统的最终受益者是道路使用者。可持续公共交通系统的智能交通系统 (ITS) 框架考虑了 ICT 技术、自动化交通系统、交通管理中心和先进的旅客信息系统[ 60 ]。图 4中给出的框架分为四个阶段,从作为数据来源的道路使用者开始,通过 ITS 实现最终的经济增长。围绕交通系统构建的应用程序需要牢记生成数据的受益者。一旦使用 ICT 构建应用程序,它们不仅可以提高流程效率,还有助于实现运输系统的可持续性,从而实现更好的经济增长。

    e4d748ec3beec2387219901049409395.png图 4 公共交通系统的ITS框架实施(来源:Abijede O [55])

    使用ITS构建的一些应用程序可确保交通管理、交通信号控制、车辆导航系统、智能停车管理等。ITS需要一个跨城市基础设施共同运作的技术网络(Shaheen & Finson,2019 年)[ 56 ]。[29]讨论的 ITS 问题分类包括性能监控、交通管理、改进的运输过程、对交通参与者的信息支持以及运输基础设施管理。ITS 遵循系统方法,当前的研究将 ITS 的各个子系统视为一个分类来探索人工智能解决方案的成效是合乎逻辑的。考虑用于研究的子系统的图解表示在图 5 中给出。这些与交通系统相关的子系统(表 2)是从先前研究中描述的各种框架中得出的。分类是根据人工智能解决方案提供的成效进行的,以构建高效的 ITS。本研究中提出的这些子系统总结了 ITS 下的各种活动。

    0e1cbec4d68bd0ec8e67e8404f3fc152.png

    图5 智能交通系统

    表2 ITS 的子系统。

    ITS的子系统

    描述

    智能交通管理系统

    实时道路管理以避免拥堵

    智能公共交通系统

    沿不同路线通过道路运送乘客

    智能安全管理系统

    确保道路上的乘客、车辆和货物的安全

    智能制造与物流系统

    在汽车制造和货物运输中引入技术

    图 5中给出的每个子系统都根据运输问题的起源进行分类,并以系统的方式组织。此外,还强调了采用技术解决这些问题所带来的成效。本文研究了运输行业中成功采用人工智能并从中受益的组织。

    4 . 讨论

    4.1 . 智能交通AI解决方案

    人工智能对运输业领域的贡献是巨大而广泛的。这些解决方案包括自动驾驶汽车、交通管理、优化路线和物流,从而为车辆和驾驶员提供安全保障。ITS是通过 AI 技术使用安装在车辆上的设备生成的数据构建的。目前的研究集中在与交通相关的四个子系统——即智能交通管理系统、智能公共交通系统、智能安全管理系统和智能制造与物流系统。表(表3 至 6)描述了AI的解决方案,相关问题的子系统,AI的作用和取得的成果的数据源。

    表3 交通管理

    数据来源

    问题

    人工智能的作用

    益处

    之前的研究

    配备智能系统的车辆

    交通拥堵导致成本增加

    机器学习工具来预测交通拥堵

    更好的节油能力和更少的环境污染

    通过评估使用 ML 模型实现的交通参数进行短期交通拥堵预测 (Akhtar, Moridpour, 2021)[ 38 ]

    来自智能手机的数据

    路径规划

    替代路线建议

    节省时间

    通过智能手机生成的数据的驾驶员行为监控系统使用 ML 技术[17]

    智能交通系统

    不可预测的交通拥堵

    空气中污染物质的鉴别

    遏制环境污染

    使用模糊逻辑结合多个空气质量指标以及模拟退火和粒子群优化技术来识别空气污染(Ly H. B,2019)[ 37 ]

    交通灯和车辆

    高峰时段交通管理

    实时跟踪交通信号灯中的拥堵和算法

    控制较高和较低的流量模式

    在部署 AI 解决方案进行分析之前,观察从交通灯收集的实时信息以获得最佳的绿-红分布[67]

    来自车辆的数据

    增加道路上的车辆数量

    模式识别

    更好的观察和决策

    人工智能技术的稳定性,特别是 ANN 被部署来预测异构交通条件下的交通拥堵(Olayode,2020)[ 44 ]

    表4 公共交通

    数据来源

    问题

    人工智能的作用

    益处

    之前的研究

    路网结构、路面、天气和交通模式

    数据的可变性

    通过机器学习算法预测模式的变化

    规划和决策

    使用交通量、密度、占用率、旅行时间、拥堵指数进行的短期交通拥堵预测 (Akhtar M, Moridpour S, 2021)

    来自司机和乘客的实时数据

    交通拥堵

    路线优化

    缩短旅行时间

    用于货物交付的 AI车辆

    交货时间、地点的变化

    改善驾驶模式的建议

    提高生产力和进一步销售

    使用车辆路线优化将预测智能应用于道路运输[26]

    来自智能道路的传感器

    路面磨损

    自动向管理机构发出警报

    道路管理

    通过将传感器技术与确保车辆和乘客安全的交通基础设施相结合,实现可持续的 ITS(Ibanez 等人,2018 年)

    表5 安全管理

    数据来源

    问题

    人工智能的作用

    益处

    之前的研究

    来自智能汽车的传感器

    驾驶员的疲劳和疲倦

    自动驾驶系统激活

    避免事故

    自动驾驶汽车中的多个集成传感器决定了安全性和可行性(Yeong 等,2021)[ 66 ]

    长途卡车

    连续行驶时间和未知地形

    司机健康监测

    事故预测

    驾驶员生理参数的实时测量被馈送到网络云中,并使用人工智能使用智能车载健康监测系统进行分析[46]

    自动驾驶汽车

    低性能和安全问题

    盲点警报、自适应巡航控制、高级驾驶员辅助系统

    节省司机的时间

    自动驾驶汽车可确保减少驾驶员对安全策略的努力和投资(Littman. 2021)

    实时数据传输

    增加时间和成本

    路线优化

    预测车辆体积的预测技术

    自动驾驶汽车实时准确地了解车辆位置和状态,从而提高车辆的操控性和安全性[2]

    通过传感器进行监控

    修理或加油

    远程控制管理

    节省燃油,提高里程

    安装在车辆上的智能视觉标签提供移动支持和跟踪机制(Li Q,2015)[ 49 ]

    表6 制造和物流

    数据来源

    问题

    人工智能的作用

    益处

    之前的研究

    智能汽车

    需要维护

    结合来自物联网传感器的数据、维护日志——创建预测模型

    更好的预测和机器故障

    通过自动驾驶汽车降低成本并改善低级人群的可及性(Anandakumar、Arulmurugan R、Roshini A(2019))[ 21 ]

    联网车辆

    维修与保养

    联网车辆安排预测性和预防性维护

    赋能车辆监控业务

    如果联网乘用车能够以更好的用户界面可靠地运行,则它们比手动驾驶的车辆更好(Y David, F Donald (2021)[ 14 ])

    配备技术的车辆

    生产和运输成本增加

    跨车辆和路线共享数据

    改善从采购到研发的整个供应链的成本节约

    C-ITS – 合作 ITS 为特定司机提供实时定制信息(Maxime G 等人,2016 年)

    基于网络的结构

    由于手动数据输入而产生大量发票

    基于人工智能的系统可以轻松地从网络中检索数据

    更快地处理账单、发票

    智能手机将家庭连接到车联网车辆以执行重复性任务(Kim Y 等,2017)[ 30 ]

    发票和文件

    发票异常,合规性验证

    欺诈检测的预测和处理

    高精度

    合同

    提取非结构化数据

    用于解释发票的自然语言处理技术

    提取关键信息

    从表3中我们可以看出,人工智能为交通问题提供了解决方案,通过建议替代路线,在交通拥堵时实时跟踪交通灯。这有助于有效地管理交通,最终遏制环境污染,建设可持续发展的城市。

    从表4可以看出,人工智能在预测天气和交通模式、道路管理、警报生成等方面为值班人员提供了解决方案。这些系统可以帮助司机、通勤者和行人在他们开始旅行之前。有技术的支持,建立一个有效的公共交通系统,有助于规划和决策过程,这是很重要的。

    从表5中可以看出,人工智能减少了道路事故的数量,根据路况预测事故,提醒司机注意道路安全等。当运输行业效率高时,经济就会成功运行。借助人工智能技术构建安全的交通系统,具有重要意义。

    从表6中我们可以看出,在汽车制造过程中,人工智能解决方案使汽车行业受益。传感器、摄像头和其他技术在这个行业发挥了作用,以获得更好的效益。汽车内置的一些人工智能解决方案已经成为乘用车和商用车领域的重要组件。

    4.2 . 人工智能在全球交通领域的成就从目前的讨论中可以看出,人工智能解决交通相关问题的能力似乎是一种自然的契合。然而,与其他所有行业的 AI 情况一样,这些应用程序的采用因组织和地域而异。基于环境和地理因素,应用程序可以是简单的和复杂的,遥远的和即将到来的,确定的或可能的。4.2.1  跨组织的人工智能应用表 7提供了人工智能在交通部门各个组织中的应用。美国似乎是这些应用的先行者。这可能是由于人口较少,道路基础设施更好。具有创新精神的初创企业获得了大量资金,用于在发达国家开发原型。相对于乘用车阶段,大多数方案都是在长途驾驶阶段进行试验的。

    表7 人工智能在全球交通领域的成就

    人工智能应用

    组织

    国家

    自动驾驶的认知电动班车——Olli,将乘客运送到要求的位置,并提供当地观光建议。Olli 由 IBM 的 Watson 汽车物联网 (IoT) 提供支持

    本地汽车

    美国

    Surtrac 系统安装在由九个交通信号组成的网络中,它通过将交通传感器转换为智能代理来帮助预测和检测交通事故和状况

    快速流动技术

    美国匹兹堡

    Otto 完成了世界上第一辆自动卡车运送 50,000 罐百威啤酒超过 120 分钟的距离

    奥托(优步)

    美国旧金山

    图森未来是一家中国初创公司,完成了 200 英里的无人驾驶卡车驾驶。使用深度学习技术训练驾驶系统

    图森未来

    中国

    GE 配备传感器的智能货运机车可检测轨道上或轨道周围的物体。机车故障率降低 25%

    通用电气运输

    德国

    日立的内部人工智能技术降低了驱动车辆的功耗。从机车车辆中提取的运行数据的正确组合见证了年牵引力降低 20%

    日立

    日本

    交通部预计道路货运管理中的人工智能增强需求和预测模型

    交通部

    美国

    尽管天气模式、交通模式、城市基础设施不统一,但仍能通过自动驾驶巴士按时交付人员和包裹

    ——

    芬兰、新加坡、中国

    4.2.2 . 运输公司采用人工智能 根据[28]人工智能可能通过提供个人运动、偏好和目标的准确预测行为模型,对城市基础设施产生越来越大的积极影响。尽管人工智能在交通规划应用中的应用在最近变得很重要,但与数据相关的个人隐私和安全仍然令人担忧。由于这些道德考虑,政府和法律法规可能会决定该行业创新和采用的速度。在技术的许多方面缺乏道德共识的情况下,踏上AI旅程的各个组织必须考虑道德因素。尽管很少有组织使用机器来编写代码,但总的来说,人类仍在继续编写代码。由于这个因素,偏见、假设、看法可能会进入正在开发的算法中。组织必须自问:什么是合乎道德的 AI?治理和道德人工智能在哪里重叠?如何消除人工智能决策中的偏见?等[6]。由于这方面的原因,各个政府和城市公司对人工智能的采用存在差异。表 8给出了各种运输公司采用人工智能的情况及其好处。由于当地政府法规的影响,各个城市的采用情况似乎有所不同。

    表8 运输公司采用人工智能

    国家运输公司

    人工智能应用

    好处

    马哈拉施特拉邦运输公司

    IVADO & Next AI 加拿大公司

    为包括交通在内的各种项目建立人工智能集群——研发投资、交通技术

    Telangana运输公司

    用于客户支持的聊天机器人

    人工智能回答多个问题。疑难问题向上级反映

    多伦多运输委员会

    自驾中转班车

    最初由人类司机监督。一项解决公共交通最后一英里连接问题的举措

    法国国家铁路公司

    过境乘客的聊天机器人

    帮助旅行者计划他们的日常旅行并在不可避免的延误情况下穿越城市

    迪拜道路和交通管理局

    使用人工智能的智能和可持续交通——自动公交轨道控制系统、智能行人信号系统

    监控公交车的状况——驾驶员疲劳、车辆监控摄像头提高公交车效率、分配行人信号交叉口的传感器

    新加坡交通部

    nuTonomy – 一家与 Grab 合作开发自动驾驶出租车的自动驾驶汽车公司

    自动驾驶公交车和货运车辆将对公共交通产生影响

    伦敦交通

    Sopra Steria 提供对数据的访问

    道路交通、公交车性能、天气和道路工程,以减少拥堵和道路管理

    5 . 结论

    本文汇总了 AI 构建ITS的能力和优势。该研究提出了一个包含 ITS 子系统的框架,这些子系统是根据其能力确定的。ITS 是识别运输行业潜在问题的重要工具之一,本研究为特定问题提出了解决方案。研究发现,机器学习算法主要用于预测交通拥堵和路线管理。一项针对采用人工智能克服交通问题的城市分析表明,大多数发达国家已经迅速采用了这些系统。这种采用需要相关公司和领导层的支持,因为它涉及最高管理层的投资和长期愿景。由于两个原因,一些组织和政府仍对采用犹豫不决——要么担心与人工智能采用相关的风险,要么在这些国家中采用技术能力较弱。据观察,发达国家正在采用与运输管理相关的技术。为了构建有效的 AI 应用程序,我们需要大量数据作为输入来处理文本、图像、视频和音频,以便做出适当的决定。该领域缺乏知识和人才仍然是推出适合该领域的更新解决方案的弱点。因此,人工智能在物流公司的应用成本大约是营业额的3-10%,这给采用人工智能造成了障碍。

    人工智能应用引发了许多伦理、社会、经济和法律问题。数据驱动的基于人工智能的应用程序存在网络安全和数据隐私问题,尤其是在自动驾驶汽车中。当面对生命对生命的情况时,了解全自动车辆中的人工智能算法与人类相比如何做出决策至关重要。Eurobarometer对自动驾驶系统进行的一项调查发现受访者对自动驾驶汽车运输货物感到非常满意,而不是乘坐此类车辆本身(Niestadt、Debyser、Scordamaglia 和 Pape,运输中的人工智能,2019 年)。缺乏明确的政策、对采用新技术的抵制、缺乏道德法规的建立,使得人工智能解决方案对许多组织来说难以捉摸。总的来说,人工智能能够为人类提供更好的旅行体验。进一步研究的范围由于本研究的概念性质,它可能缺乏在不同场景中的应用的普遍性。未来可以根据从运输行业的利益相关者那里收集的原始数据进行影响研究。一些研究问题可能是:行为研究——乘客对乘坐自动驾驶汽车的偏好与人类驾驶汽车相比,自运输行业采用人工智能以来,事故数量是否减少了?人工智能在运输行业的实施是否为企业带来了更好的投资回报率?人工智能是否确保提高运输行业的效率?政府监管机构在运输行业部署各种人工智能解决方案的作用和意义是什么?

    需查参考文献链接可去知乎号“智能交通技术”查询。

    参考文献

    [1]

    R. Abduljabbar, H. Dia, S. Liyanage, S.A. BagloeeApplications of Artificial intelligence in transport: an overview

    Sustainability, 11 (189) (2019), 10.3390/su11010189

    Google Scholar

    [2]

    M.N. Ahangar, Q.Z. Ahmed, F.A. Khan, M. HafeezA Survey of autonomous vehicles: enabling communication technologies and challenges

    Sensors, 21 (2021), p. 706, 10.3390/s21030706

    Download PDFCrossRefGoogle Scholar

    [3]

    P.K. Agarwal*, J. Gurjar, A. Agarwal, R. BirlaApplication of Artificial intelligence for development of intelligent transport system in smart cities

    Int. J. Transp. Eng. Traffic Syst., 1 (2015), pp. 20-30View Record in ScopusGoogle Scholar

    [5]

    H.E. B, N. H, Z. WSecurity of cooperative intelligent transport systems: standards, threats analysis and cryptographic countermeasures

    Electronics (2015), pp. 380-423

    Google Scholar

    [6]Briggs, B., Henry, N., & Main, A. (2019). AI fueled organizations. Deloitte Consulting LLP. Retrieved October 31, 2019.

    Google Scholar

    [7]

    B. Burmeister, A. Haddadi, G. MatlysisApplication of multi-agent systems in traffic and transportation

    IEE Proc. Softw., 144 (1) (1997), pp. 51-60, 10.1049/ip-sen:19971023

    View Record in ScopusGoogle Scholar

    [8]

    L. Chatterjee, C.m. TsaiTransportation Logistics in Global Value Supply Chains

    Boston University. Center for Transporation Studies (2002)

    Retrieved October 12, 2019

    Google Scholar

    [9]

    C. Cheung, Y.L. Chan, K.S. Kwok, W.B. Lee, W.M WangA knowledge-based service automation system for service logistics

    J. Manuf. Technol. Manag., 17 (6) (2006), pp. 750-771, 10.1108/17410380610678783CrossRefView Record in ScopusGoogle Scholar

    [10]

    M. Chowdhury, A.W. SadekAdvantages and limitations of artificial intelligence

    Artificial Intelligence Applications to Critical Transportation Areas, 6-10, Transportation Research Board, Washington, United States (2012)

    Retrieved October 24, 2019

    Google Scholar

    [11]

    M. Chowdury, A. Sadek, Y. Ma, N. Kanhere, P. BhavsarApplications of Artificial intelligence paradigms to decision support in real-time traffic management

    Transp. Res. Record J. Transp. Res. Board, 1968 (1) (2006), 10.1177/0361198106196800111

    Google Scholar

    [12]

    R. Coppola, M. MorisioConnected car: technologies, issues and future trends

    ACM Comput. Surv., 49 (3) (2016), 10.1145/2971482

    Google Scholar

    [13]

    J.A. Cortes, M.A. Serna, R.A. GomezInformation systems applied to intelligent transport improvement

    Dyna, 180 (2013), pp. 77-86

    Retrieved June 7, 2021View Record in ScopusGoogle Scholar

    [14]

    C.Y. David Yang, DL. FisherSafety impacts and benefits of connected and automated vehicles: how real are they?

    J. Intell. Transp. Syst., 25 (2) (2021), pp. 135-138, 10.1080/15472450.2021.1872143

    Google Scholar

    [15]

    C. DiricanThe impacts of robotics, Artificial intelligence on business and economics

    Proc. Soc. Behav. Sci., 195 (2015), pp. 564-573

    doi:10.1016/j.sbspro.2015.06.134

    ArticleDownload PDFView Record in ScopusGoogle Scholar

    [16]emerj. (2019). https://emerj.com/ai-sector-overviews/ai-in-transportation-current-and-future-business-use-applications/. Retrieved October 20, 2019, from https://emerj.com/.

    Google Scholar

    [17]

    F. Lindow, C. Kaiser, A. Kashevnik, A. StockerAI-based driving data analysis for behavior recognition in vehicle cabin

    Proceedings of the 2020 27th Conference of Open Innovations Association (FRUCT) (2020), pp. 116-125, 10.23919/FRUCT49677.2020.9211020

    CrossRefView Record in ScopusGoogle Scholar

    [18]

    D.J. Fagnanat, K. KockelmanPreparing a nation for autonomous vehicles: opportunities, barriers and policy recommendations

    Transp. Res. Part A Policy Pract., 77 (2015), pp. 167-181

    Retrieved November 28 2019

    Google Scholar

    [19]

    B. Fildes, M. Keall, N. Bos, A. Lie, Y. Page, C. Pastor, C. TingvallEffectiveness of low speed autonomous emergency braking in real-world rear-end crashes

    Accid. Anal. Prev., 81 (2015), pp. 24-29

    Retrieved November 20, 2019

    ArticleDownload PDFView Record in ScopusGoogle Scholar

    [20]Gershgorn, D. (2018). Forget the space race, the AI race is just beginning. Quartz. World Economic Forum. Retrieved October 19, 2019.

    Google Scholar

    [21]

    H. Anandakumar, R. Arulmurugan, A. RoshiniIntelligent vehicle system problems and future impacts for transport guidelines

    Proceedings of the 2019 International Conference on Smart Systems and Inventive Technology (ICSSIT) (2019), pp. 1-5, 10.1109/ICSSIT46314.2019.8987831CrossRefGoogle Scholar

    [22]

    J.Z. Hernandez, S. Ossowski, A. Garcia-SerranoMultiagent architectures for intelligent traffic management systems

    Transp. Res. Part C Emerg. Technol., 10 (5-6) (2002), pp. 473-506, 10.1016/S0968-090X(02)00032-3

    ArticleDownload PDFView Record in ScopusGoogle Scholar

    [23]

    C. Herweijer8 ways AI can Help Save the Planet

    January 24

    World Economic Forum (2018)

    Retrieved October 15, 2019

    Google Scholar

    [24]

    G. Ho, C. MorletArtificial Intelligence in mass Public Transport. Centre for Transport Excellence

    Land Transport Authority, Singapore: UITP. (2018)

    Retrieved October 20, 2019

    Google Scholar

    [25]

    J. Guerrero-Ibáñez, S. Zeadally, J. Contreras-CastilloSensor technologies for intelligent transportation systems

    Sensors, 18 (4) (2018), p. 1212, 10.3390/s18041212

    Download PDFCrossRefView Record in ScopusGoogle Scholar

    [26]

    P. JuchaUse of Artificial intelligence in last mile delivery

    Proceedings of the SHS Web of Conferences, Zilina, Globalization and its Socio-Economic Consequences 2020 (2021), pp. 1-9

    Retrieved July 9, 2021View Record in ScopusGoogle Scholar

    [27]

    A. Karageorgos, N. Mehandjiev, G. Weichhart, A. HämmerleAgent-based optimisation of logistics and production planning

    Eng. Appl. Artif. Intell., 16 (4) (2003), pp. 335-348

    Retrieved November 10, 2019

    ArticleDownload PDFView Record in ScopusGoogle Scholar

    [28]

    M. Karlaftis, S.M. Easa, M.K. Jha, E.I. VlahoGianniDesign and construction of transportation infrastructure

    Artificial Intelligence Applications to Critical Transportation Issues, Transportation Research Board, Washington, United States (2012), pp. 121-137

    Retrieved October 21, 2019View Record in ScopusGoogle Scholar

    [29]

    O. KaternaIntelligent transport system: the problem of definition and formation of classification system

    Econ. Anal., 29 (2) (2019), pp. 33-43

    Download PDFCrossRefView Record in ScopusGoogle Scholar

    [30]

    Y. Kim, H. Oh, S. KangProof of concept of home IoT connected vehicles

    Sensors, 17 (6) (2017), p. 1289, 10.3390/s17061289

    Download PDFCrossRefView Record in ScopusGoogle Scholar

    [31]

    K. KosmaThe impact of artificial intelligence and space transporation on security

    Biztonságpolitika, 11 (1) (2018), pp. 99-107

    Retrieved October 19, 2019View Record in ScopusGoogle Scholar

    [32]Krasadakis, G. (2018, January 24). https://medium.com/ideachain/artificial-intelligence-transportation-ea39d652618f. Retrieved October 31, 2019, from https://medium.com/.

    Google Scholar

    [33]Krma, E.V. (2009). Business intelligence in transporation logistics. Transport 2009. Sofia. Retrieved October 19, 2019.

    Google Scholar

    [34]

    C. Lee, W. Ho, G. Ho, H. LauDesign and development of logistics workflow systems for demand management with RFID

    Expert Syst. Appl., 38 (5) (2011), pp. 5428-5437, 10.1016/j.eswa.2010.10.012

    ArticleDownload PDFView Record in ScopusGoogle Scholar

    [35]

    B.H. Li, B.C. Hou, W.T. YuApplications of Artificial intelligence in intelligent manufacturing: a review

    Front. Inf. Technol. Electr. Eng., 18 (1) (2017), pp. 86-96, 10.1631/FITEE.1601885

    Download PDFView Record in ScopusGoogle Scholar

    [36]

    T. LitmanAutonomous Vehicle Implementation Predictions

    Victoria Transport Policy Institute, Victoria (2021)

    Retrieved July 10, 2021

    Google Scholar

    [37]

    H.B. Ly, L.M. Le, L.V. Phi, V.H. Phan, V.Q. Tran, B.T. Pham, T.T. Le, S. DerribleDevelopment of an AI model to measure traffic air pollution from multisensor and weather data

    Sensors, 19 (22) (2019), p. 4941, 10.3390/s19224941

    Download PDFCrossRefView Record in ScopusGoogle Scholar

    [38]

    M. Akhtar, S. MoridpourA review of traffic congestion prediction using artificial intelligence

    J. Adv. Transp., 2021 (2021), p. 18, 10.1155/2021/8878011

    Article ID 8878011pages

    Google Scholar

    [39]

    E. Mangina, P.I. VlachosThe changing role of information technology in food and beverage logistics management: beverage network optimization using intelligent agent technology

    J. Food Eng., 70 (3) (2005), pp. 403-420, 10.1016/j.jfoodeng.2004.02.044

    ArticleDownload PDFView Record in ScopusGoogle Scholar

    [40]

    M. Guériau, R. Billot, N-EEl Faouzi, J. Monteil, F. Armetta, S. HassasHow to assess the benefits of connected vehicles? A simulation framework for the design of cooperative traffic management strategies

    Transp. Res. Part C Emerg. Technol., 67 (2016), pp. 266-279, 10.1016/j.trc.2016.01.020

    ISSN 0968-090X

    ArticleDownload PDFView Record in ScopusGoogle Scholar

    [41]Mire, S. (2019, September 30). https://www.disruptordaily.com/future-of-ai-transportation/. Retrieved October 19, 2019, from https://www.disruptordaily.com/.

    Google Scholar

    [42]

    B.D. Muynck, B. Johns, O.S. DuranMagic Quadrant for Transportation Management Systems

    Gartner (2019)

    Retrieved June 7, 2021, from

    https://www.gartner.com/doc/reprints?id=1-6FPGZY0&ct=190327&st=sb

    Google Scholar

    [43]Niestadt, M., Debyser, A., Scordamaglia, D., & Pape, M. (2019). Artificial intelligence in transport. European Parliamentary Research Service. European Parliament. Retrieved October 31, 2019.

    Google Scholar

    [44]

    O.I. Olayode, L.K. Tartibu, M.O. OkwuApplication of artificial intelligence in traffic control system of non-autonomous vehicles at signalized road intersection

    Proc. CIRP, 91 (2020), pp. 194-200, 10.1016/j.procir.2020.02.167

    ISSN 2212-8271

    ArticleDownload PDFView Record in ScopusGoogle Scholar

    [45]

    V. Ozdemir, N. HekimBirth of industry 5.0: making sense of big data with artificial intelligence, “The internet of things” and next-generation technology policy

    OMICS A J. Integr. Biol., 22 (1) (2018), 10.1089/omi.2017.0194

    Google Scholar

    [46]

    S.J. Park, S. Hong, D. Kim, I. Hussain, Y. SeoIntelligent in-car health monitoring system for elderly drivers in connected car: Volume VI: transport ergonomics and human factors (TEHF), aerospace human factors and ergonomics

    Int. Ergon. Assoc., 20 (2019), pp. 40-44

    Daejeon. Retrieved July 10, 2021CrossRefView Record in ScopusGoogle Scholar

    [47]

    I. PoolaHow Artificial intelligence is impacting real life every day

    Int. J. Adv. Res. Dev., 2 (10) (2017), pp. 96-100

    Retrieved October 12, 2019

    Google Scholar

    [48]

    pwcArtificial Intelligence in India - Hype or Reality Impact of Artificial Intelligence across Industries and user Groups

    PWC (2018)

    Retrieved October 18, 2019

    Google Scholar

    [49]

    Q. Li, H. Cheng, Y. Zhou, G. HuoRoad vehicle monitoring system based on intelligent visual internet of things

    J. Sens., 2015 (2015), p. 16, 10.1155/2015/720308

    Article ID 720308pages, 2015View Record in ScopusGoogle Scholar

    [50]

    S.G. RitchieA knowledge-based decision support architecture for advanced traffic management

    Transp. Res. Part A Gen., 24 (1) (1990), pp. 27-37, 10.1016/0191-2607(90)90068-H

    ArticleDownload PDFView Record in ScopusGoogle Scholar

    [51]

    D.A. RoozemondUsing autonomous intelligent agents for urban traffic control systems

    Proceedings of the 6th World Congress on Intelligent Transport Systems (1999)

    Retrieved November 24, 2019

    Google Scholar

    [52]

    N. RychtyckyjIntelligent systems for manufacturing at ford motor company

    IEEE Intell. Syst., 22 (1) (2007), pp. 16-19, 10.1109/MIS.2007.13CrossRefView Record in ScopusGoogle Scholar

    [53]

    N. Rychtyckyj, D.F. Oleg GusikhinIntelligent systems in the automotive industry: applications and trends

    Knowl. Inf. Syst., 12 (2) (2007), pp. 147-168, 10.1007/s10115-006-0063-1

    Google Scholar

    [54]

    A.W. SadekArtificial intelligence applications in transportation

    Artificial intelligence in Transportation Information for Application, Transportation Research Board, Washington, United States (2007), pp. 1-6

    Retrieved October 20, 2019View Record in ScopusGoogle Scholar

    [55]

    O.S. Abejide, J.A. Adedeji, M. Mostafa HassanIntelligent transportation system as an effective remedy to improve the public transportation in South Africa. Pretoria

    Proceedings of the 37th Annual Southern African Transport Conference (2018)

    Google Scholar

    [56]

    S.A. Shaheen, R. FinsonIntelligent transportation systems

    Reference Module in Earth Systems and Environmental Sciences, Elsevier (2013), 10.1016/B978-0-12-409548-9.01108-8

    11-Sep-13(7) (PDF) Intelligent Transportation Systems

    Google Scholar

    [57]siemens. (2019, September). https://new.siemens.com/global/en/products/mobility/road-solutions/digital-lab.html. Retrieved October 20, 2019, from https://new.siemens.com/.

    Google Scholar

    [58]

    B. Standard5 ways NITI Aayog is using AI to change India

    March 20

    Business Standard, India (2018)

    Google Scholar

    [59]

    D. Sustekova, Knutelska Dr.How is the Artificial intelligence used in applications for traffic management

    Scientific Proceedings of the XXIII International Scientific Technical Conference "trans & MOTAUTO 15", Zilina (2015), pp. 91-94

    3Retrieved October 19, 2019View Record in ScopusGoogle Scholar

    [60]

    telegraSmart Traffic Management. Complete AI Based Traffic Management System

    Zagreb, Croatia (2019)

    Retrieved October 20, 2019

    Google Scholar

    [61]Transportation, U. D. (2019, September 23). https://www.transportation.gov/AI. Retrieved October 20, 2019, from https://www.transportation.gov.

    Google Scholar

    [62]

    Y.Y. Tseng, W.L. Yue, M.A. TaylorThe role of transportation in logistics Chain

    Proc. East. Asia Soc. Transp. Stud., 5 (2005), pp. 1657-1672

    Adelaide. Retrieved October 21, 2019View Record in ScopusGoogle Scholar

    [63]

    K. WitkowskiInternet of things, big data, industry 4.0 – innovative solutions in logistics and supply chains management

    Proc. Eng. (2017), pp. 763-769, 10.1016/j.proeng.2017.03.197

    ArticleDownload PDFView Record in ScopusGoogle Scholar

    [64]

    S.P. Wood, J. Chang, T. Healy, J. WoodThe potential regulatory challenges of increasingly autonomous motor vehicles

    Santa Clara Law Rev., 52 (2012), pp. 1423-1502

    Retrieved November 15, 2019View Record in ScopusGoogle Scholar

    [65]

    Z. Xu, J. He, Z. ChenDesign and actualization of IoT-based intelligent logistics system

    Proceedings of the 2012 IEEE International Conference on Industrial Engineering and Engineering Management (2012), 10.1109/IEEM.2012.6838146

    Google Scholar

    [66]

    D.J. Yeong, G. Velasco-Hernandez, J. Barry, J. WalshSensor and sensor fusion technology in autonomous vehicles: a review

    Sensors, 21 (2021), p. 2140, 10.3390/s21062140

    Download PDFCrossRefGoogle Scholar

    [67]

    S. Zia, M. Naseem, I. Mala, J.A. MughalSmart traffic light system by using Artificial intelligence

    Sindh Univ. Res. J., 50 (2018), pp. 639-646

    Retrieved July 9, 2021View Record in ScopusGoogle Scholar

    [68]

    B. ZutiA Policy Perspective on the Future of Mobility and Regional Competitiveness

    University of Szeged., Szeged, Hungary (2019), pp. 138-154

    Retrieved October 12, 2019View Record in ScopusGoogle Scholar

    by Lakshmi ShankarIyer

    需查参考文献链接可去知乎号“智能交通技术”查询。

    99b44735e6683e005180ce05a66eb9d1.png

    展开全文
  • 人工智能在轨道交通领域的应用

    千次阅读 2019-09-05 12:49:16
    人们交通出行方面,如轨道交通和无人驾驶方面也与人工智能逐渐相匹配融合,通过云计算、大数据、深度学习、自然语言、生物读取等多种人工智能技术,未来在轨道交通方面运用也将越来越多。 一、更智能更便捷...

    2019-09-05 11:53:22

    随着科技的发展,人工智能技术在全球飞速发展,越来越多的领域也开始了人工智能的运用。人们交通出行方面,如轨道交通和无人驾驶方面也与人工智能逐渐相匹配融合,通过云计算、大数据、深度学习、自然语言、生物读取等多种人工智能技术,未来在轨道交通方面运用也将越来越多。

     

     

     

    一、更智能更便捷的入站方式

    人工智能运用,可以实现对站内流量的预估,可以根据高峰时段进行可变化闸机开放模式,以达到效率最高的控客模式。也可以在进站方式选择上,进行多元化的出处理,客户可以在进站口进行二维码、APP、人脸识别、语音等方式进行支付。

    无论是地铁支付收费系统还是整个闸机及地铁站内的数据统计,将可实现预估站内流量,也同时可根据高峰时段进行可变化闸机开放模式,做到最优效率的客控模式。同时在进站方式的选择上,多样化的选择方式越来越普遍,无论是传统现金支付,亦是二维码、互联网、积分、电子票或通过人脸,语音,生物识别等各方式途径支付,更低成本更便捷高效的支付方式或最终脱颖而出,但多样化的支付模式已经逐步走进我们的生活。

    二、更多元化的地铁站服务

    作为客流散集中心,地铁站的重要性不言而喻。地铁站又分为换乘站和一般站,作为轨交行业的客流集散中心,地铁站的重要性不言而喻。而目前我国大部分地铁站的附加值依旧相对较小,通过AI赋能地铁站不仅能推算出各个地铁站各适合开设的商铺,提供的服务,也可根据历史客流量推算各个地铁站的对应时间段拥挤度等相关数据,乘客出行更加便捷。

    三、更高效更舒适的乘车体验

    在我国地铁车现阶段中,车厢里出现最多的就是广告,近乎还是一成不变的拉手,座椅及相关广告版,在不久的将来,人工智能的大数据及相应深度学习技术,实施预报查询各线路列车客流情况及近期情况,在将来,人工智能的大数据会给客户带来出行参考、媒体资讯、列车时间信息等,或者还会给大家带来更多地铁车厢内的共享经济,使旅途不再枯燥乏味。

    四、更精确精细化更可靠的调度

    在未来,人工智能列控系统,智能化集中协调统一管理线网。同时也能进一步提高城市管理的自动化程度,可通过开放数据平台访问按需服务,同时与共享汽车、单车、出租、公交等交通终端并网,可查询实施信息及重大事件。

    列车传统控制和管理向智能化转型,后台能够模拟人的行为来实施对列车和列车群的管理。前者为智能列车,通过车载电脑来控制列车辅助和自动驾驶,而后者通过调度中心智能工作站对列车进行控制完成行车计划、运营管理和信息服务等功能。

    在未来,随着人工智能不断的进步和完善,轨道交通和各种新兴技术的结合带人们的便利远不止这些,大量的轨交数据,能为城市的发展带来巨大的作用,如学校规划,商圈布局,住宅区的选址提出更多有价值的建议。

    展开全文
  • 11月14日,英特尔人工智能大会(AIDC)在北京举行。英特尔分享了在AI领域的最新进展、战略布局以及对AI产业发展的思考。除此之外,多位合作伙伴代表也分享与英特尔在AI方面的深入合作及创新成果。 ...

       11月14日,英特尔人工智能大会(AIDC)在北京举行。英特尔分享了在AI领域的最新进展、战略布局以及对AI产业发展的思考。除此之外,多位合作伙伴代表也分享与英特尔在AI方面的深入合作及创新成果。

       宣布“AI未来先锋计划”——推动长远发展

      大会期间,英特尔公司全球副总裁兼中国区总裁杨旭宣布了“AI未来先锋计划”。按照该计划,英特尔将利用自身优势,在前沿研究、师资建设、人才培养、产业对接等方面展开工作。

    英特尔公司全球副总裁兼中国区总裁杨旭

       ·在前沿研究方面 ,英特尔将与多家中国顶尖高校与科研机构展开合作,就人工智能基础技术、框架、平台以及行业应用创新展开探索。目前已经开展合作的包括清华大学、南京大学、上海交通大学、西安电子科技大学和中国科学院自动化研究所等。

       ·在师资建设方面 ,英特尔将助力高校和中小学的人工智能师资建设和智能校园试点工作,帮助教师适应信息化、人工智能等新技术变革。目前正在国内十余所高校及京津沪渝四个直辖市的12所高中开展人工智能课程及相应的师资培训。

       ·在人才培养方面 ,英特尔将积极参与教育部在人工智能人才培养领域的工作,持续参与“教育部—英特尔产学合作协同育人项目”,同时以英特尔人工智能学院(AI Academy)助力中国高校的教学实践和人工智能专业课程建设,目前已经与12所大学开展深度合作。此外,英特尔还将发挥自身的优势和全球资源,激励创新,选拔人才。

       ·在产业对接方面 ,英特尔将与学校和产业伙伴积极合作,支持和推动科研及创新项目的商业化,促进技术成果转化,推动人工智能创新成果的应用示范。包括与高校合作伙伴共同探索HPC与人工智能融合的创新实践。

      杨旭表示:“推动人工智能的长远发展,是一场全新的马拉松,需要生态合作的不断深化。我们将把这个计划长期推进下去,英特尔与中国高校、科研机构及教育界的合作也将持续拓展和深入。‘AI未来先锋计划’是开放式的,未来将有更多合作伙伴加入其中。”

       发布全新神经计算棒——随时随地AI计算

      AIDC大会上的第二项重大发布是面向边缘计算场景的英特尔神经计算棒二代(英特尔NCS 2),该产品基于最新一代英特尔Movidius Myriad X VPU,借助英特尔OpenVINO工具包,能够帮助开发人员加快深度神经网络推理应用的开发,支持深度神经网络测试、调整和原型制作,可以帮助开发者进入实际应用的量产阶段。

      英特尔NCS 2采用类似于普通U盘的外形,可以通过USB 3.0接口连接到各种各样的设备上,无需网络或云端连接,能够帮助用户在设备上进行实时推理。借助英特尔NCS 2,开发者可以轻松将AI应用或模型部署在物联网/边缘设备上,让设备运行更加迅速、更加智能。

    英特尔公司全球副总裁兼人工智能产品事业部总经理Naveen Rao

      英特尔公司全球副总裁兼人工智能产品事业部总经理Naveen Rao表示:“第一代英特尔神经计算棒以前所未有的产品形态和价格,给AI开发者们的创新行动带来巨大助力。对于大幅提升计算性能的第二代英特尔神经计算棒将在业界带来的精彩,我们翘首以待。”

       多方位布局,更多成果

      为了帮助开发者实现人工智能愿景,英特尔聚焦于工具、硬件和社区三个方面,并获得了许多重要成果。

       软件工具

      大会期间,英特尔人工智能产品事业部全球数据科学负责人刘茵茵介绍了四个AI开发工具:1、开源性能库MKL-DNN,为深度学习软件框架提供高度优化的内核,帮助开发人员发挥出英特尔硬件的最大性能;2、跨英特尔所有硬件的统一中间层编译器nGraph,可以为开发者提供高灵活性和兼容性,提升开发效率;3、分布式深度学习库BigDL,可以运行在现有的 Spark 集群之上,加快对大型数据集的深度学习;4、软件工具包OpenVINO,专为在边缘部署深度神经网络而设计,广泛支持各种框架,只需编写一次,可扩展到不同加速器上使用,使边缘AI实现高性能、高效率。

    英特尔人工智能产品事业部全球数据科学负责人刘茵茵

       硬件加速

      英特尔至强可扩展器提供了任何规模灵活的强大的解决方案,可以实现各种各样的工作负载组合,是AI计算的基础。据Naveen Rao透露,英特尔将推出新的至强可扩展处理器Cascade Lake,将支持英特尔傲腾数据中心级持久内存以及全新的AI功能——英特尔DL Boost。这种嵌入式人工智能加速器将加速深度学习推理工作负载,图像识别能力相比当前的英特尔至强可扩展处理器得到提升。

      此外,在实现边缘设备的AI推理和分析方面,Naveen Rao介绍了英特尔Movidius VPU阵列和高性能英特尔 Arria 10 FPGA两种解决方案。以OpenVINO工具包为基础,为开发人员提供基于英特尔系列产品的更好的神经网络性能,帮助开发人员更加经济高效地运用物联网设备的实时图像分析和智能化功能。

      最后Naveen Rao透露,英特尔将于2019年发布新的Nervana神经网络处理器(NNP)——Spring Crest。英特尔Nervana NNP产品系列利用了深度学习专用的计算特性,比如密集矩阵乘法和用于并行计算的定制互联,专为深度学习打造,优化内存提升利用率。

       区生态

      2018年5月份,英特尔推出了人工智能构建者项目,几个月中就获得了上百个成员的加入,包括独立软件供应商、系统集成商、原始设备制造商。通过英特尔技术支持、市场推广、联合销售机会以及投资,共同推动人工智能解决方案采用。

      在AI开源社区,英特尔做出了许多贡献,特别是对NLP架构、RL Coach以及神经网络Distiller三个工具的开源,这三个工具是英特尔内部数据科学与AI应用研究室经常使用的模型。目前这些开源工具库都可以通过Github获得。刘茵茵表示,英特尔一直都在参与社区的工作,希望帮助大家更好地用工具实现自己的人工智能愿景。

       最后

      人工智能不是“一策万能”的,通过专注在工具、硬件、社区方面的努力,英特尔不断深化布局、开放协同、加速创新,向我们展现了一个全方位的AI战略。相信在AI舞台上,英特尔将持续发挥更大的能量,不断推动AI技术发展与应用落地。


    来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/31545803/viewspace-2220230/,如需转载,请注明出处,否则将追究法律责任。

    转载于:http://blog.itpub.net/31545803/viewspace-2220230/

    展开全文
  • 人工智能AI到底是什么??浅谈人工智能AI

    万次阅读 多人点赞 2020-06-24 18:09:25
    我们正处于AI时代:衣食住行中的AI什么是人工智能AI对传统行业的冲击AI对广告行业和媒体行业的冲击AI对教育行业的影响AI对艺术创作行业的影响AI对物流行业和工业行业的影响 我们每天所谈论的人工智能,究竟是什么...

    我们每天所谈论的人工智能,究竟是什么?

            人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
            人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来,理论和技术日益成熟,应用领域也不断扩大,可以设想,未来人工智能带来的科技产品,将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能,但能像人那样思考、也可能超过人的智能。
            人工智能是一门极富挑战性的科学,从事这项工作的人必须懂得计算机知识,心理学和哲学。人工智能是包括十分广泛的科学,它由不同的领域组成,如机器学习,计算机视觉等等,总的说来,人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。 2017年12月,人工智能入选“2017年度中国媒体十大流行语”。
            简单而言什么是人工智能这个问题的答案很简单,但它非常重要。如何理解人工智能,决定了我们如何面对人工智能,如何抓住人工智能浪潮所带来的时代机遇。

            在知道答案之前,需要先了解一下:最近一些年,人工智能给我们的生活带来了哪些变化。它们不声不响地发生着,当你发觉时却早已势不可挡……

    我们正处于AI时代:

            其实,我们即将处于一个人工智能时代,每天都在和人工智能打交道。现在,让我们一起正式推开人工智能的大门,一起来扒一扒AI对我们『衣食住行』的影响。

    衣食住行中的AI

            前几日我去逛街,发现Selected的实体店里多了一个试衣神器叫魔镜系统,手只要轻轻一挥,就可以展现各种衣服在身上的效果,原来它长这副模样。

            它主要使用了计算机视觉和3D建模技术,消费者只在魔镜里输入自己的性别、身高、体型就可以选择心仪的衣服,进而通过技术将服装的虚拟影像『穿』在镜中的人像上,同时还可更换为同一款式的其他色彩。这就可以在更短的时间里试穿更多的衣服,而且省去排队的麻烦,这真是给女生的一大福利啊!对于商家也是一大福音,自2008年,全球最大的时尚集团之一绫致时装将selected引进中国市场以来,SELECTED由最初的50家店铺,增长到现在已超过1000家。
            SELECTED基于新零售这个时代趋势下的,采用大数据技术、人工智能技术更大程度上的充实客户体验感,提高品牌影响力。

            同是服装行业的优衣库,在四月新发布的福布斯2019年富豪榜中,优衣库的创始人柳井正击败软银掌门人孙正义再次成为日本首富,其中RFID电子标签、智慧门店发挥了不容小觑的作用。

            RFID电子标签也就是射频识别技术,相较于需要人工操作的条形码,RFID标签使得购物篮中的所有商品可以一次扫描,大大节省支付和库存管理的时间,从而保证热销产品产量迅速提高。

            另外,RFID电子标签将获取更加详尽的信息,比如消费者何时拿取商品和放回货架,及产品于何时何地售出,其产生的大量数据可以结合人工智能技术可以分析消费者行为。

            智慧门店采用智能导购可以为顾客选择和搭配服饰,提高购买率。

            在深圳万象天地的优衣库,每层楼都有两个电子智能屏幕。这是一款导购机器人,智能导购员是其主要功能。通过人机对话,分析用户的筛选条件,最终在屏幕上推送用户所需商品。

            智能导购给我们提供了更加精准、优质、舒适的服务。

            技术真是日新月异,90年代时,我们只会在实体店里买衣服,根本不会有什么网上购物的概念。随着互联网技术和移动支付技术的成熟,网购似乎已成为了大多数人生活中不可或缺的一部分,足不出户就可以购买到心仪的衣服。

            如今,AI、VR技术的发展,智能试衣更是会提高消费者网店和实体店的购物体验。

    『民以食为天』,那在饮食方面,人工智能对我们有什么影响呢?人工智能可不可以帮助我们控制饮食,保持魔鬼身材和好气色呢?

            推荐一款APP——Coco Nutritionist给大家,它是由麻省理工开发的,通过AI分析食物成分,合理地安排膳食并燃烧你的卡路里。

            这款APP的使用非常简单,只需要打开APP说你今天吃了什么,APP通过语音识别技术和语义分析技术,自动记录你的饮食信息;然后通过另外一套AI分析系统分析各个食物的营养成分和卡路里,并将营养数据可视化。我们可以清晰地掌握和控制自己的饮食。

            还有啊,你可以拍下那些『不知其名』的食材,APP会为你分析它的营养价值和热量,并给出适宜你的烹饪食谱。可谓是集合了计算机视觉、语音识别、语义分析各大技术于一体的健康小助手,指导人们科学健康地生活。

            聊完吃的,我们再一起来到美丽的西湖畔,感受一下阿里巴巴未来酒店里面的黑科技。

            进入酒店,刷脸完成check-in,乘电梯刷脸就可以按楼层;进入房间,刷脸就可以打开房门;

            当进入房间之后,客房小管家天猫精灵已等候在内,你可以通过天猫精灵控制房间温度、灯光、窗帘、电视等;餐厅里为你上菜的是机器人服务员。

            从大堂到电梯再到房间,乃至餐厅、健身房等等,都涵盖人脸识别、语音控制、智能机器人等黑科技服务。

            基于AI智能的酒店智慧系统解决方案,为住客节省时间、提供方便,且帮助酒店服务人员减少重复性工作。据阿里未来酒店CEO王群介绍,“未来酒店的人效比是同档次、同规模酒店的1.5倍。”可能再过10年,可能司机这个职业将被AI取代,2017年12月2日,深圳无人公交车打响了第一枪,无人公交正式上路。

            虽然有司机的监控,但已基本实现了无人驾驶的功能。

            除此之外,还记得2018年春晚上,100辆比亚迪无人驾驶车队声势浩浩荡荡,在港珠澳大桥向全球华人展示强大的科技魅力!


    什么是人工智能?

            人工智能这个词近年来已经深入到我们生活的方方面面并被捧得热火朝天,但是,极少人真正知道它到底是怎么一回事。

    机器人

            相信很多人都会说机器人,其充其量只能算是人工智能的外在形态。

            人工智能并不等同于这些“外在形态”,它是在背后负责操控一切的“大脑”,比我们想象的还要强大得多。

    image-20200524140044406

            我们每天所谈论的人工智能,究竟是什么?

            维基百科这样解释:“人工智能亦称机器智能,是指由人制造出来的机器所表现出来的智能。”而更富远见与洞察的答案却是:

    image-20200524140114426

            人工智能 = 技术 + 应用。此处,技术是指那些能“让机器模拟人的基础能力”的技术。比如,人的眼睛能看,传统的机器不能,那我们就去研发“图像识别技术”,让机器能看;比如,人能理解文字,传统的机器不能,那我们就去研发“自然语言处理技术”,让机器能理解文本。

            此处,应用是指各行各业。所有可能应用到上述技术的地方,比如:安防、新零售、交通、工业等。

            这个等式在告诉我们:同样的技术,应用在不同的领域,能够创造不同的社会价值;同样的应用场景,搭配不同的技术,则都能够以不同的方式创造社会价值。

            接下来,我会为你详细地诠释这一点。

            人工智能,最终把那些传统意义上,只有人能做的事情,不管是简单劳累的体力劳动——感知和运动,还是复杂的脑力劳动——推理、决策和学习,都交给机器或软件去完成,它们会做得和人一样好,甚至是比人更好。

            那我们一起感受一下AI是如何把图像识别技术、GAN网络、自然语言处理技术应用到各行各业中。比如:广告行业、媒体行业、教育行业、艺术创作行业、物流行业和工业行业,颠覆了各传统行业的工作方式,消灭重复性劳动!

    AI对传统行业的冲击

    AI对广告行业和媒体行业的冲击

            阿橙大学专业学的是广告设计,毕业后,他去了一家4A广告公司担任设计师。

            对他而言,工作中最痛苦的时候并不是找不到做图的灵感,而是无休止地根据甲方爸爸的要求改图。

            半夜守着电脑等甲方回复,打开电脑看到辛苦做的图又被提了一大堆修改意见,就觉得要精神崩溃。

    “logo再大一点、颜色再亮一点,要体现出我们的理念和精神……”
    “我感觉设计得还不够大气,能不能换一个更高端的字体……”

    image-20200524140352076

            而另一位在互联网公司做新媒体编辑的小爽,她的苦恼则是:你永远不知道新的热点和明天哪个会先来。

            当新事件发生的时候,就是她在电脑前埋头码字、思考抓眼球的标题的时候。

    “晚上十点主编打电话告诉我某某明星又爆出大料……”
    “你体会过辛苦排版了一下午的微信文章被打回的心碎吗……”

            我听着大家吐槽,却不知该如何告诉他们:这些烦恼,很快将不复存在了。不想重复性地替甲方爸爸改图?没问题啊,这件事,未来将由AI来替你做。

    image-20200524140440757

            早在去年,阿里就发布了一款名叫“鲁班”的人工智能设计师。

            鲁班在去年双十一期间上岗,平均每秒做8000张海报,共计在双十一期间完成了四亿张设计图。

            简单来说,在鲁班的“人工智能小脑袋瓜”里存着海量的广告元素:如文案、产品、背景、点缀元素、LOGO等,他们不同的组合方式形成了一套“设计语言库”。

            设计师在做图的时候需要分析甲方的需求,调用脑子里存储的资源,思考解决方案,有时难免会出现“灵感枯竭”的情况。

            但鲁班的小脑袋瓜里装的东西可太丰富了,只要你一声令下,它就能一秒调出你想要的。

            这意味着,在大批量作业的商业设计领域,AI有着非常明显的优势:既快速,又齐整。

            从此再也不需要设计辛辛苦苦地做完一大批“每一个都不一样,但整体又要一样”的图后,感觉自己是个瞎子。

            可我们有没有想过为什么鲁班可以将脑袋中的元素完美地组合呢?

    前面有提及过按照一系列地组合方式呀。

            但是组合方式,或是说广告的模版是怎么来的呢?难道是设计师给出的?No,No,其实是依靠其背后的深度学习,对大量的设计广告案例(图像)进行结构化标注,然后输入大型的神经网络学习风格和排版,最后输出空间 + 视觉的设计模版。

            其实鲁班就是深度学习在设计行业里的一个应用,技术是应用的灵魂,而应用是技术的载体。

    image-20200524140650044

    好吧,人工智能又能如何帮忙解决媒体行业里文字创作的烦恼呢?

            好,我们就来看看新媒体运营们头疼的:追赶热点、组织文案、写稿。

            不想大晚上被主编的电话叫醒,没问题啊,这份工作AI一样可以帮你完成得好好的。

            早从去年开始,公众号“中国地震台网”就已经在用AI新媒体编辑写即时新闻了。

            比如说,前不久日本北海道地区发生5.5级地震的新闻就是由AI写的,排版和文字长这样:

    image-20200524140736203

    虽然文字和排版都很简单,但猜猜写这篇推送AI用了多久?

    image-20200524140753634

            只用十秒,就完成一篇推送。24小时超长在线,一有突发事件就能马上开始工作。

    换做是我来写作的话,十秒钟大概只够时间写完一个标题吧_;。

            人工智能写作依靠的是背后的数据库和优秀的技术比如自然语言处理,将数据、案例素材、文字流畅地组合一起形成文章。

    image-20200524140827627


            如果说,上班一族最讨厌的是无意义的重复性劳动,那么,对于学生党而言,最烦恼的应该就是考试了吧。考试不仅考的是学习能力,还有应试技巧(没错,就是套路)。那么,在考试之中,人工智能的表现又如何呢?

    AI对教育行业的影响

            先看看千军万马过独木桥的高考。2017年,成都的AI-MATHS高考机器人参加了高考数学,在掐断题库、断网、无人干涉的情况下进行解题。结果是,它分别用了22分钟和10分钟完成了高考北京文科数学卷和数学全国卷二,最终分别获得了105分和100分,平均分102.5。

    image-20200524141206433

            虽然人家考得一般,但人家题目做得快啊,给你十分钟写一张卷子,你能考这个成绩吗?可见,在学习方面,人工智能做的也并不比你差。不好好学习的话,可能连考试都考不过AI。再告诉你个事儿,AI在“考试”领域可不仅仅能成为参与者,它还能成为老师一样的批改者。
            在浙江外国语学院国际学院,来自阿里巴巴的人工智能已经为11位留学生批改了作文,平均每篇作文批改时间为40秒。

    image-20200524141333950

            说不定在不远的将来,决定你考试过不过,能不能拿到毕业证的,不再是人类批改员,而是更准确、更高效的人工智能批改员。同样的,无论是AI考试还是AI批阅试卷还是上个案例中的AI写作,都是深度学习——自然语言处理的应用,我们看到了同一技术可以实现不同的应用。

    image-20200524141416359


    AI对艺术创作行业的影响

            图像风格迁移是计算机视觉领域中,比较有意思的应用。风格迁移也就是:你给人工智能一张随便拍的照片,它就能帮升级成梵高风格的绘画作品。

    image-20200524141529521

            图像风格迁移的背后可以是深度学习——卷积神经网络的图像特征提取,比如2016CVPR(CVPR是计算机视觉的顶级会议)论文《Image Style Transfer Using Convolutional Neural Networks》就采用卷积神经网络来进行风格迁移。

            还可以是利用GAN网络技术风格迁移,在2018CVPR论文《Multi-Content GAN for Few-Shot Font Style Transfer》中,将设计师设计好的某些艺术字母风格迁移到没有出现过的字母上,避免重复设计。

    image-20200524141556304

            GAN网络学习第一行的P、U、W三个字母的艺术风格,生成其余23个字母的艺术风格,如上图中的最后一行。

            或许现在你还不知道什么是卷积神经网络、GAN网络,或许还比较难理解背后技术的思想,但现在我们只需知道它是深度学习的一个技术即可。

            一个应用的实现往往可以选择不同的技术,这就需要我们结合具体应用和分析应用的特点选择适宜的技术。

    image-20200524141620028
            人工智能确实无法凭空创造,但只需要给它一点点线索,它就能从强大的小脑袋瓜里给你输出想要的东西。

            比如谷歌家出的一个会画画的黑科技AutoDraw。大概就是,你随便鬼画个什么,谷歌都能把它变成一副正儿八经的画。

    没想到AI还真能手绘图像,那它背后的技术是什么?

            其实AutoDraw使用了图像识别技术,AutoDraw首先识别出用户用简单线条画出的图形,然后根据识别的结果将『简单线条』替换为系统内置的『准确』图形。通常提及图像识别技术时,人们大多数时候会想到人脸识别、物品识别,现在我们可以了解到同样的图像识别技术,当稍微调整之后可以做出更多有趣的应用。

    image-20200524141743561

    在制图、绘画的设计行业里,需要大量的创意和灵感,AI表现得并不比人类差,同样是艺术领域里的音乐演奏和创作,AI的表现如何呢?

            近日,首个机器人音乐舞台剧《墨甲幻音》上演为清华大学庆生,演员有竹笛机器人,箜篌机器人和排鼓机器人,奏响了科技和文化的琴瑟和鸣。

    image-20200524141817198

            但是,这可不是AI初次展露在音乐中的天赋,深圳平安科技在“全球AI艺术大赛(Global AI Art Competition)”的作品《青春记忆》荣获大赛最高荣誉一等奖。它可是由人工智能完全创作的音乐,无论是制曲还是填词。

            那它是如何制造出来的呢?它学习了5万多首相同风格的音乐作品,10万多篇流行音乐歌词和诗歌,通过深度神经网络学习特征,制作出曲和词,然后再学习一个深度模型将曲和词联合起来。

            人工智能已经称为一种可行的工具,帮助音乐创作人创造出更多佳作。流行歌手泰伦萨瑟恩(Taryn Southern)与AI合作,共同打造她的首张专辑《I AM AI》。


    以上这些需要用脑的工作都能交给人工智能完成,还做得不比人类差。那么,那些重复性劳动程度高的体力活就更不用说了。我们来看看需要大量人力支持的物流行业是如何利用AI的?

    AI对物流行业和工业行业的影响

            京东早就用上了物流机器人。

            在东莞麻涌的一个京东分拣中心,原来的300位分拣员工,被裁到了仅剩20人,而这个裁员还将继续。

    那谁负责去派送呢?

            去年开始,京东的无人车就在北京的6所大学完成了第一次的派送任务。原本由快递小哥负责的派送工作,现在也换成了人工智能。

            不需要担心无人车会送错、延误等等,这辆无人车配置多种传感器结合计算机视觉技术一路上能360度感知路况,比人类派送员还要靠谱。

            感慨这世界变化太快?其实,在你的视线范围之外,还有更多行业正在受到人工智能的冲击。物流行业如今朝着无人化、自动化发展,工厂和生产流水线就更不用说了。你知道上海通用金桥工厂的凯迪拉克轿车是如何生产出来的吗?繁重劳累的焊接工作,在机器人的手中如同拈花般轻松自如。

            偌大的车间内,只有10多位工人,他们管理着386台机器人,每天与机器人合作生产80台凯迪拉克。


            无论是AI制图、制曲、写作、考试、阅卷、快递派送、无人车间都依靠【技术】的支撑,而【应用】上的更高需求使得技术得以迭代优化。

            我们从人工智能在传统行业中的应用中探索AI的本质,除此之外,我们还需想想看,用AI既节省成本,又提高效率,有哪个聪明的企业家不会选择使用人工智能替代人力的重复性劳动呢?

            这下,你能明白为什么我说,在不久之后,大家的“烦恼”都将不复存在了吧。

            全球最权威的咨询公司麦肯锡的研究报告称:预计到2030年,人工智能的发展,将有7500万至3.75亿人需要重新找工作。

            这意味着全球每100人中,就有3~14个人需要另谋出路。

            在18年西班牙世界零售大会上,刘强东说“未来京东,百分之百无人化运营,未来的京东将是一家自动化运营的企业,京东将在未来的十年里,把现在的16万员工减少到8万。”

            在这样的背景下,有的人会想我的工作也不一定会被机器替代,且行且看不着急,但我想说的是:科技不一定只意味着淘汰,更多是机会和价值。

            人工智能简而言之:人工智能 = 技术 + 应用。



    (后续待补充)
    展开全文
  • 智能交通的建设已经是一个迫在眉睫的系统工程,发展智能交通可保障交通安全、缓解拥堵难题、减少交通事故;另一方面,发展智能交通可提高车辆及道路的运营效率,促进绿色环保。
  • “从去年11月开始,我们医院已经在急诊流程、感知设备、CT影像和眼底病的筛查等四个领域开展人工智能应用。”上海市第十人民医院(下称“上海十院”)急诊科副主任、信息办副主任彭沪告诉第一财经记者,今年12月份,...
  • 大数据技术和人工智能技术的广泛推广应用让我们的生活变得更加方便快捷,而以此为基础创建智慧交通管理模式,能够对我国目前的交通拥堵问题进行有效地解决,让我国的交通领域能够实现规范发展,提高交通方面的管理...
  • 交通领域自动驾驶确实是将人工智能运用最彻底的一个方面。 自动驾驶涉及环境感知、智能决策和规划、智能控制等多门学科,其中人工智能、云计算等是限制无人驾驶发展的关键技术和瓶颈技术。 虽然当前自动驾驶技术...
  • 5月27日上午,英伟达人工智能城市 CTO Mulind Naphade 发表了主题为《交通系统中的人工智能革命》的演讲。Milind 关注机器学习应用问题,打造过十几个认知计算产品,在分析、智能解决方案方面有很多的经验。他拥有...
  • 概要:放眼全球的人工智能领域,美中英是在此领域表现最为突出的三个国家。英国一直是人工智能的研究学术重阵。 导读 放眼全球的人工智能领域,美中英是在此领域表现最为突出的三个国家。英国一直是人工...
  • 上海交通大学计算机专业博士毕业,在校期间的主研方向为数据挖掘、机器学习、人工智能。毕业后即进入某大型软件上市公司从事大数据、人工智能等技术相关工作,曾先后作为技术经理或总工程师,负责大型信息平台、市级...
  • 点上方蓝字计算机视觉联盟获取更多干货在右上方···设为星标★,与你不见不散编辑:Sophia计算机视觉联盟 报道 |公众号CVLianMeng转载于 :上海交通大学【人工智...
  • Towards Machine Learning Methods of Architectural Design 建筑设计中的人工智能 Hao Zheng 郑豪 郑豪宾夕法尼亚大学设计学院博士生程序与设计研究者 专攻机器学习机械臂技术混合现实技术生成式设计 他毕业于加州...
  • 据了解今年以来,发改委基础司频繁调研智能交通,具体内容涉及不停车收费系统(ETC)、北斗系统交通行业应用、集装箱铁水联运信息化等多个方面。而不久前,国家发改委基础司副司长郑剑赴杭州开展综合交通枢纽建设和...
  • 精品收藏:GitHub人工智能AI开源项目

    万次阅读 多人点赞 2018-07-26 18:33:06
    精品收藏:GitHub人工智能AI开源项目 绝对精品!!!花了点时间,鄙人把这几年收藏的开源精品项目,整理一下,方面以后查找。其中涵盖了姿态检测,图像分割,图像分类,美学评价、人脸识别、多尺度训练,移动端的AI...
  • 12月7日,“2019人工智能数学交叉论坛”在上海交通大学举办。论坛邀请了中国科学院院士、数学家、西安交通大学教授徐宗本做“AI与数学:融通共进”主旨报告。上海交通大学副校长奚立峰、电子信息与电气工程学院院长...
  • 基于AADL的智能交通系统面向方面建模.pdf
  • 我们生活在一个技术不断变化和升级的世界,因此这种变化催生了人工智能AI)。 当人类表现出智能时,它被称为人类智能,但是当机器表现出这种智能时,它被称为人工智能。 通过这种不断变化的技术,我们为一些新的...
  • 2020 无疑是特殊的一年,而 AI 在开年的这场”战疫“中表现出了惊人的力量。站在“新十年”的起点上,CSDN【百万人学AI】评选活动正式启动。本届评选活动在前两届的基础上再度升级,设立了「AI优秀案例奖Top 30」、...
  • ai人工智能‘What Drug should I make next?’ and ‘How can I make it? “我接下来应该制造什么药物?” 和“我该怎么做? Historically, drugs were discovered either by chance (Serendipity) or through ...
  • AI 人工智能学习路线

    千次阅读 2019-02-14 11:45:08
    阶段一、人工智能基础 - 高等数学必知必会 本阶段主要从数据分析、概率论和线性代数及矩阵和凸优化这四大块讲解基础,旨在训练大家逻辑能力,分析能力。拥有良好的数学基础,有利于大家在后续课程的学习中更好的...
  • 人工智能 AI

    2018-05-03 16:41:00
    最近,麦肯锡一篇长达20页PDF的报告对中国AI当下的发展状态进行了全面而细致的介绍。文章从学术研究、算法、数据、计算能力四个角度分析中国的AI实力。文章指出,AI 对中国发展事关重大,但是目前的关键是人才。 ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 31,778
精华内容 12,711
关键字:

交通方面的人工智能