當(dāng)涉及到自動駕駛汽車時，我們有一個明確的1級到5級自主權(quán)的排名系統(tǒng)。但其他交通系統(tǒng)和軟件解決方案呢？你如何為它們定義 "智能"，以及如何將機(jī)器學(xué)習(xí)解決方案應(yīng)用于交通領(lǐng)域？讓我們來制定戰(zhàn)略。
這聽起來可能很奇怪，但我曾經(jīng)被稱為交通領(lǐng)域人工智能的懷疑論者，盡管我是這項(xiàng)技術(shù)的堅(jiān)定支持者。但說實(shí)話：在我們的行業(yè)里，人們對AI的渴望多于行動。是的，世界各地都在舉行自動駕駛汽車試點(diǎn)，但這是否意味著我明年可以乘坐自動駕駛班車上班？可能不會。
當(dāng)涉及到自動駕駛汽車時，我們有一個明確的1級到5級自主權(quán)的排名系統(tǒng)。但其他交通系統(tǒng)和軟件解決方案呢？你如何為它們定義 "智能"，以及如何將機(jī)器學(xué)習(xí)解決方案應(yīng)用于交通領(lǐng)域？讓我們來制定戰(zhàn)略。
人工智能在運(yùn)輸業(yè)中的應(yīng)用：為什么這是一個有前途但復(fù)雜的關(guān)系
正如我們之前所寫的，人工智能在城市交通、物流和車隊(duì)管理中的應(yīng)用備受期待，并已在一定程度上得到部署。
例如，65%的物流公司領(lǐng)導(dǎo)人將人工智能列為未來三到五年的重要技術(shù)。另外，截至2018年，四分之一的公共交通管理者已經(jīng)將AI用于實(shí)時運(yùn)營管理和客戶分析。
此外，許多政府正在為一系列用于交通項(xiàng)目的人工智能提供資金和支持。加拿大有一個雄心勃勃的ACATS計劃，向公司提供高達(dá) 290 萬美元的贈款和捐款資金，以促進(jìn)交通運(yùn)輸系統(tǒng)的連通性和自動化。
新加坡有一個國家人工智能戰(zhàn)略，促進(jìn)在2030年前建立“智慧貨運(yùn)規(guī)劃”。
智能貨運(yùn)規(guī)劃
來源：新加坡智慧國家 —國家人工智能摘要
各國也都做了機(jī)器學(xué)習(xí)在交通系統(tǒng)應(yīng)用的成功試點(diǎn)，主要展示了自動駕駛電動艙、人工智能調(diào)節(jié)的交通信號燈調(diào)度和智能道路基礎(chǔ)設(shè)施的試點(diǎn)運(yùn)行。
然而，盡管多年來有成功的報告，但成功的試點(diǎn)數(shù)量大大超過了商業(yè)人工智能的交通解決方案的數(shù)量。
為什么？因?yàn)閷?shí)現(xiàn)和擴(kuò)展AI部署是一項(xiàng)艱難的平衡行動，即在利益與擔(dān)憂和權(quán)衡之間取得平衡。
人工智能在交通領(lǐng)域中的應(yīng)用示例
有些人認(rèn)為，人工智能在交通行業(yè)的應(yīng)用仍然是科幻電影和遙遠(yuǎn)的未來的東西，這可能是因?yàn)橐恍┳顝氐椎霓D(zhuǎn)變是無法用肉眼看到的。事實(shí)上，人工智能已經(jīng)改變了交通行業(yè)。讓我們看看最能說明問題的重要用例，以證明這一點(diǎn)。
自動駕駛汽車
在過去十年中，允許車輛在沒有司機(jī)的情況下行駛的技術(shù)得到了驚人的發(fā)展。物聯(lián)網(wǎng)傳感器收集和傳輸大量的數(shù)據(jù)，這些數(shù)據(jù)被即時處理，并與其他遠(yuǎn)程信息處理和地理位置數(shù)據(jù)保持一致。同時，基于數(shù)據(jù)的指令被實(shí)時發(fā)送至車輛的接收器。這就是自動駕駛汽車簡化版的基于機(jī)器學(xué)習(xí)的工作流程的樣子。
在東京，自動駕駛汽車已經(jīng)允許在整個城市運(yùn)行，盡管仍然需要司機(jī)以便在緊急情況下進(jìn)行干預(yù)。但人工智能驅(qū)動的自動駕駛的最大潛力在于商業(yè)領(lǐng)域和公共交通行業(yè)。
想想全球65%的貨物通過卡車運(yùn)輸，將人工智能技術(shù)引入卡車不僅可以徹底改變物流和運(yùn)輸行業(yè)，還可以改變整個全球貿(mào)易體系的游戲規(guī)則。
法律限制、安全問題和缺乏用戶信任仍然是大規(guī)模采用自動駕駛汽車的主要障礙。然而，問題不在于自動駕駛汽車是否會入侵我們的街道，而在于它們會以多快的速度入侵。
交通管理
交通管理——特別是處理擁堵——是交通系統(tǒng)中機(jī)器學(xué)習(xí)如何改變行業(yè)的另一個很好的例子。
再一次，大量數(shù)據(jù)通過攝像頭、傳感器和其他物聯(lián)網(wǎng)設(shè)備收集并傳輸?shù)皆贫?，人工智能?qū)動的算法分析數(shù)據(jù)并在特定交通問題發(fā)生之前識別風(fēng)險。之后，可操作的見解將發(fā)送到集中式交通管理系統(tǒng)（例如用于控制交通信號燈）和個人用戶（例如路線建議或事故通知）。
人工智能驅(qū)動的交通管理也為行業(yè)帶來了可持續(xù)性。例如，由Rapid Flow Technologies公司開發(fā)的SurTac AI解決方案不僅使匹茲堡市的平均出行時間減少了25%，而且還減少了20%的排放。
預(yù)測性維護(hù)
由人工智能驅(qū)動的預(yù)測性維護(hù)技術(shù)有助于在車輛發(fā)生故障之前預(yù)測其發(fā)生。它的工作原理是這樣的：汽車零部件的性能和關(guān)鍵指標(biāo)被實(shí)時跟蹤，當(dāng)發(fā)現(xiàn)偏離安全范圍時，基于人工智能的系統(tǒng)會向車主或負(fù)責(zé)車隊(duì)維護(hù)的經(jīng)理發(fā)送信號。
交通運(yùn)輸行業(yè)使用機(jī)器學(xué)習(xí)接收和處理的數(shù)據(jù)越多，預(yù)測就越準(zhǔn)確和及時?；谌斯ぶ悄艿漠惓z測已經(jīng)在幫助個人和企業(yè)車主提高車隊(duì)性能，降低維修成本，并確保運(yùn)輸服務(wù)的可靠性。
無人機(jī)出租車
無人機(jī)出租車是人工智能用于交通領(lǐng)域的一個驚人的例子，可能比自動駕駛汽車更令人興奮。今年，第一個空中出租車機(jī)場在英國啟用，證實(shí)了飛行出租車不再是科幻小說中的幻想。
無人駕駛航空器不僅提醒我們，類似第五元素的世界比我們想象的更接近，而且也是若干挑戰(zhàn)的可持續(xù)解決方案。
在人工智能的幫助下，交通領(lǐng)域的無人駕駛出租車可以大大減少碳排放，解決交通擁堵，并節(jié)省未來基礎(chǔ)設(shè)施建設(shè)和公共交通的成本。這還沒有提到對無人機(jī)出租車乘客的好處，他們可以通過減少通勤時間每周節(jié)省幾個小時。
如何將人工智能的好處安全地注入交通：路線圖
人工智能有潛力解決緊迫的交通問題，但像往常一樣，執(zhí)行和交付是真正的麻煩。
整體而言，業(yè)界都在積極探索在交通行業(yè)如何應(yīng)用機(jī)器學(xué)習(xí)、智能自動化、神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)，使交通更安全、更環(huán)保、更便宜和更高效。
但鑒于該領(lǐng)域本身和算法的復(fù)雜性，仍然沒有一個放之四海而皆準(zhǔn)的成功之路。然而，有幾個行之有效的步驟，可以幫助完善你的產(chǎn)品開發(fā)載體。
制定數(shù)據(jù)管理策略
道路傳感器、聯(lián)網(wǎng)汽車儀表板、浮動蜂窩數(shù)據(jù)、基于位置的服務(wù)——交通行業(yè)擁有壓倒性的數(shù)據(jù)源和大數(shù)據(jù)用例。
擁有成熟DataOps的玩家要少得多，或者甚至是一個形式化的長期數(shù)據(jù)管理和治理過程——處理、保護(hù)、標(biāo)準(zhǔn)化和操作傳入的見解的節(jié)奏。
然而，人工智能系統(tǒng)在數(shù)據(jù)的數(shù)量和質(zhì)量方面是變化無常的?？蓴U(kuò)展的傳輸算法需要更好、更快、更便宜的數(shù)據(jù)處理。在這種情況下，你不能只選擇兩個選項(xiàng)——要么全有，要么全無。
在評估交通用例的特定AI時，請考慮您的公司是否可以：
應(yīng)用數(shù)據(jù)融合技術(shù)來整合、預(yù)處理和操作從不同來源和不同格式獲得的記錄。
為算法收集和處理數(shù)據(jù)的復(fù)雜性是人工智能交通用例謹(jǐn)慎的小規(guī)模試點(diǎn)而不是全市部署的核心原因之一。
可以說，獲得足夠的訓(xùn)練數(shù)據(jù)是最大的問題之一。運(yùn)輸公司以不同的方式解決這個問題。例如，特斯拉建立了一個專利系統(tǒng)，從其客戶的車輛中獲取自動駕駛訓(xùn)練數(shù)據(jù)。
IEEE最近發(fā)表了一項(xiàng)分類研究，按準(zhǔn)確性、可靠性和使用成本對不同類型的交通數(shù)據(jù)源進(jìn)行了排名。
交通數(shù)據(jù)源比較
來源：IEEE-城市交通預(yù)測數(shù)據(jù)源：分類、比較和技術(shù)綜述
即使您已經(jīng)獲得了所需的所有數(shù)據(jù)，如果數(shù)據(jù)以某種方式傾斜，事情仍然會出錯。就拿沃爾沃來說吧，幾年前，當(dāng)該公司在澳大利亞測試其人工智能驅(qū)動的大型動物檢測系統(tǒng)時，它被袋鼠擊敗了。為什么？因?yàn)樗麄兊南到y(tǒng)是在瑞典設(shè)計的，最初是在麋鹿、鹿和馴鹿這些本地物種上進(jìn)行訓(xùn)練和測試的，還沒有準(zhǔn)備好讓有袋動物突然干擾道路測試。
經(jīng)驗(yàn)之談，交通行業(yè)中的有效模式識別需要各種具有代表性的數(shù)據(jù)，然而，獲得這些數(shù)據(jù)可能并不總是立即可行或具有成本效益的。
但是，在爭取更好的交通數(shù)據(jù)方面，您并不孤單。世界各地的私營公司和立法者正在努力提供更好的公共數(shù)據(jù)源，標(biāo)準(zhǔn)化數(shù)據(jù)格式和開放數(shù)據(jù)接口集成。
例如，美國交通部有幾個很酷的舉措正在進(jìn)行中：
應(yīng)用于自然駕駛數(shù)據(jù)的計算機(jī)視覺工具——聯(lián)邦調(diào)查局正在構(gòu)建一套計算機(jī)視覺工具，用于收集和分析自然駕駛數(shù)據(jù)，以便每個人都可以訪問更好的數(shù)據(jù)集
了解不同 AI 方法的優(yōu)勢和局限性
當(dāng)我們談?wù)撊斯ぶ悄茉诮煌ㄐ袠I(yè)的應(yīng)用時，具有技術(shù)背景的人往往會想到算法方法，而其他大多數(shù)人則想到的是用例。
人工智能作為一個術(shù)語往往缺乏實(shí)質(zhì)內(nèi)容。谷歌的自動完成功能是人工智能嗎？是的，最近它是。它是為Alphabet的Waymo自動駕駛汽車提供動力的同一個人工智能嗎？不是，方法是不同的。
人工智能在交通系統(tǒng)中的應(yīng)用是用于開發(fā)（自）學(xué)習(xí)系統(tǒng)的有監(jiān)督、無監(jiān)督和強(qiáng)化學(xué)習(xí)方法的集合。
交通行業(yè)常見的機(jī)器學(xué)習(xí)技術(shù)有：
蟻群優(yōu)化器 (ACO)
僅神經(jīng)網(wǎng)絡(luò)在交通工程中的用例就很多——交通需求預(yù)測、交通基礎(chǔ)設(shè)施的預(yù)測性維護(hù)、駕駛員行為監(jiān)控等。
選擇太多了，對吧？但每個選擇都有其固有的局限性。讓我們以蟻群優(yōu)化器算法為例，這些措施對于制定更好的公共交通路線和改善熱門拼車平臺上的乘客接機(jī)情況是有效的。
但是，在交通領(lǐng)域擴(kuò)展“智能”是困難的。研究人員發(fā)現(xiàn)，當(dāng)?shù)螖?shù)（例如優(yōu)化路徑的數(shù)量）增加時，ACO 算法速度會顯著下降。
神經(jīng)網(wǎng)絡(luò)在交通中的應(yīng)用也很普遍。例如，優(yōu)步（Uber）使用這類算法為出行提供精確的ETA預(yù)測，許多客戶分析解決方案都是由人工神經(jīng)網(wǎng)絡(luò)提供支持的。然而，要想讓神經(jīng)網(wǎng)絡(luò)高效運(yùn)行，找出權(quán)重、隱含層和訓(xùn)練參數(shù)的最佳組合是一個繁瑣的試錯過程。通常情況下，解決方案最終在小數(shù)據(jù)集上表現(xiàn)良好，但在預(yù)生產(chǎn)階段，性能會發(fā)生偏移和失敗，迫使您的ML運(yùn)輸部門回到原點(diǎn)，嘗試其他方法。
底線：交通領(lǐng)域的規(guī)?；瘷C(jī)器學(xué)習(xí)解決方案很難實(shí)現(xiàn)，因?yàn)闆]有一種方法能提供普遍可信的結(jié)果。因此，開發(fā)時間很長，并且在實(shí)現(xiàn)快速、廉價和高質(zhì)量性能的過程中需要進(jìn)行一些權(quán)衡。
專注于模型可解釋性
人工智能在交通行業(yè)的主要限制之一是，算法可能被迫在危急的情況下做出生死抉擇（例如，殺死一名乘客以拯救十名行人），這就是為什么模型可解釋性和人工智能倫理問題相當(dāng)尖銳的原因。
在我們允許汽車做出道德決定之前，我們需要進(jìn)行全球?qū)υ?，向設(shè)計道德算法的公司以及將對其進(jìn)行監(jiān)管的政策制定者表達(dá)我們的偏好。——道德機(jī)器實(shí)驗(yàn)
目前的擔(dān)憂主要與神經(jīng)網(wǎng)絡(luò)和強(qiáng)化學(xué)習(xí)技術(shù)等黑盒算法有關(guān)，其中算法被充分賦予了決定最佳行動方案的權(quán)利。
在某些情況下，算法可能會決定在一個地區(qū)實(shí)行較低的速度，這對防止傷亡是有好處的，但同時也會導(dǎo)致長時間的停車巡航和隨后的交通瓶頸。同樣，讓算法決定讓救護(hù)車通過以拯救一個病人，還是保持道路堵塞讓消防人員通過的道德困境，這不是我們大多數(shù)人都會感到舒服的事情。
更加復(fù)雜的是，人類也是有爭議的生物。圍繞自動駕駛汽車的倫理問題的一項(xiàng)重要研究發(fā)現(xiàn)，人們在調(diào)查中表示，他們希望自動駕駛汽車能夠保護(hù)行人而不是乘客。然而，大多數(shù)受訪者也表示，他們不會購買這樣編程的車輛！
在交通領(lǐng)域采用合乎道德和可持續(xù)人工智能的可能途徑之一是可解釋人工智能（XAI）——一種旨在建立描述性人工智能模型的方法，開發(fā)人員可以解釋和調(diào)節(jié)模型的準(zhǔn)確性、公平性和結(jié)果。換句話說，XAI傳達(dá)了AI決策背后的原理。
體現(xiàn)和傳達(dá) AI 決策背后的推理的方法
來源：埃森哲 —理解機(jī)器：可解釋的人工智能
許多其他大數(shù)據(jù)分析模型實(shí)際上是可解釋的，因?yàn)樗鼈冇删幊讨噶詈徒y(tǒng)計方法提供支持，用于對不同的結(jié)果進(jìn)行建模。屬于“可解釋”系列的數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)模型包括：
規(guī)則集
然而，由于這些系統(tǒng)不是自學(xué)的，它們無法提出機(jī)器學(xué)習(xí)/深度學(xué)習(xí)算法可能設(shè)計的新穎（也許更好）的解決方案。然而，交通業(yè)錯誤決策的成本可能太高，因此，可能需要在黑盒思維水平上進(jìn)行權(quán)衡，以確保您的解決方案已準(zhǔn)備好投放市場。
與其他生態(tài)系統(tǒng)合作伙伴協(xié)作
交通行業(yè)有許多私人和公共部門的參與者，加上監(jiān)管機(jī)構(gòu)監(jiān)督他們的行為。通常情況下，市場參與者會選擇競爭而不是社區(qū)的策略，而這一決定引發(fā)了一系列問題：
難以接入底層基礎(chǔ)設(shè)施（例如道路傳感器、4G/5G 連接）
但是，如果沒有系統(tǒng)、嚴(yán)格和聯(lián)合的規(guī)劃工作，新技術(shù)的大規(guī)模實(shí)施幾乎是不可能的。
由于市場演變不明確，系統(tǒng)互操作性尚未提高。如果能夠就市場規(guī)范達(dá)成一致，那么諸如“如果服務(wù)失敗，誰應(yīng)該承擔(dān)責(zé)任？”等問題將變得更加清晰，投資決策可能更容易做出。此外，未來交通（FoT）正在推進(jìn)新的協(xié)作方法，將數(shù)據(jù)作為商品和基礎(chǔ)設(shè)施來使用。——英國交通部
交通行業(yè)不同軟件系統(tǒng)之間的互操作性——從城市范圍的交通管理軟件到個人車隊(duì)管理系統(tǒng)——對于確保所有車輛和設(shè)備能夠有效交換數(shù)據(jù)至關(guān)重要。這樣的動態(tài)數(shù)據(jù)可以被用來優(yōu)化交通系統(tǒng)的運(yùn)行，從而為所有的終端用戶帶來更為安全、更可預(yù)測和更加高效的出行體驗(yàn)。
具體而言，為了實(shí)現(xiàn)機(jī)器學(xué)習(xí)解決方案在交通領(lǐng)域應(yīng)用的優(yōu)勢，應(yīng)該在數(shù)據(jù)質(zhì)量的標(biāo)準(zhǔn)化方面做出更多的共同努力，使大多數(shù)參與者同意以下規(guī)范：
Auto-CITS是一個歐盟機(jī)構(gòu)，促進(jìn)自動駕駛和V2X技術(shù)采用的統(tǒng)一標(biāo)準(zhǔn)。
除了實(shí)現(xiàn)合規(guī)性之外，更高程度的互操作性也使交通行業(yè)參與者更具競爭力。通過追求平臺商業(yè)模式，你可以在不推出新功能的情況下挖掘新的增長空間。相反，你可以通過API貨幣化、新的銷售渠道(如車載商務(wù)或數(shù)字貨運(yùn)匹配)或推出“即服務(wù)”的產(chǎn)品（如出行即服務(wù)解決方案）獲得額外收入。
當(dāng)您評估交通技術(shù)的不同用例時，請從合作伙伴關(guān)系的角度思考：投資此用例只會使我的業(yè)務(wù)受益，還是可以開辟有趣的新合作伙伴關(guān)系和交叉整合？
安全、自信地推進(jìn)人工智能在交通領(lǐng)域的優(yōu)勢
人工智能在交通領(lǐng)域是有前途的，該技術(shù)的潛力已經(jīng)在許多令人驚嘆的試點(diǎn)、用例和市場就緒的解決方案中顯示出來，如Rapid Flow的實(shí)時自適應(yīng)交通信號燈控制、TuSimple的自主卡車運(yùn)輸和Sensible 4的自動駕駛巴士。
然而，為了看到更多的人工智能驅(qū)動的交通解決方案的規(guī)模化部署，今天應(yīng)該奠定更多的基礎(chǔ)，從技術(shù)架構(gòu)的標(biāo)準(zhǔn)化和操作安全協(xié)議到微調(diào)機(jī)器學(xué)習(xí)/深度學(xué)習(xí)方法和重新調(diào)整商業(yè)模式。人工智能的實(shí)施是一項(xiàng)復(fù)雜的技術(shù)。那么，你打算如何把它變成一項(xiàng)有投資回報率支持的投資，而不是一項(xiàng)持續(xù)的費(fèi)用？
聯(lián)系客服
