在人工智能（AI）和機器學習有望改善現(xiàn)代生活的許多方式中，影響公共交通的前景是重要的。與大流行初期相比，世界已經(jīng)大不相同，世界各地的人們再次利用出行和交通系統(tǒng)進行工作、休閑和其他活動。

在美國各地，包括公共汽車、地鐵和私家車在內的傳統(tǒng)公共交通系統(tǒng)已經(jīng)因交通擁堵、乘客水平和擁堵而陷入困境。然而，建立在基于云的平臺上的先進人工智能和機器學習解決方案正在被部署，以減少這些挫折。

人工智能帶來的交通機會

交通運輸是現(xiàn)代人工智能最重要的領域之一，與傳統(tǒng)交通系統(tǒng)技術中使用的傳統(tǒng)算法相比，現(xiàn)代人工智能具有顯著優(yōu)勢。

人工智能有望為當今許多最繁忙的道路和大道簡化交通流量并減少擁堵。智能交通信號燈系統(tǒng)及其運行的云技術平臺現(xiàn)在旨在更有效地管理和預測交通，這不僅可以為城市本身節(jié)省大量資金，也可以為個人創(chuàng)造更高的效率。今天的人工智能和機器學習可以處理高度復雜的數(shù)據(jù)和交通趨勢，并根據(jù)特定的交通狀況為司機實時建議最佳路線。

由于處理能力的顯著提高，交通系統(tǒng)技術現(xiàn)在被用于各種 IoT（物聯(lián)網(wǎng)）設備，以實現(xiàn)過去半個世紀在傳統(tǒng)數(shù)據(jù)中心中發(fā)生的實時圖像識別和預測。這種新的以分散為中心的架構有助于增加機器學習和人工智能的實施。今天的識別算法提供了對密度、交通和總體流量混合的更深入的了解。此外，這些優(yōu)化的算法可以按區(qū)域利用數(shù)據(jù)點，從而形成流線型模式，以減少交通問題，同時更優(yōu)化地重新分配流量。然后，市政交通系統(tǒng)可以獲得更好的決策權，控制系統(tǒng)具有更高的故障容忍度，正如之前在傳統(tǒng)的樞紐輪輻系統(tǒng)中所證明的那樣。

人工智能已經(jīng)在影響交通系統(tǒng)

這些技術已經(jīng)在全國范圍內部署。例如，圣克拉拉河谷交通管理局 (VTA) 與圣何塞市合作，一直在試行一種基于云的、人工智能驅動的交通信號優(yōu)先 (TSP) 系統(tǒng)，該系統(tǒng)利用現(xiàn)有的公交車隊跟蹤傳感器和城市通信網(wǎng)絡動態(tài)調整交通信號的相位和時間，為公交車提供足夠的綠色通行時間，同時將對交叉交通的影響降至最低。

由于新平臺利用了已有的基礎設施，因此無需在交通信號機柜或公交車內安裝額外的硬件。與傳統(tǒng)的基于位置的簽到和簽出 TSP 解決方案不同，該平臺通過機器學習模型處理實時公交車位置信息，并根據(jù)預計到達時間進行優(yōu)先呼叫。迄今為止，該平臺已將 VTA 77 號公路的旅行時間整體縮短了 18% 至 20%，相當于將信號延遲減少了 5 至 6 分鐘。

基于云的交通信號優(yōu)先系統(tǒng)將資產(chǎn)管理和自動化相結合，形成一個能夠為整個地區(qū)提供服務的系統(tǒng)。與基于硬件的系統(tǒng)不同，該平臺使用預先存在的設備并利用云技術來促進操作。這消除了交叉路口對車輛檢測硬件的需求，因為車輛位置是通過 CAD/AVL 系統(tǒng)獲知的。這樣既可以在距離信號較遠的地方進行優(yōu)先呼叫，也可以在一組信號之間進行優(yōu)先呼叫。此外，該系統(tǒng)還可以實時了解哪些公交車當前獲得優(yōu)先權，并提供每日性能指標報告。

當今可用的先進交通信號優(yōu)先系統(tǒng)由兩部分組成，一個位于交通柜中，另一個位于車輛上。無論檢測和通信介質如何，傳輸優(yōu)先級邏輯都是相同的。當車輛在預定邊界內時，系統(tǒng)會向信號控制器發(fā)出請求以進行優(yōu)先級排序。由于原始系統(tǒng)使用固定的檢測點，因此信號控制器配置了靜態(tài)估計的行程時間。由于旅行時間取決于幾個環(huán)境因素，因此業(yè)界實施了基于 GPS 的無線通信系統(tǒng)。使用這種方法，在檢測區(qū)域內找到的車輛會替換靜態(tài)檢測點，并使用車輛的速度來確定到達時間。

該平臺允許城市在當前基礎設施投資的基礎上部署全市范圍的 TSP。為了實現(xiàn)與交通信號燈的安全連接，每個城市只需要一個使用設備，即位于“邊緣”的計算機，作為城市交通信號燈和平臺之間的保護鏈接。它旨在安全地管理交通信號燈和云平臺之間的信息交換。它是唯一需要的額外硬件，根據(jù)現(xiàn)有的城市網(wǎng)絡配置，平臺可以直接接收車輛數(shù)據(jù)，也可以使用安全連接通過城市網(wǎng)絡接收車輛數(shù)據(jù)。

用于優(yōu)先處理流量的復雜流程

該系統(tǒng)向交通信號燈發(fā)出優(yōu)先呼叫的方法更復雜，并不限于定點位置。與目前最先進的從特定位置檢測公交車開始預先編程的到達時間的優(yōu)先呼叫不同，該平臺使用了一種“矢量化”的方法。在數(shù)學中，向量是代表大小和方向的箭頭。在這個平臺的軟件中，箭頭指向紅綠燈的方向，大小是行駛時間。

當系統(tǒng)建立時，交通信號、公交路線和公交站點都在這個向量上得到數(shù)字表示。這最終產(chǎn)生了一個數(shù)字地理空間地圖，軟件隨后能夠跟蹤公交車沿著公交車路線的進程。這導致系統(tǒng)可以動態(tài)發(fā)出轉接呼叫，而不受位置限制。取而代之的是，系統(tǒng)根據(jù)預期到達時間進行精確的優(yōu)先呼叫，這是所有信號控制器供應商支持的所有TSP登記呼叫的基礎。由于跟蹤算法的性質，ETA的任何重大變化都可以調整。例如，如果一輛公交車被預測將跳過公共汽車站，但沒有跳過，系統(tǒng)將檢測到這一變化并相應地調整優(yōu)先呼叫。

人工智能、機器學習和基于云的技術的結合都具有巨大的潛力，不僅可以改善現(xiàn)有的公共交通系統(tǒng)，還可以一起重新想象它。這項先進的技術已經(jīng)證明，它可以如何改善GPS、導航應用程序、聯(lián)網(wǎng)汽車，甚至出租車和拼車服務之間的協(xié)調，以基于實時數(shù)據(jù)高效地合并為一個單一的交通實體。

在不久的將來，預計聯(lián)網(wǎng)的自動駕駛汽車和卡車將在道路和高速公路上更加普遍，為人工智能提供更大的潛力，以縮短快速移動的持續(xù)時間和風險。