人工智能和机器学习如何被用来缓解交通拥堵

　　你觉得你住的地方交通不便吗？尝试搬到波士顿，那里的通勤者遭受全国最严重的高速公路拥堵。去年，新英格兰城市的居民平均花费 164 小时坐在他们的车辆上，无处可去，因这项特权而损失了高达 2，291 美元的个人价值。

　　与被诅咒为地球上最严重的高速公路拥堵的城市相比，这算不了什么。众所周知，莫斯科的通勤者去年因交通拥堵平均损失了 210 个小时。

　　这是根据华盛顿州柯克兰的互联汽车服务公司 INRIX 及其年度全球交通记分卡得出的。它基于对 38 个国家/地区的 200 多个城市的拥堵和流动趋势的研究。在美国，调查发现，去年全国通勤者平均在交通堵塞中花费了 97 小时，每位驾车者的平均成本为 1，348 美元。在全国范围内，交通拥堵造成的损失高达惊人的 870 亿美元。

　　作为回应，规划者现在正在利用人工智能 （AI） 和机器学习 （ML） 来缓解交通拥堵。

　　虽然没有单一的解决方案能够解决世界上的交通问题。每个城市都有大量独特的问题，这些问题结合起来造成拥堵和僵局。使用 AI 和 ML 修复它们需要有针对性的解决方案。

　　今天的城市正在探索基于云的 AI 和 ML 驱动平台，这些平台可以无缝连接移动服务提供商、车辆、司机和旅行者，以优化车队性能。

　　将这些平台视为车队的控制塔。

　　这些平台使移动供应商能够通过为混合动力车队提供大量规划、监督、编排、远见和商业智能功能来提供交通服务。

　　这项工作将需要城市和市政当局本身的监督，这将利用第三方平台来协调整个系统，而不是由私人供应商控制，例如当今的叫车服务品牌。

　　其他解决方案专注于特定挑战，但仍有可能立即产生影响。以迈阿密不可预测的吊桥为例。据估计，如果通勤者不幸被卡住等待打开和重置，他们会在 10 到 20 分钟之间停下来。

　　在全球范围内，当今一些最大的交通问题的解决方案正在成为现实。虽然许多人一直专注于自动驾驶汽车技术本身，但正是人工智能和机器学习驱动的平台激发了交通系统的一场革命。

　　这些平台被要求在连接的车队系统中管理自动驾驶、人工驾驶、公共和私人车辆。该系统背后的天才之处在于，不仅能够对特定路线上的特定车辆进行编程，而且还能够协调车辆，使它们能够作为一个协调一致的车队一起工作。这些平台充当每辆车的导体或控制塔。

　　在这项工作中，人工智能和机器学习驱动的平台使车辆运营商能够使用任何类型或品牌的车辆来规划、部署和管理服务。车队的这种编排使移动服务提供商能够提供旅行者想要的服务，例如叫车、机器人出租车、微型交通和自动班车——所有这些都是为了让人们能够以最有效的方式从 A 点到达 B 点

　　这种运输方式使所有骑手受益。例如，公共交通公司将使用该平台与自动驾驶和人工驾驶车队相结合，为火车站和汽车站提供第一英里和最后一英里的服务，使日常公共交通更加便捷。私人乘车服务提供商也将利用该平台提供服务，而自动班车服务将在大型规划社区中运送人们。

　　除了使用 AI 和 ML 技术为平台提供动力以不断提高其智能性和准确性之外，平台车辆不可知，因此它支持人类驾驶车辆和自动驾驶车辆，这将越来越多地用于未来。

　　当所有这些技术在一个平台上融合在一起时，城市和周边城市地区将在比个人驾驶更方便的环境中享受共享的按需服务，同时也将缓解这些地区的交通拥堵。

　　审核编辑：郭婷