近年来，人工智能的崛起推动了这一演变，也推动了全球智能交通市场的发展。根据MarketsandMarkets的估计，2020年全球智能交通市场的价值为945亿美元，按10.6%的年复合增长率计算，到2025年可能达到1565亿美元。
图 1 2020-2025年全球智能交通市场预测
（数据来源：marketsandmarkets.com-按交通方式、解决方案、服务、通信技术、应用和区域划分的2025年智能交通市场全球预测）
如此出色的表现也很可能反映在全球数字物流市场的新动能上，这可能会极大地受益于人工智能解决方案，从2020年的174亿美元增长到2025年的465亿美元，复合年增长率为21.7%。
图 2 2020-2025年全球数字物流市场预测
（数据来源：marketsandmarkets.com-按解决方案、服务、功能、垂直和区域划分的2025年数字物流市场全球预测）
但是，是什么让人工智能对投资如此有吸引力，以及为什么运输和物流公司寻求人工智能服务？让我们简要概述一下人工智能在该行业的主要应用，以了解其影响的潜在程度。
人工智能已经无处不在。事实上，许多汽车制造商早就开始在他们的汽车上实施半自动驾驶功能，例如先进的驾驶辅助系统（ADAS），以帮助执行停车程序，确保在恶劣天气条件下控制车辆，并避免碰撞。
考虑到每年死于交通事故的人数惊人（根据世界卫生组织的估计，约有135万人），很容易理解为什么加强安全是在该领域实施人工智能的绝对优先事项。
为了实现这一目标，ADAS解决方案依靠人工智能摄像头和传感器，通过计算机视觉识别车辆、障碍物、行人或乘客的面部表情，提醒司机，甚至触发自主行为。在基于人工智能的ADAS的最常见的实施方案中，我们可能会提到自适应巡航控制、前向碰撞警告（FCW）、汽车夜视、交通标志识别、驾驶员监控系统等。
为驾驶员提供人工智能辅助的另一种方式是采用我们在家里已经习惯了的基于语音的设备。这些工具利用自然语言处理来理解用户的请求，并执行各种任务，如发起呼叫、切换电台或提供车辆状况信息。
例如，菲亚特克莱斯勒最近与亚马逊合作，在Alexa定制助手的基础上创建自己的数字助手，利用亚马逊Echo智能音箱已经使用的相同技术。
然而，人工智能在交通领域释放的可能性远不止于此，因为从辅助驾驶到自动驾驶的转变可能只是时间问题。
自动驾驶可能是人工智能在交通运输领域应用中的最令人兴奋、同时也是最具争议的方面之一，这导致公众舆论出现了分歧，尤其是在过去，有人认为它是一个奇迹，有人认为它像巫术一样危险。
在这方面，德勤的《2020年全球汽车消费者研究》报告称，约半数受访的美国消费者对人工智能驱动的自动驾驶汽车的安全性持怀疑态度，而中国人似乎对这项技术更有信心。
图 3 各国消费者对自动驾驶汽车安全的看法
（数据来源：deloitte.com-德勤《2020年全球汽车消费者研究》，全球重点国家消费者对先进汽车技术的兴趣在增长吗？）
尽管尽可能建设性地解决这些问题是明智的，但同样值得注意的是，类似的人工智能相关技术的应用已经在民航等交通部门扎根并被广泛接受。例如，据《纽约时报》报道，一架典型的波音飞机的实际人工控制时间约为7分钟，几乎只局限于起飞和降落，而自动驾驶系统则负责其他一切。
由于深度学习、计算机视觉和视频目标识别等人工智能领域的最新进展，很快，在航空领域非常普遍的技术可能会成为交通运输所有其他分支机构的新标准。通过利用这些尖端技术，机器正在获得以前是人类特权的能力，例如从经验中学习的能力，自己做决定的能力，识别周围的物体和人的能力，甚至更多。
类似的解决方案已经在涉及商业和个人交通的各种AI用例中实现。让我们来看看这一增长趋势的一些相关例子。
提到自动驾驶汽车，第一个跳出来的名字通常是特斯拉（Tesla）。我们可能会说，这并不奇怪。毕竟，埃隆·马斯克（Elon Musk）的这家汽车公司经常被证明在车辆实现自动驾驶功能方面处于领先地位，也会采取创新但有争议的解决方案（例如，比起计算机视觉、激光雷达和高清地图的典型组合，它更喜欢纯粹基于摄像头的方法）。
然而，Testa并不是唯一一家成功使用这项技术的公司。例如，在东京，日本ZMP公司生产的自动驾驶出租车自2018年以来已经成为现实，尽管出于安全原因，车内仍需要人类操作人员。在美国，总部位于加州的开发公司Waymo于2019年向客户开放了机器人出租车叫车服务。
再来看看公路货运车辆，人工智能也被证明是一个有价值的盟友，但它的潜力还远未得到充分利用。根据麦肯锡的估计，在美国这样65%的货物通过公路运输的国家，自动驾驶卡车（ATs）的大规模部署可能会使卡车租赁行业的运营成本降低45%，节省高达1250亿美元。
例如，通过使用基于人工智能的自动驾驶系统进行卡车排队，即多辆卡车在近距离协调移动，能够几乎同时前进或刹车，这些成就将是可能的。这一车队可能由人类驾驶员控制第一辆卡车，而接下来的卡车不需要主动驾驶，只需要在突发事件发生时进行监督。
图 4 卡车队列如何工作的例子
（数据来源：europarl.europa.eu-人工智能在交通中的应用，当前和未来的发展，机遇与挑战，2019。）
关于自动驾驶卡车，值得一提的是，这种由人工智能驱动的车辆不仅可以用于标准的道路运输，还可以用于更“硬核”的环境。例如，澳大利亚矿业公司里约热内卢Tinto在其皮尔巴拉（Pilbara）的站点部署了自动卡车来运输矿物和废物，实现了载重和运输单位成本降低15%。每辆车都能比标准车辆多运行700小时，而且在操作过程中没有矿工受伤，证明了这种解决方案既便宜又安全。
人工智能在交通领域应用的也正在进入铁路领域，即所谓的ATO（列车自动运行）。在这方面，为欧盟委员会起草的2019年《人工智能在交通中的应用》报告称，2018年，全球19个国家的41个城市的居民已经可以依靠总计约1000公里的无人驾驶地铁线路，到2025年，其范围似乎将增长到2300公里以上。
我们已经讨论过陆路运输，那么海洋运输呢？人工智能驱动的自动船舶可能是物流公司提高效率和减少排放的另一张王牌。例如，美国海洋机器公司（Sea Machines Robotics）和世界主要航运公司马士基（Maersk）合作，为集装箱船舶配备视频目标识别和激光雷达技术。这些工具确保了自主导航和路线优化，帮助降低了40%的运营成本。
既然已经提到了货运船舶的人工智能路线优化，那么将这个话题扩展到所有那些帮助我们合理化移动和协调车辆、船只和飞机的先进工具可能是值得的。
它们的操作基于GPS、传感器、计算机视觉驱动的摄像头和其他互连的物联网设备的组合，这些设备部署用于收集有关天气、交通、堵塞或事故的数据。然后将这些工具与基于人工智能的分析系统相结合，以处理此类信息，通过机器学习算法识别重复的交通模式，并将数据转化为有价值的路线建议或潜在道路拥堵的预测。
事实上，我们都通过使用谷歌地图来避免排队，并在城市中开车时获得最短路线的提示，体验了这些与交通相关的技术。但我们如何在更大规模的民用运输和物流中利用它呢？以下是一些例子：
l在路上：自2016年以来，美国酿酒公司Anheuser-Busch一直依靠“Wise Systems”，这是一种机器学习驱动的解决方案，从天气预报、驾驶员输入和其他来源收集实时数据来优化送货路线。
l在天空中：为了改善空中交通管制并应对臭名昭著的伦敦天气，希思罗机场实施了Aimee，这是一个人工智能系统，由多个高清摄像头收集的数据提供数据，并能够协助管制员监督到达和离开。一旦满负荷部署，该工具应该能够将机场的着陆能力提高20%。
l跨海：回到波塞冬领域，汽车领域的人工智能已经广泛应用于上述自主导航和港口程序的优化。例如，鹿特丹港采用了基于人工智能的系统来估计船舶到达和离开时间，从而将等待时间减少了20%，因而确保了运营和燃料成本的显着降低。
与自动驾驶汽车等其他高科技交通解决方案相比，交通管理系统可能被视为不那么迷人和科幻的东西（在我们的记忆中，他们已经制作了几部无人驾驶汽车的电影和电视剧，但没有那么多智能交通灯作为主角）。然而，这些系统仍然是人工智能在交通运输中最有用的表现之一，因为它们可以减轻驾驶员的生活压力，帮助减少道路事故并减轻污染。
它们的功能与上述车队管理解决方案没有太大区别。再一次，这个想法是部署一个广泛的传感器和摄像头网络来监督交通流量，监控道路状况，并通过计算机视觉识别事故。这使当局能够在事故发生时迅速进行干预，加快道路维修和维护操作，并根据车辆密度优化交通信号灯切换。
例如，西门子移动开发的基于人工智能的监控系统已部署在印度班加罗尔，通过智能摄像头收集数据，实时调整交通信号灯，从而促进交通流量。美国匹兹堡也采用了由Rapid Flow Technologies创建的名为SurTrac的类似解决方案，从而减少了25%的旅行时间和20%的排放量。
图 5 实时交通优化案例
（数据来源：rapidflowtech.com- Surtrac是如何工作的？交通管理实时控制）
ANPR系统是基于计算机视觉的交通管理应用的一个重要分支，但它更多地关注单个车辆，而不是车辆的整体流量。这些解决方案包括安装在路杆上的高清摄像头，确保7*24小时监控的红外传感器，以及通过OCR（光学字符识别）识别车辆车牌的图像处理软件。这使得它们成为各种管理和安全任务的有用工具，包括：
l行程时间分析以加强道路规划
l执法部门识别违反道路规则的车辆
l收费管理以电子方式向道路使用者收取费用
负责管理意大利高速公路的股份制公司意大利高速公路公司（Autostrade per l’italia）在特定路段采用了类似的收费管理系统、视频监控和电子速度控制（所谓的安全导师）。
比交通和超速罚单更可怕的事情，其中之一就是在拥挤的停车场或市中心无休止地寻找停车位。幸运的是，人工智能可以帮助我们，在摄像头和计算机视觉的帮助下，让这个“不可能的任务”变得更容易一些，这些摄像头和计算机视觉可以部署在室内停车场和室外城市地区。这些解决方案在以下几种情况下非常有用：
l车辆计数以准确估计排队时间
l车牌匹配以检测未经授权的停车
l时间跟踪，更轻松地开票和付款
l停车场安全摄像头识别可疑活动
l与停车可用性指示器相连的空闲插槽检测
关于最后一个用例，通常称为停车引导和信息（PGI）系统，最新趋势是不仅通过电子视觉显示器提供停车可用性信息，还通过专用应用程序在驾驶员的智能手机上提供停车可用性信息，例如西门子的智慧停车解决方案。
自动驾驶汽车和基于人工智能的交通管理系统是惊人的工具……直到他们崩溃。在这方面，一种在交通运输和其他行业迅速普及的方法被称为预测性维修，它是基于在潜在故障实际发生之前提前预测故障的方法。
如今，人工智能的进步极大地提高了这种操作方式的效率，特别是得益于前面提到的机器学习算法的模式识别和预测能力。事实上，通过向机器学习系统“输入”与车辆和基础设施的标准性能相关的数据，并通过传感器收集这些数据，可以训练机器学习系统了解车辆和基础设施的正常运行情况。
一旦系统学会了识别驱动车辆或整个车站的机械和电子部件的理想操作模式，它也将能够检测到它们典型行为的任何变化，这可能是故障即将发生的迹象。
通过机器学习实现异常检测，用于状态监测，运输运营商可以显著提高车辆的可靠性，降低维护成本，加快维修程序，并减少通常部署的车队储备，以避免在故障情况下中断服务。
法国国家铁路公司SNCF就是使用这种方法的一个突出例子，该公司实施了人工智能驱动的预测分析，以监测受电弓磨损风险的状态，并确保其列车获得适当的电力供应。据该公司称，预测性维护还可以将与列车开关相关的事故减少30%。
正如麦肯锡2019年《全球人工智能调查》中报告的那样，虽然该经济部门在人工智能实施的排名中并不领先，但它仍然是受益于人工智能相关技术采用率最高的领域之一，例如汽车行业的RPA或强化学习应用程序。
图 6 AI在行业中的应用
（数据来源：mckinsey.com-麦肯锡全球AI调查：2019年，AI证明了它的价值，但很少有规模影响）
这并不奇怪，因为交通领域的人工智能已经被证明能够让我们的出行比以往任何时候都更快、更安全、更清洁。然而，部署工作应该始终牢记一些基本需求和有争议的因素：
制定长期战略，涵盖将AI集成到现有技术堆栈和业务流程所需的投资。
定义涉及交通运输业务关键领域的特定用例，这些用例可以从基于人工智能的增强中获得极大的好处。
从小到大，为了在短期内取得快速的结果，克服员工和股东的恐惧和阻力。
投资于培训和再培训，重新分配可能因机器的出现而被取代的劳动力。
随着在网络安全中依赖数据和人工智能的能力，增加网络安全防御，也降低了交通网络对潜在攻击的脆弱性。
解决自动驾驶的一些伦理和实际影响，并确保人工智能驱动的交通工具可以与乘客、附近的标准车辆和周围环境安全互动。这也涉及到在紧急情况下根据不那么明确的“轻恶”概念做出决定。
除了这些务实的方面，我们还可以加上那些最浪漫的旅行者的怀疑主义，他们可能会担心错过实际驾驶的乐趣或旅程中更冒险的方面。但如果真的像《指环王》的作者J. R. R. Tolkien所说的那样：“不是所有流浪的人都会迷路”，那么不可否认的是，有时候你并不想流浪，只是想以最快最简单的方式从A点到达B点，那么人工智能可能是帮助你找到正确道路的最佳伴侣。
by Andrea Di Stefano
联系客服
