在交通领域开始在关键任务应用人工智能（AI）（载客例如，自驾车车辆），其中一个AI系统的可靠性和安全性将受到质疑来自公众。在交通运输行业一样容量问题，安全性，可靠性，环境污染，能源浪费主要挑战是提供AI创新充足的机会（和高投资回报潜力）。
对于这篇文章的目的，“交通”将包括所有的技术，移动人员和货物。在这篇文章的过程中，我们的目标是回答以下问题：
- 什么AI技术在交通应用，目前应用？涉及哪些AI集成这些应用程序的过程？
- 当前人工智能运输的用例有哪些?
- 就未来的技术路线图而言，我们能期待什么?
基于应用揭示了我们的研究，我们段AI在交通运输行业如下：
- 当前的应用
- 公共客运
- 自主车
- 铁路货物运输AI应用
- 就在拐角处
- 运输计划
- 未来的应用
我们在下面详细探讨他们的每一个技术路线图的应用和未来。
当前的应用程序
人工智能与交通应用程序的兼容性是一种自然的契合。然而，正如人工智能在许多其他行业的情况一样，这些应用程序的采用目前在不同的行业和地区有所不同。
这有效地转化为事实，即在运输AI应用程序可以将矛盾既复杂又简单，令人难以置信的和可能，遥远而只是围绕头的角，基于环境和地理因素。我们探讨在下面的运输行业AI的电流应用的几个例子：
1 - 公共客运
自治区巴士
小规模独立总线的试验已经开始在世界各地近来最突出的芬兰，新加坡和中国。在组装结构，城市基础设施，路面，天气模式，交通模式等全球非均匀性做出按时交付的人和包，非常具体的环境中自主卡车AI应用。
奥利通过本地汽车
Olli是一辆来自美国公司的自动驾驶“认知”电动穿梭车本地汽车。该公司专注于开源汽车设计的低批量生产，使用多个微型工厂。
由IBM的物联网沃森联网（IoT）汽车，奥利能够执行像旅客运输功能要求的位置，提供当地景点的建议，并回答有关如何奥利的自驾车服务功能的问题。根据IBM公司从沃森物联网汽车平台5个开发者API用奥利包括语音到文本，自然语言分类器，会话，实体提取和文本到语音集成。
下4分钟的视频介绍了一些奥利的功能，并演示了它的一些在华盛顿特区的试运行：
交通管理操作
AI解决方案已经在解决控制和优化问题被频繁使用。企业领导者会觉得有趣的是，AI是已被使用在像预测和交通事故和条件的检测应用（通过将交通传感器成使用相机“智能”代理）。我们讨论急流技术，卡内基 - 梅隆大学剥离的情况。
Surtrac通过快速流技术
总部设在匹兹堡，快速流技术Surtrac系统最初是在发达国家智能协调与物流实验室在机器人研究所在卡内基梅隆大学担任的一部分Traffic21研究计划。快速流动也是的一部分卡内基梅隆NSF I-军团网站程序。
在2012年6月，急流安装Surtrac系统在匹兹堡东自由附近试点。该解决方案是九个交通信号在三条主要道路（潘圆，宾夕法尼亚大道和高地大街）的网络。快速流动索赔这Surtrac帮助超过25％，平均减少旅行时间和等待时间的试用过程中平均40％有所下降。继试点项目，快速流动曾与当地政府匹兹堡扩大溶液到城市（约50交通信号）的其它部分。读者也可看到我们以前在智能城市人工智能应用后更多关于Surtrac。
2 -自动驾驶卡车
交通运输行业面临的环境挑战，并从政府机构更严格的排放法规。一种报告由国际运输论坛(ITF)声称自主车将节省成本，降低排放，提高道路安全相比，与人类司机传统卡车。我们讨论当前的主要用例在这里自主车：
尤伯杯先进技术集团
在2016年十月，旧金山启动奥托（现在叫尤伯杯先进技术集团在2017年以6.8亿美元的价格被优步(Uber)收购后，该公司成功完成了世界上第一个自动卡车送货任务，从柯林斯堡(Fort Collins)到科罗拉多斯普林斯(Colorado Springs, CO.)，运送了约5万罐百威啤酒，行程120英里。
下面是一个简短2.5分钟视频述说着分娩是如何发生的，从尤伯杯ATG：
下面的视频介绍了尤伯杯的自动驾驶汽车技术简单的语言 - 包括许多自驾车车使用相同的技术（机器视觉，激光雷达等）：
据尤伯杯ATG，高速公路驾驶的统一模式和高速公路只占美国道路5%的事实，使其成为自动驾驶的理想应用。尽管在写这篇文章的时候，在测试过程中崩溃已迫使该公司暂停自主测试在亚利桑那州和暂停其匹兹堡操作。
TuSimple
TuSimple中国的启动，成立于2015年，成功完成200英里级别4（见自主驾驶的标准水平）试驾从亚利桑那州尤马，圣迭戈，加利福尼亚州通过了一项无人驾驶卡车。TuSimple声称，它的驾驶系统采用深度学习，模拟数以千万计的道路行驶的英里的训练。
TuSimple使用的Nvidia图形处理单元（GPU），包括NVIDIA驱动器PX 2电脑，TensorRT深度学习推理的优化和运行时引擎，特森TX2AI超级计算机模块上，CUDA并行计算平台和编程模型，和cuDNNCUDA深层神经网络库。在写这篇文章的时候，没有对整合的具体资料。
3 - AI应用在铁路货运
GE运输系统
GE运输取得了齐心协力对在交通领域应用人工智能。该公司开发的“智能”的机车，以提高他们的轨道交通解决方案的效率（这相当于经济利益）。
每个GE的智能货运机车的是配有传感器包括跟踪、前后和机车驾驶室的摄像头。来自传感器的数据被反馈到机器学习分析应用程序，这些应用程序将数据聚集在边缘网关上，使板载的实时决策成为可能。
根据这个文章穆凯(Wesley Mukai)说，在检测结果方面，通用电气见证了轨道上或轨道周围物体的速度和准确性的提高。此外，在与德国联邦铁路公司的试点项目中，机车故障率降低了25%。尽管还不清楚这些指标的基线读数是多少，因此在撰写本文时，具体的可测量的影响可能是不可行的。
日立
日立启动了一个试点项目利用其内部的人工智能技术，以减少电力驱动车辆消耗。所述AI平台从九个参数机车车辆操作数据的，如滑架速度，和三个参数有关的跟踪基础设施，如梯度供给输入。（参见下图）
这些因素的正确组合，最大限度地提高能源效率是由平台提取的。下面提供了用于提取最大牵引力的目标变量和外部参数的详细列表。日立公司称，与传统的运营方式相比，他们已经见证了每年牵引能耗下降约20%。尽管没有关于该项目时间框架的进一步细节。
下面是来自日立的简短视频，解释他们的通用人工智能技术，它的配置包括了轧材功耗试点：
就在拐角处
根据斯坦福大学的人工智能与生活在2030年 - 一百年研究，在不久的将来，AI很可能已经通过提供个人的运动，他们的喜好，他们的目标的精确预测行为模型对城市基础设施日益激烈的影响。
该美国交通部(USDoT)发布了一份征求建议书(USDoT)2016年，要求中型城市设想智慧城市交通基础设施。美国交通部计划向一个城市提供4000万美元的资金，用于展示如何利用技术和数据来重新设想人员和货物的流动。
据美国交通运输研究委员会在交通规划AI的新兴应用是在旅游行为模型，城市基础设施的设计和规划，以及公共和货物运输需求模型。例如，对于道路货物运输管理AI增强的需求和预测建模一个当前使用情况，可以发现在这里。
在交通规划应用中的采用人工智能的一个限制是，连接的交通基础设施建设也将提高人们对个人隐私和私人数据的安全问题。政府和有关这些伦理问题的法律法规将决定创新和应用的步伐，在行业在可预见的时期。
未来用例的要点
以下，总结是在交通应用程序正在开始被商业化或正在研究试验人工智能的按键功能列表。
| S.No | AI功能 | 典型用例 |
| 1 | 非线性预测(对输入和输出都是非线性的系统行为的预测) | 交通需求模型或模拟交通基础设施的健康为交通，建筑和风化的作用。 |
| 2 | 控制功能 | 交通信号控制的道路交叉口，在高速公路匝道，动态路径诱导，对铁路积极列车控制 |
| 3 | 模式识别 | 事件自动检测，用于交通数据收集和用于识别在路面或桥结构和运输设备诊断裂纹的图像处理。 |
| 4 | 聚类 | 识别基于驾驶员驾驶行为的具体类别，例如。 |
| 五 | 规划 | AI为基础的交通规划决策支持系统，在下面的章节中讨论。 |
| 6 | 做决定 | 决定是否建新路，多少钱应该分配给维护和重建活动和路段或桥梁，以保持它，以及是否疏导交通，以在发生事故情况下的替代路线。 |
| 7 | 优化 | 设计一个最佳的交通网络为特定社区，开发一组交通信号灯的维护和修复路面的网络，并制定最佳时机计划的最佳工作计划。 |
交通行业乔布斯AI的影响 - 总结思考
一种报告由国际可持续发展研究所完全独立的长途列车的测试已经展开。
在公布的另一份报告“人工智能，自动化，与经济，美国总统办公室总统在2016年指出，2.2至310万卡车火车或出租车司机的工作可以通过自动驾驶汽车技术在美国会受到影响。该报告还指出，点播服务车，像尤伯杯，将在不久的将来，自主操作的完整过渡。
虽然AI将在交通运输行业影响蓝领工作的显著数量，跨地域不同程度的推广，并建立道德法规未能实现要求的一些限制可能使变革成为一个缓慢的过程。
在AI的经济影响了浓厚的兴趣兴趣的读者可以享受以下的访谈我们AI播客：
- 技术失业和人与机器的角色- 马歇尔脑
- 生存机器时代 - 了解趋势科技工作现象的背后- 凯文LaGrandeur教授
- 上升的劳动力自动化，“蓝领”和“白领”- 马丁福特
标题图片来源:Adobe股票
