以下文章來源于智能交通技術(shù) ，作者行者

人工智能(AI)是指機(jī)器執(zhí)行人類能夠輕松完成的感知、推理、學(xué)習(xí)和解決問題等認(rèn)知功能的能力。過去20年以來，由于互聯(lián)網(wǎng)產(chǎn)生的海量數(shù)據(jù)的可用性，人工智能在全球范圍內(nèi)獲得了關(guān)注。最近，使用高級(jí)算法處理這些數(shù)據(jù)給政府和企業(yè)帶來了巨大的好處。物聯(lián)網(wǎng)、機(jī)器人過程自動(dòng)化、計(jì)算機(jī)視覺、自然語言處理等各種技術(shù)支持的機(jī)器學(xué)習(xí)算法的強(qiáng)勁增長，使人工智能的增長成為可能。本文是將交通運(yùn)輸業(yè)的各種問題分類為智能交通系統(tǒng)的匯編。考慮的一些子系統(tǒng)與智能交通系統(tǒng)的交通管理、公共交通、安全管理、制造和物流相關(guān)，人工智能的好處被投入使用。這項(xiàng)研究涉及交通運(yùn)輸業(yè)的特定領(lǐng)域，以及可能使用人工智能解決的相關(guān)問題。該方法涉及根據(jù)從各種來源獲得的國別數(shù)據(jù)進(jìn)行二次研究。此外，全球各國都在討論解決交通行業(yè)問題的人工智能解決方案。

1 . 介紹

技術(shù)過去一直是企業(yè)的問題解決者。無論是零售、銀行、保險(xiǎn)、醫(yī)療保健甚至體育。其中一些解決方案通過降低運(yùn)營成本、提高效率和提高效率改變了企業(yè)的運(yùn)營方式。即將成功實(shí)施最新技術(shù)的即將到來的領(lǐng)域之一是交通運(yùn)輸行業(yè)，該行業(yè)受到與交通擁堵、意外延遲和路線問題相關(guān)的問題的困擾，這些問題導(dǎo)致經(jīng)濟(jì)損失。

運(yùn)輸業(yè)一直是不同地理區(qū)域人員和貨物流動(dòng)的主要貢獻(xiàn)者。它在貨物從一個(gè)地方轉(zhuǎn)移到另一個(gè)地方的供應(yīng)鏈管理系統(tǒng)中發(fā)揮著重要作用。該行業(yè)在將貨物在物流鏈中的精確時(shí)間移動(dòng)到正確地點(diǎn)的過程中發(fā)揮著關(guān)鍵作用。為了從商業(yè)投資中獲得全部收益，政府和組織使用了機(jī)器學(xué)習(xí)、人工智能、物聯(lián)網(wǎng)等技術(shù)。

1.1 . 人工智能（AI）

人工智能(AI)是計(jì)算機(jī)科學(xué)的一個(gè)廣泛領(lǐng)域，它使機(jī)器像人腦一樣運(yùn)作。人工智能也被定義為機(jī)器執(zhí)行人類認(rèn)知功能的能力。AI一詞最初是由計(jì)算機(jī)科學(xué)家John McCarthy在1956年創(chuàng)造的。由于通過各種設(shè)備生成的大量數(shù)據(jù)的可用性，以及高效硬件、軟件和網(wǎng)絡(luò)基礎(chǔ)設(shè)施的可用性，這個(gè)已有60年歷史的概念最近引起了熱議。人工智能的出現(xiàn)使流程自動(dòng)化成為可能，從而產(chǎn)生創(chuàng)新的業(yè)務(wù)解決方案[47]。AI提供可靠且具有成本效益的解決方案，同時(shí)解決決策過程中的不確定性。由于流程自動(dòng)化，高級(jí)算法處理復(fù)雜數(shù)據(jù)的能力促進(jìn)了企業(yè)更快的決策[10]。隨著人們對(duì)環(huán)境的日益關(guān)注，人工智能已成為通過改造傳統(tǒng)行業(yè)和系統(tǒng)來解決氣候變化和水問題的解決方案提供商。這些能力幫助政府建設(shè)可持續(xù)城市，從而有助于保護(hù)生物多樣性和人類福祉[23]。

美國和中國目前主導(dǎo)著人工智能世界。普華永道的一份報(bào)告估計(jì)，到2030年，人工智能將為世界經(jīng)濟(jì)貢獻(xiàn)15.7萬億美元。在美國，學(xué)術(shù)體系已經(jīng)產(chǎn)生并孵化了與人工智能相關(guān)的研究；而在中國，政府提供資金和技術(shù)來利用人工智能的潛力。中國計(jì)劃到2030年至少投資70億美元。加拿大和英國通過宣布為私人和公共人工智能企業(yè)提供資金的交易，加大了對(duì)技術(shù)的投資[20]。加拿大在2017年承諾為人工智能研究投資了1.25億美元。法國政府將在2022年之前投資18億美元用于人工智能研究。該國計(jì)劃從私營公司提取數(shù)據(jù)以供公開研究。俄羅斯每年在人工智能上的花費(fèi)估計(jì)為1250 萬美元，主要用于軍事領(lǐng)域。

1.2 . 人工智能和交通

全球大多數(shù)大城市都面臨與運(yùn)輸、交通和物流相關(guān)的問題。這是由于人口的快速增長以及道路上車輛數(shù)量的增加。為了有效地創(chuàng)建和管理可持續(xù)的交通系統(tǒng)，技術(shù)可以提供巨大的支持。隨著城市地區(qū)陷入交通擁堵的困境，人工智能解決方案出現(xiàn)在訪問車輛的實(shí)時(shí)信息以進(jìn)行交通管理，并通過統(tǒng)一的系統(tǒng)在旅行計(jì)劃中按需利用移動(dòng)性?；谌斯ぶ悄艿臎Q策、交通管理、路徑規(guī)劃、交通網(wǎng)絡(luò)服務(wù)和其他移動(dòng)優(yōu)化工具的安全集成使得高效交通管理具備可能性（交通，2019）[61]。人工智能被世界經(jīng)濟(jì)論壇視為新興技術(shù)之一。支持運(yùn)輸?shù)腁I方法包括人工神經(jīng)網(wǎng)絡(luò)(ANN)、遺傳算法(GA)、模擬退火(SA)、模糊邏輯模型(FLM)和蟻群優(yōu)化器(ACO)。在交通管理中部署這些技術(shù)的目的是緩解擁堵，使通勤者的出行時(shí)間更加可靠，并提高整個(gè)系統(tǒng)的經(jīng)濟(jì)性和生產(chǎn)力[1]。

通過技術(shù)連接的車輛可以預(yù)測道路上的交通狀況，從而提高駕駛效率。研究文章[41]提出了三個(gè)觀點(diǎn)。

1. 評(píng)估準(zhǔn)確的預(yù)測和檢測模型，旨在預(yù)測交通量、交通狀況和事故；
2. 通過探索人工智能的各種應(yīng)用，公共交通作為一種可持續(xù)的出行方式；
3. 聯(lián)網(wǎng)車輛旨在通過減少高速公路上的事故數(shù)量來提高生產(chǎn)力[40]。

已經(jīng)在全球范圍內(nèi)進(jìn)行了幾項(xiàng)研究，以解決與運(yùn)輸行業(yè)有關(guān)的問題。在該行業(yè)人工智能技術(shù)支持下的研究成果為這一重要的發(fā)展領(lǐng)域帶來了希望。

1.3 . 智能交通

近年來，隨著跨行業(yè)的多種技術(shù)設(shè)備的激增，產(chǎn)生了大量數(shù)據(jù)。這些數(shù)據(jù)在企業(yè)、政府和社會(huì)的決策過程中變得很有價(jià)值。交通運(yùn)輸業(yè)是城市建設(shè)的生命線，在數(shù)據(jù)生成和使用方面不能落后。該部門在城市發(fā)展中發(fā)揮著重要作用，因?yàn)樗鼤?huì)影響人員、流程和利潤。為了實(shí)現(xiàn)數(shù)據(jù)生成，汽車制造商一直積極主動(dòng)地制造可以安裝在車輛上的設(shè)備，用于運(yùn)送人和貨物。這些設(shè)備產(chǎn)生的數(shù)據(jù)由專家遠(yuǎn)程監(jiān)控。政府和企業(yè)能夠根據(jù)使用各種應(yīng)用程序生成的數(shù)據(jù)進(jìn)行實(shí)時(shí)決策。近年來，與交通和技術(shù)有關(guān)的各種創(chuàng)新應(yīng)用正在建設(shè)中。應(yīng)用程序開發(fā)人員關(guān)注的是一種面向流程的系統(tǒng)方法，該方法具有明確的目標(biāo)，并嵌入了反饋機(jī)制，以衡量與運(yùn)輸行業(yè)相關(guān)的解決方案的結(jié)果。

運(yùn)輸管理系統(tǒng)(TMS)屬于運(yùn)輸管理領(lǐng)域，具體涉及運(yùn)輸業(yè)務(wù)。這些系統(tǒng)的目標(biāo)是使用數(shù)據(jù)建立有效的路線規(guī)劃、負(fù)載優(yōu)化、提高靈活性和透明度。根據(jù) Gartner，該領(lǐng)域預(yù)計(jì)將快速增長[42]。城市的交通戰(zhàn)略與信息系統(tǒng)相關(guān)聯(lián)，以便更好地管理，該系統(tǒng)將專注于采集、處理、傳輸和管理由此產(chǎn)生的數(shù)據(jù)。在過去的幾十年里，由于智能技術(shù)的出現(xiàn)，各種物流、路線、地圖和規(guī)劃的信息系統(tǒng)正在開發(fā)中。這些系統(tǒng)提供了更好的數(shù)據(jù)處理能力，以更好地規(guī)劃運(yùn)輸過程，從而實(shí)現(xiàn)智能運(yùn)輸系統(tǒng)(ITS)[13]。

從用戶和車輛生成的數(shù)據(jù)用于構(gòu)建高效的ITS。由于跨車輛、城市基礎(chǔ)設(shè)施和其他相關(guān)活動(dòng)的信息獲取、交換和集成，將ITS構(gòu)建到交通系統(tǒng)中確保了性能的提高。據(jù)觀察，ITS 支持城市當(dāng)局和車輛用戶的決策過程。

用戶和車輛產(chǎn)生的數(shù)據(jù)被用于構(gòu)建高效的ITS。將ITS納入交通系統(tǒng)，通過車輛、城市基礎(chǔ)設(shè)施和其他相關(guān)活動(dòng)的信息獲取、交換和集成，確保了性能的提高。據(jù)觀察，ITS支持城市管理單位和車輛用戶的決策過程。

本文的重點(diǎn)是智能交通系統(tǒng)，它是交通管理系統(tǒng)的一部分。采用基于桌面的方法來整理人工智能技術(shù)，以解決交通行業(yè)問題，構(gòu)建可持續(xù)的交通系統(tǒng)。識(shí)別和討論了ITS各種子系統(tǒng)的好處以及對(duì)運(yùn)輸行業(yè)產(chǎn)生積極影響的人工智能應(yīng)用。數(shù)據(jù)來自研究論文、政府報(bào)告、期刊文章和咨詢機(jī)構(gòu)的報(bào)告。早期研究中采用的一些框架被認(rèn)為是當(dāng)前研究中確認(rèn)子系統(tǒng)的基準(zhǔn)。這項(xiàng)工作將幫助企業(yè)和政府采用這些技術(shù)，并根據(jù)給定的場景構(gòu)建相關(guān)的解決方案。

2 . 文獻(xiàn)調(diào)查

人工智能已經(jīng)對(duì)醫(yī)療保健、零售、銀行、保險(xiǎn)、娛樂、制造和運(yùn)輸?shù)雀鱾€(gè)行業(yè)造成了重大沖擊。人工智能在交通運(yùn)輸中的幾個(gè)用例已經(jīng)過試驗(yàn)和采用，證明了這個(gè)市場正在上升的事實(shí)。隨著與人工智能相關(guān)的技術(shù)進(jìn)步，交通運(yùn)輸業(yè)向在車輛上嵌入方便用戶使用的設(shè)備的方向發(fā)展。這導(dǎo)致了使用設(shè)備生成的數(shù)據(jù)建立ITS。

當(dāng)前形式的人工智能能夠解決實(shí)時(shí)運(yùn)輸中的問題，從而管理物流系統(tǒng)和貨運(yùn)的設(shè)計(jì)、運(yùn)營、時(shí)間表和管理。其他一些應(yīng)用包括旅行需求分析、交通組織、行人和群體行為分析。AI 技術(shù)允許將這些應(yīng)用程序用于整個(gè)運(yùn)輸管理——車輛、駕駛員、基礎(chǔ)設(shè)施以及這些組件動(dòng)態(tài)提供運(yùn)輸服務(wù)的方式[59]。在難以完全理解交通系統(tǒng)特征之間復(fù)雜關(guān)系的領(lǐng)域，人工智能方法提供了智能解決方案[1]。[31]的研究專注于兩個(gè)領(lǐng)域，即人工智能和交通。人工智能一方面帶來了巨大的機(jī)遇，另一方面也帶來了與安全相關(guān)的重大挑戰(zhàn)。從 2000 年代中期開始，用于商業(yè)目的的交通私有化帶來了新的研究機(jī)會(huì)和計(jì)劃，并在這些領(lǐng)域取得了相當(dāng)大的進(jìn)步。

國際公共交通協(xié)會(huì) (UITP) 和陸地運(yùn)輸管理局 (LTA) 聯(lián)合資助的一項(xiàng)名為“公共交通中的人工智能”的研究項(xiàng)目是通過文獻(xiàn)回顧、定量調(diào)查、用例、專家博客和構(gòu)思研討會(huì)進(jìn)行的。該報(bào)告概述了人工智能應(yīng)用 [ 16 ] 在公共交通中的各種用例，以及人工智能在公共交通系統(tǒng)中的未來可能會(huì)怎樣。咨詢公司普華永道進(jìn)行了一項(xiàng)全國性調(diào)查，以通過在線模式了解人工智能對(duì)金融服務(wù)、技術(shù)和制造等廣泛領(lǐng)域的決策者和雇員的影響。研究發(fā)現(xiàn)，青少年對(duì)交通相關(guān)技術(shù)的適應(yīng)性更強(qiáng)[48]。

早期采用者和進(jìn)步的公共交通利益相關(guān)者預(yù)計(jì)人工智能將進(jìn)一步融入未來的移動(dòng)性[24] 。人工智能能夠在不同程度上通過不同的方法、方法和技術(shù)發(fā)揮作用，表現(xiàn)出邏輯推理、解決問題和學(xué)習(xí)的能力。人工智能可以基于硬件（機(jī)器人）或軟件相關(guān)（谷歌地圖）。數(shù)據(jù)驅(qū)動(dòng)的人工智能將機(jī)器學(xué)習(xí)技術(shù)與用于搜索和分析大量數(shù)據(jù)的技術(shù)相結(jié)合。人工智能有助于發(fā)現(xiàn)市場趨勢、識(shí)別風(fēng)險(xiǎn)、緩解交通擁堵、減少溫室氣體和空氣污染物排放、設(shè)計(jì)和管理運(yùn)輸、并分析出行需求和行人行為（Niestadt、Debyser、Scordamaglia 和 Pape，交通人工智能，2019）[ 43]。數(shù)據(jù)和人工智能驅(qū)動(dòng)的應(yīng)用和服務(wù)是實(shí)現(xiàn)提供最佳移動(dòng)性愿景的主要基石。為了在城市中建立有效和高效的移動(dòng)生態(tài)系統(tǒng)，需要一種整體的移動(dòng)管理方法。聯(lián)網(wǎng)車輛實(shí)時(shí)發(fā)送數(shù)據(jù)，從而產(chǎn)生大量數(shù)據(jù)。隨著運(yùn)輸需求的不斷增加，通過設(shè)備的數(shù)據(jù)增長也在增長；因此，需要對(duì)道路交通進(jìn)行更智能的管理[57]。

表 1給出了人工智能在交通應(yīng)用中目前開始商業(yè)化或正在研究試驗(yàn)中的一些關(guān)鍵功能。

表1 AI 功能和用例

人工智能功能	用例
非線性預(yù)測	交通需求建模
控制功能	信號(hào)控制，動(dòng)態(tài)路線引導(dǎo)
模式識(shí)別	用于道路或橋梁交通數(shù)據(jù)收集和裂縫識(shí)別的自動(dòng)事件檢測、圖像處理
聚類	根據(jù)行為識(shí)別特定類別的駕駛員
規(guī)劃	基于人工智能的交通規(guī)劃決策支持系統(tǒng)
優(yōu)化	設(shè)計(jì)最佳交通網(wǎng)絡(luò)，制定維護(hù)路面網(wǎng)絡(luò)的最佳工作計(jì)劃，制定一組交通信號(hào)的最佳配時(shí)計(jì)劃

改編自（Sadek，交通運(yùn)輸中的人工智能應(yīng)用，2007）[54] 

[50]的研究重點(diǎn)是智能車輛道路系統(tǒng)的監(jiān)測、控制和管理的先進(jìn)系統(tǒng)。這里討論的是復(fù)雜網(wǎng)絡(luò)中的非重復(fù)擁塞。該研究提出了一種基于人工智能的解決方案，在主干道交通管理中采用多個(gè)實(shí)時(shí)知識(shí)相關(guān)專家系統(tǒng)。支持向量回歸(SVR)和基于案例推理(CBR)兩種人工智能范式被用于大規(guī)模網(wǎng)絡(luò)和復(fù)雜仿真模型的評(píng)估。[11]研究通過比較交通狀況的預(yù)測來評(píng)估兩種模型的結(jié)果。在這項(xiàng)研究中，一個(gè)基于代理(Agent)的控制系統(tǒng)監(jiān)測交通、道路事故和其他運(yùn)輸活動(dòng)。文章[22]比較了部署在巴塞羅那附近的智能交通管理系統(tǒng)上的兩個(gè)集成自主代理，這些智能交通管理系統(tǒng)為實(shí)時(shí)交通管理提供決策支持。

[51]研究探討了自主智能代理在城市交通控制 (UTC) 中的適用性。該研究提出的系統(tǒng)可以為動(dòng)態(tài)環(huán)境設(shè)計(jì)、實(shí)施、優(yōu)化和調(diào)整協(xié)調(diào)UTC。該模型可應(yīng)用于多個(gè)交通信令智能交叉口。這些代理能夠響應(yīng)實(shí)時(shí)交通狀況，并保持其穩(wěn)定性和完整性。

與自動(dòng)駕駛汽車 (AV) 相關(guān)的技術(shù)有可能影響車輛安全和出行行為。它們確保減少旅行時(shí)間并提高燃油效率。目前，這些技術(shù)已經(jīng)成為顛覆性的，為交通系統(tǒng)帶來了巨大的好處。然而，與更大群體的采用和高昂的采用成本相關(guān)的挑戰(zhàn)仍然存在。政府在責(zé)任、安全和數(shù)據(jù)隱私方面的法規(guī)不確定，導(dǎo)致自動(dòng)駕駛汽車的市場滲透率較低。對(duì)低速自動(dòng)緊急制動(dòng)系統(tǒng)有效性評(píng)估的研究發(fā)現(xiàn)，采用該技術(shù)的車輛可將追尾事故減少約38%[19]。在目前的情況下，交通的主要問題是擁堵、安全、污染和對(duì)流動(dòng)性的需求增加。解決所有這些挑戰(zhàn)的潛在解決方案之一可能是自動(dòng)駕駛汽車[36]。這些車輛通過傳感器技術(shù) [ 25 ] 和連接解決方案[68]從其物理和數(shù)字環(huán)境中收集數(shù)據(jù)。

聯(lián)網(wǎng)汽車能夠通過智能設(shè)備訪問互聯(lián)網(wǎng)，也能夠與其他汽車和基礎(chǔ)設(shè)施進(jìn)行通信。他們從多個(gè)來源獲取實(shí)時(shí)數(shù)據(jù)，支持司機(jī)在駕駛過程中強(qiáng)大的壓力下進(jìn)行操作。這些汽車確保了安全性和可靠性[12] 。模式識(shí)別與圖像處理一起用于自動(dòng)事件檢測和識(shí)別路面或橋梁結(jié)構(gòu)中的裂縫。聚類技術(shù)用于根據(jù)駕駛員行為識(shí)別特定類別的駕駛員（Sadek，交通運(yùn)輸中的人工智能應(yīng)用，2007）[ 54 ]。

文章[35]提出了使用技術(shù)制造車輛的新模型、方法和形式。這導(dǎo)致了在汽車制造中采用技術(shù)來構(gòu)建智能汽車。該研究討論了人工智能技術(shù)對(duì)一個(gè)國家的各種業(yè)務(wù)和經(jīng)濟(jì)的影響程度[15] 。福特汽車公司已成功將人工智能集成到主流制造流程中，為組織提供競爭優(yōu)勢。該研究側(cè)重于制造智能系統(tǒng)的流程規(guī)劃和部署（Rychtyckyj，福特汽車公司的智能制造系統(tǒng)，2007 年）[ 52 ]。研究[64]提到用于自動(dòng)駕駛汽車的技術(shù)的最初演示可以追溯到1939 年。Google公司開發(fā)的大多數(shù)自動(dòng)駕駛汽車都依賴于自己開發(fā)的攝像機(jī)、雷達(dá)傳感器、激光測距儀和地圖。自動(dòng)駕駛汽車不僅會(huì)影響單個(gè)公司的運(yùn)作，還會(huì)影響國家和世界經(jīng)濟(jì)[63]。

由于與不同利益相關(guān)者的網(wǎng)絡(luò)能力，制造業(yè)和物流產(chǎn)生了大量的數(shù)據(jù)。由于運(yùn)輸業(yè)在物流中扮演著重要的角色，因此只有通過各種操作技術(shù)的應(yīng)用來使用生成的數(shù)據(jù)才是合適的。通過模擬[39]的過程，提出了基于Agent的供應(yīng)鏈優(yōu)化方法。[45]這項(xiàng)研究思考了一個(gè)事實(shí)，即帶有人工智能的無人駕駛汽車是否會(huì)對(duì)人類產(chǎn)生負(fù)面影響。極端的自動(dòng)化可能會(huì)導(dǎo)致機(jī)器出現(xiàn)漏洞。這些綜合智能系統(tǒng)容易受到網(wǎng)絡(luò)崩潰或外部機(jī)構(gòu)黑客攻擊等系統(tǒng)性風(fēng)險(xiǎn)的影響。該研究提出了“產(chǎn)業(yè)5.0”，它可以使大數(shù)據(jù)中的知識(shí)協(xié)同生產(chǎn)大眾化。

研究文章[62]認(rèn)為運(yùn)輸系統(tǒng)是物流鏈中的關(guān)鍵要素，因?yàn)樗峁┝朔蛛x的物流活動(dòng)之間的聯(lián)系。物流的改善對(duì)整體業(yè)務(wù)的貢獻(xiàn)是由于技術(shù)的影響。該研究旨在幫助物流管理人員、研究人員和運(yùn)輸規(guī)劃人員定義和理解物流的基本觀點(diǎn)及其各種應(yīng)用以及物流與運(yùn)輸之間的關(guān)系。物流不僅限于貨物跨空間移動(dòng)以及減少供應(yīng)鏈中的時(shí)間和成本。它的范圍擴(kuò)大了，也成為戰(zhàn)略管理的一部分。因此，將核心業(yè)務(wù)信息系統(tǒng)與一套現(xiàn)代分析和人工智能工具相結(jié)合，從各個(gè)來源發(fā)現(xiàn)相關(guān)知識(shí)是非常重要的。這有助于管理不確定性和獲得競爭優(yōu)勢[33]。

研究[9]結(jié)合各種人工智能技術(shù)實(shí)現(xiàn)四個(gè)視角，即——知識(shí)獲取、服務(wù)物流、服務(wù)自動(dòng)化和績效衡量。交通在構(gòu)建響應(yīng)式物流信息系統(tǒng)方面發(fā)揮著更大的作用；因此，機(jī)器學(xué)習(xí)概念支持識(shí)別需求模式和相應(yīng)的補(bǔ)貨策略[34]。該研究標(biāo)志著當(dāng)前物流場景過程的系統(tǒng)發(fā)展[65]。我們可以看到，智能系統(tǒng)在以交通運(yùn)輸業(yè)為支柱的物流業(yè)中發(fā)揮著越來越大的作用。運(yùn)輸功能發(fā)生了結(jié)構(gòu)性變化，影響了運(yùn)輸物流的演進(jìn)[8]。一方面，由于采用了人工智能，道路上的事故和死亡人數(shù)可能會(huì)大幅減少;另一方面，我們可以預(yù)料到技術(shù)性失業(yè)[32]。

通過對(duì)解決交通問題的應(yīng)用的詳細(xì)背景研究，可以明顯地看出，人工智能在利用數(shù)據(jù)構(gòu)建高效的交通系統(tǒng)方面發(fā)揮著重要作用。目前的研究試圖代表人工智能的各種概念和應(yīng)用的發(fā)展，ITS作為TMS的一部分。在各種可用的應(yīng)用中，研究的范圍縮小到智能交通管理系統(tǒng)、智能公共交通系統(tǒng)、智能安全管理系統(tǒng)和智能制造與物流系統(tǒng)，以構(gòu)建可持續(xù)的交通系統(tǒng)[53]。在這些系統(tǒng)中，AI的作用和相應(yīng)的成效將在第3節(jié)中討論。此外，第4節(jié)討論了世界各國交通運(yùn)輸業(yè)相關(guān)問題的人工智能解決方案。結(jié)論部分整理了通過人工智能實(shí)施交通運(yùn)輸業(yè)面臨的各種挑戰(zhàn)和建議。

3 . 框架

從早期的研究中可以看出，人工智能在構(gòu)建智能交通系統(tǒng)時(shí)的成效尚未得到充分探索。目前的研究探討了在不同國家部署的交通運(yùn)輸行業(yè)的ITS應(yīng)用。

作為經(jīng)濟(jì)生命線的運(yùn)輸業(yè)似乎正在努力解決全球范圍內(nèi)的各種運(yùn)營問題。與運(yùn)輸業(yè)相關(guān)的問題導(dǎo)致一個(gè)城市乃至一個(gè)國家的進(jìn)步放緩。TMS 是一個(gè)好消息，它可以使用各種技術(shù)來克服運(yùn)輸問題的系統(tǒng)。TMS 幫助企業(yè)計(jì)劃、執(zhí)行和優(yōu)化貨物的物理移動(dòng)。由于數(shù)據(jù)可用性和遠(yuǎn)程監(jiān)控，TMS 確保及時(shí)交付貨物，從而提高客戶滿意度。這通過增加銷售額使企業(yè)受益。TMS 通過使用適當(dāng)?shù)墓ぞ撸ɡ缏肪€優(yōu)化）來提高車隊(duì)績效并減少供應(yīng)鏈支出。由于數(shù)據(jù)是遠(yuǎn)程收集并受到嚴(yán)密監(jiān)控，因此記錄了對(duì)交付、結(jié)果和回報(bào)的端到端理解，從而提高了透明度。TMS使用技術(shù)來規(guī)劃、執(zhí)行和優(yōu)化貨物運(yùn)輸，以幫助企業(yè)蓬勃發(fā)展。這些應(yīng)用程序被制造商、分銷商、零售企業(yè)和從事物流業(yè)務(wù)的公司使用。

TMS 的主要功能包括路線確定、出站/入站物流流程、路線調(diào)度、第三方物流供應(yīng)商服務(wù)、貨運(yùn)代理、服務(wù)代理、運(yùn)輸跟蹤和路線調(diào)度和運(yùn)輸計(jì)劃的批量處理（圖1）?？梢钥闯觯cTMS相關(guān)的功能與貨物運(yùn)輸有關(guān)。TMS 將多個(gè)運(yùn)輸應(yīng)用程序集成到一個(gè)包中，以便更好地使用。

使用 AI 和機(jī)器學(xué)習(xí)使 TMS 變得更加智能，以提供準(zhǔn)確的預(yù)測。目前正在使用的一些技術(shù)包括：物聯(lián)網(wǎng)(IoT) 設(shè)備和傳感器、數(shù)字助理、交貨時(shí)間預(yù)測解決方案、運(yùn)輸規(guī)劃解決方案、區(qū)塊鏈等。智能交通系統(tǒng)(ITS)是從TMS發(fā)展而來的。一個(gè)能夠根據(jù)給定的場景，使用安裝在車輛上的設(shè)備生成的數(shù)據(jù)做出適當(dāng)決定的系統(tǒng)被稱為智能運(yùn)輸系統(tǒng)(ITS)。過去的研究表明，對(duì)ITS的綜合方法包括運(yùn)輸基礎(chǔ)設(shè)施和運(yùn)輸管理。ITS作為一種新型的TMS，已逐漸被自動(dòng)化控制系統(tǒng)所取代。它們已經(jīng)發(fā)展成為對(duì)危險(xiǎn)情況的預(yù)測，并有可能利用大量復(fù)雜的數(shù)據(jù)作為決策工具。ITS還通過在動(dòng)態(tài)環(huán)境下的自動(dòng)數(shù)據(jù)收集影響了運(yùn)輸系統(tǒng)的高效運(yùn)行[29]。

典型的 ITS 需要來自各種設(shè)備和傳感器的輸入數(shù)據(jù)。這些數(shù)據(jù)被遠(yuǎn)程監(jiān)控和處理。從處理過的數(shù)據(jù)中得出的洞察力被認(rèn)為是政府和企業(yè)做出決策的寶貴輸入。這種系統(tǒng)方法通過反饋機(jī)制確保性能的持續(xù)改進(jìn)。輸入數(shù)據(jù)來自安裝在交通管理基礎(chǔ)設(shè)施、車輛和道路基礎(chǔ)設(shè)施中的各種設(shè)備。管理部門監(jiān)控?cái)?shù)據(jù)并確保及時(shí)將數(shù)據(jù)傳播給通勤者、司機(jī)和行人，從而使利益相關(guān)者受益。

智能交通系統(tǒng)由公共交通、交通信息、停車管理、交通管理與控制、安全管理與應(yīng)急、路面管理（圖2）。這是智慧城市特有的（Agarwalet al., 2015）[ 3 ]。為了通過ITS建設(shè)有效的智慧城市，將系統(tǒng)能力構(gòu)建到城市的各種運(yùn)營活動(dòng)中是很重要的。如圖2所示，城市中的一些活動(dòng)包括公共交通、交通管理、停車管理、路面管理和安全管理。通過ITS，通勤者、行人、交通和整個(gè)社會(huì)都受益。

圖2 開發(fā)智能交通系統(tǒng)的各種子系統(tǒng)（來源：Agarwal 等，2015）

Hamida 等人在 2015 年進(jìn)行的研究[ 5 ] 將智能交通系統(tǒng)的各種應(yīng)用分為四個(gè)主要類別，如圖 3 所示。

1. 信息娛樂和舒適度；

2. 交通管理；

3. 道路交通安全，和

4. 自動(dòng)駕駛。

• 
  

圖3 ITS應(yīng)用的分類（來源：Hamida 等，201[ 5 ]5）

這些應(yīng)用程序從車輛收集數(shù)據(jù)以提高其效用，從而確保駕駛員安全并增強(qiáng)公共交通設(shè)施。ITS 應(yīng)用程序是數(shù)據(jù)的生成器，這些數(shù)據(jù)反過來又有助于管理部門的決策過程，以更好地管理公共場所。其中一些應(yīng)用與乘客舒適度、改善駕駛員體驗(yàn)和高效道路管理有關(guān)。公共交通系統(tǒng)的最終受益者是道路使用者?？沙掷m(xù)公共交通系統(tǒng)的智能交通系統(tǒng) (ITS) 框架考慮了 ICT 技術(shù)、自動(dòng)化交通系統(tǒng)、交通管理中心和先進(jìn)的旅客信息系統(tǒng)[ 60 ]。圖 4中給出的框架分為四個(gè)階段，從作為數(shù)據(jù)來源的道路使用者開始，通過 ITS 實(shí)現(xiàn)最終的經(jīng)濟(jì)增長。圍繞交通系統(tǒng)構(gòu)建的應(yīng)用程序需要牢記生成數(shù)據(jù)的受益者。一旦使用 ICT 構(gòu)建應(yīng)用程序，它們不僅可以提高流程效率，還有助于實(shí)現(xiàn)運(yùn)輸系統(tǒng)的可持續(xù)性，從而實(shí)現(xiàn)更好的經(jīng)濟(jì)增長。

圖 4 公共交通系統(tǒng)的ITS框架實(shí)施（來源：Abijede O [55]）

使用ITS構(gòu)建的一些應(yīng)用程序可確保交通管理、交通信號(hào)控制、車輛導(dǎo)航系統(tǒng)、智能停車管理等。ITS需要一個(gè)跨城市基礎(chǔ)設(shè)施共同運(yùn)作的技術(shù)網(wǎng)絡(luò)（Shaheen & Finson，2019 年）[ 56 ]。[29]討論的 ITS 問題分類包括性能監(jiān)控、交通管理、改進(jìn)的運(yùn)輸過程、對(duì)交通參與者的信息支持以及運(yùn)輸基礎(chǔ)設(shè)施管理。ITS 遵循系統(tǒng)方法，當(dāng)前的研究將 ITS 的各個(gè)子系統(tǒng)視為一個(gè)分類來探索人工智能解決方案的成效是合乎邏輯的?？紤]用于研究的子系統(tǒng)的圖解表示在圖 5 中給出。這些與交通系統(tǒng)相關(guān)的子系統(tǒng)（表 2）是從先前研究中描述的各種框架中得出的。分類是根據(jù)人工智能解決方案提供的成效進(jìn)行的，以構(gòu)建高效的 ITS。本研究中提出的這些子系統(tǒng)總結(jié)了 ITS 下的各種活動(dòng)。

圖5 智能交通系統(tǒng)

表2 ITS 的子系統(tǒng)。

圖 5中給出的每個(gè)子系統(tǒng)都根據(jù)運(yùn)輸問題的起源進(jìn)行分類，并以系統(tǒng)的方式組織。此外，還強(qiáng)調(diào)了采用技術(shù)解決這些問題所帶來的成效。本文研究了運(yùn)輸行業(yè)中成功采用人工智能并從中受益的組織。

4 . 討論

4.1 . 智能交通AI解決方案人工智能對(duì)運(yùn)輸業(yè)領(lǐng)域的貢獻(xiàn)是巨大而廣泛的。這些解決方案包括自動(dòng)駕駛汽車、交通管理、優(yōu)化路線和物流，從而為車輛和駕駛員提供安全保障。ITS是通過 AI 技術(shù)使用安裝在車輛上的設(shè)備生成的數(shù)據(jù)構(gòu)建的。目前的研究集中在與交通相關(guān)的四個(gè)子系統(tǒng)——即智能交通管理系統(tǒng)、智能公共交通系統(tǒng)、智能安全管理系統(tǒng)和智能制造與物流系統(tǒng)。表（表3 至 6）描述了AI的解決方案，相關(guān)問題的子系統(tǒng)，AI的作用和取得的成果的數(shù)據(jù)源。

表3 交通管理

表4 公共交通

表5 安全管理

表6 制造和物流

從表3中我們可以看出，人工智能為交通問題提供了解決方案，通過建議替代路線，在交通擁堵時(shí)實(shí)時(shí)跟蹤交通燈。這有助于有效地管理交通，最終遏制環(huán)境污染，建設(shè)可持續(xù)發(fā)展的城市。

從表4可以看出，人工智能在預(yù)測天氣和交通模式、道路管理、警報(bào)生成等方面為值班人員提供了解決方案。這些系統(tǒng)可以幫助司機(jī)、通勤者和行人在他們開始旅行之前。有技術(shù)的支持，建立一個(gè)有效的公共交通系統(tǒng)，有助于規(guī)劃和決策過程，這是很重要的。

從表5中可以看出，人工智能減少了道路事故的數(shù)量，根據(jù)路況預(yù)測事故，提醒司機(jī)注意道路安全等。當(dāng)運(yùn)輸行業(yè)效率高時(shí)，經(jīng)濟(jì)就會(huì)成功運(yùn)行。借助人工智能技術(shù)構(gòu)建安全的交通系統(tǒng)，具有重要意義。

從表6中我們可以看出，在汽車制造過程中，人工智能解決方案使汽車行業(yè)受益。傳感器、攝像頭和其他技術(shù)在這個(gè)行業(yè)發(fā)揮了作用，以獲得更好的效益。汽車內(nèi)置的一些人工智能解決方案已經(jīng)成為乘用車和商用車領(lǐng)域的重要組件。

4.2 . 人工智能在全球交通領(lǐng)域的成就從目前的討論中可以看出，人工智能解決交通相關(guān)問題的能力似乎是一種自然的契合。然而，與其他所有行業(yè)的 AI 情況一樣，這些應(yīng)用程序的采用因組織和地域而異?；诃h(huán)境和地理因素，應(yīng)用程序可以是簡單的和復(fù)雜的，遙遠(yuǎn)的和即將到來的，確定的或可能的。4.2.1  跨組織的人工智能應(yīng)用表 7提供了人工智能在交通部門各個(gè)組織中的應(yīng)用。美國似乎是這些應(yīng)用的先行者。這可能是由于人口較少，道路基礎(chǔ)設(shè)施更好。具有創(chuàng)新精神的初創(chuàng)企業(yè)獲得了大量資金，用于在發(fā)達(dá)國家開發(fā)原型。相對(duì)于乘用車階段，大多數(shù)方案都是在長途駕駛階段進(jìn)行試驗(yàn)的。

表7 人工智能在全球交通領(lǐng)域的成就

4.2.2 . 運(yùn)輸公司采用人工智能 根據(jù)[28]人工智能可能通過提供個(gè)人運(yùn)動(dòng)、偏好和目標(biāo)的準(zhǔn)確預(yù)測行為模型，對(duì)城市基礎(chǔ)設(shè)施產(chǎn)生越來越大的積極影響。盡管人工智能在交通規(guī)劃應(yīng)用中的應(yīng)用在最近變得很重要，但與數(shù)據(jù)相關(guān)的個(gè)人隱私和安全仍然令人擔(dān)憂。由于這些道德考慮，政府和法律法規(guī)可能會(huì)決定該行業(yè)創(chuàng)新和采用的速度。在技術(shù)的許多方面缺乏道德共識(shí)的情況下，踏上AI旅程的各個(gè)組織必須考慮道德因素。盡管很少有組織使用機(jī)器來編寫代碼，但總的來說，人類仍在繼續(xù)編寫代碼。由于這個(gè)因素，偏見、假設(shè)、看法可能會(huì)進(jìn)入正在開發(fā)的算法中。組織必須自問：什么是合乎道德的 AI？治理和道德人工智能在哪里重疊？如何消除人工智能決策中的偏見？等[6]。由于這方面的原因，各個(gè)政府和城市公司對(duì)人工智能的采用存在差異。表 8給出了各種運(yùn)輸公司采用人工智能的情況及其好處。由于當(dāng)?shù)卣ㄒ?guī)的影響，各個(gè)城市的采用情況似乎有所不同。

表8 運(yùn)輸公司采用人工智能

5 . 結(jié)論

本文匯總了 AI 構(gòu)建ITS的能力和優(yōu)勢。該研究提出了一個(gè)包含 ITS 子系統(tǒng)的框架，這些子系統(tǒng)是根據(jù)其能力確定的。ITS 是識(shí)別運(yùn)輸行業(yè)潛在問題的重要工具之一，本研究為特定問題提出了解決方案。研究發(fā)現(xiàn)，機(jī)器學(xué)習(xí)算法主要用于預(yù)測交通擁堵和路線管理。一項(xiàng)針對(duì)采用人工智能克服交通問題的城市分析表明，大多數(shù)發(fā)達(dá)國家已經(jīng)迅速采用了這些系統(tǒng)。這種采用需要相關(guān)公司和領(lǐng)導(dǎo)層的支持，因?yàn)樗婕白罡吖芾韺拥耐顿Y和長期愿景。由于兩個(gè)原因，一些組織和政府仍對(duì)采用猶豫不決——要么擔(dān)心與人工智能采用相關(guān)的風(fēng)險(xiǎn)，要么在這些國家中采用技術(shù)能力較弱。據(jù)觀察，發(fā)達(dá)國家正在采用與運(yùn)輸管理相關(guān)的技術(shù)。為了構(gòu)建有效的 AI 應(yīng)用程序，我們需要大量數(shù)據(jù)作為輸入來處理文本、圖像、視頻和音頻，以便做出適當(dāng)?shù)臎Q定。該領(lǐng)域缺乏知識(shí)和人才仍然是推出適合該領(lǐng)域的更新解決方案的弱點(diǎn)。因此，人工智能在物流公司的應(yīng)用成本大約是營業(yè)額的3-10%，這給采用人工智能造成了障礙。

人工智能應(yīng)用引發(fā)了許多倫理、社會(huì)、經(jīng)濟(jì)和法律問題。數(shù)據(jù)驅(qū)動(dòng)的基于人工智能的應(yīng)用程序存在網(wǎng)絡(luò)安全和數(shù)據(jù)隱私問題，尤其是在自動(dòng)駕駛汽車中。當(dāng)面對(duì)生命對(duì)生命的情況時(shí)，了解全自動(dòng)車輛中的人工智能算法與人類相比如何做出決策至關(guān)重要。Eurobarometer對(duì)自動(dòng)駕駛系統(tǒng)進(jìn)行的一項(xiàng)調(diào)查發(fā)現(xiàn)受訪者對(duì)自動(dòng)駕駛汽車運(yùn)輸貨物感到非常滿意，而不是乘坐此類車輛本身（Niestadt、Debyser、Scordamaglia 和 Pape，運(yùn)輸中的人工智能，2019 年）。缺乏明確的政策、對(duì)采用新技術(shù)的抵制、缺乏道德法規(guī)的建立，使得人工智能解決方案對(duì)許多組織來說難以捉摸。總的來說，人工智能能夠?yàn)槿祟愄峁└玫穆眯畜w驗(yàn)。進(jìn)一步研究的范圍由于本研究的概念性質(zhì)，它可能缺乏在不同場景中的應(yīng)用的普遍性。未來可以根據(jù)從運(yùn)輸行業(yè)的利益相關(guān)者那里收集的原始數(shù)據(jù)進(jìn)行影響研究。一些研究問題可能是：行為研究——乘客對(duì)乘坐自動(dòng)駕駛汽車的偏好與人類駕駛汽車相比，自運(yùn)輸行業(yè)采用人工智能以來，事故數(shù)量是否減少了？人工智能在運(yùn)輸行業(yè)的實(shí)施是否為企業(yè)帶來了更好的投資回報(bào)率？人工智能是否確保提高運(yùn)輸行業(yè)的效率？政府監(jiān)管機(jī)構(gòu)在運(yùn)輸行業(yè)部署各種人工智能解決方案的作用和意義是什么？

參考文獻(xiàn)

[1]

R. Abduljabbar, H. Dia, S. Liyanage, S.A. BagloeeApplications of Artificial intelligence in transport: an overview

Sustainability, 11 (189) (2019), 10.3390/su11010189

Google Scholar

[2]

M.N. Ahangar, Q.Z. Ahmed, F.A. Khan, M. HafeezA Survey of autonomous vehicles: enabling communication technologies and challenges

Sensors, 21 (2021), p. 706, 10.3390/s21030706

Download PDFCrossRefGoogle Scholar

[3]

P.K. Agarwal*, J. Gurjar, A. Agarwal, R. BirlaApplication of Artificial intelligence for development of intelligent transport system in smart cities

Int. J. Transp. Eng. Traffic Syst., 1 (2015), pp. 20-30View Record in ScopusGoogle Scholar

[5]

H.E. B, N. H, Z. WSecurity of cooperative intelligent transport systems: standards, threats analysis and cryptographic countermeasures

Electronics (2015), pp. 380-423

Google Scholar

[6]Briggs, B., Henry, N., & Main, A. (2019). AI fueled organizations. Deloitte Consulting LLP. Retrieved October 31, 2019.

Google Scholar

[7]

B. Burmeister, A. Haddadi, G. MatlysisApplication of multi-agent systems in traffic and transportation

IEE Proc. Softw., 144 (1) (1997), pp. 51-60, 10.1049/ip-sen:19971023

View Record in ScopusGoogle Scholar

[8]

L. Chatterjee, C.m. TsaiTransportation Logistics in Global Value Supply Chains

Boston University. Center for Transporation Studies (2002)

Retrieved October 12, 2019

Google Scholar

[9]

C. Cheung, Y.L. Chan, K.S. Kwok, W.B. Lee, W.M WangA knowledge-based service automation system for service logistics

J. Manuf. Technol. Manag., 17 (6) (2006), pp. 750-771, 10.1108/17410380610678783CrossRefView Record in ScopusGoogle Scholar

[10]

M. Chowdhury, A.W. SadekAdvantages and limitations of artificial intelligence

Artificial Intelligence Applications to Critical Transportation Areas, 6-10, Transportation Research Board, Washington, United States (2012)

Retrieved October 24, 2019

Google Scholar

[11]

M. Chowdury, A. Sadek, Y. Ma, N. Kanhere, P. BhavsarApplications of Artificial intelligence paradigms to decision support in real-time traffic management

Transp. Res. Record J. Transp. Res. Board, 1968 (1) (2006), 10.1177/0361198106196800111

Google Scholar

[12]

R. Coppola, M. MorisioConnected car: technologies, issues and future trends

ACM Comput. Surv., 49 (3) (2016), 10.1145/2971482

Google Scholar

[13]

J.A. Cortes, M.A. Serna, R.A. GomezInformation systems applied to intelligent transport improvement

Dyna, 180 (2013), pp. 77-86

Retrieved June 7, 2021View Record in ScopusGoogle Scholar

[14]

C.Y. David Yang, DL. FisherSafety impacts and benefits of connected and automated vehicles: how real are they?

J. Intell. Transp. Syst., 25 (2) (2021), pp. 135-138, 10.1080/15472450.2021.1872143

Google Scholar

[15]

C. DiricanThe impacts of robotics, Artificial intelligence on business and economics

Proc. Soc. Behav. Sci., 195 (2015), pp. 564-573

doi:10.1016/j.sbspro.2015.06.134

ArticleDownload PDFView Record in ScopusGoogle Scholar

[16]emerj. (2019). https://emerj.com/ai-sector-overviews/ai-in-transportation-current-and-future-business-use-applications/. Retrieved October 20, 2019, from https://emerj.com/.

Google Scholar

[17]

F. Lindow, C. Kaiser, A. Kashevnik, A. StockerAI-based driving data analysis for behavior recognition in vehicle cabin

Proceedings of the 2020 27th Conference of Open Innovations Association (FRUCT) (2020), pp. 116-125, 10.23919/FRUCT49677.2020.9211020

CrossRefView Record in ScopusGoogle Scholar

[18]

D.J. Fagnanat, K. KockelmanPreparing a nation for autonomous vehicles: opportunities, barriers and policy recommendations

Transp. Res. Part A Policy Pract., 77 (2015), pp. 167-181

Retrieved November 28 2019

Google Scholar

[19]

B. Fildes, M. Keall, N. Bos, A. Lie, Y. Page, C. Pastor, C. TingvallEffectiveness of low speed autonomous emergency braking in real-world rear-end crashes

Accid. Anal. Prev., 81 (2015), pp. 24-29

Retrieved November 20, 2019

ArticleDownload PDFView Record in ScopusGoogle Scholar

[20]Gershgorn, D. (2018). Forget the space race, the AI race is just beginning. Quartz. World Economic Forum. Retrieved October 19, 2019.

Google Scholar

[21]

H. Anandakumar, R. Arulmurugan, A. RoshiniIntelligent vehicle system problems and future impacts for transport guidelines

Proceedings of the 2019 International Conference on Smart Systems and Inventive Technology (ICSSIT) (2019), pp. 1-5, 10.1109/ICSSIT46314.2019.8987831CrossRefGoogle Scholar

[22]

J.Z. Hernandez, S. Ossowski, A. Garcia-SerranoMultiagent architectures for intelligent traffic management systems

Transp. Res. Part C Emerg. Technol., 10 (5-6) (2002), pp. 473-506, 10.1016/S0968-090X(02)00032-3

ArticleDownload PDFView Record in ScopusGoogle Scholar

[23]

C. Herweijer8 ways AI can Help Save the Planet

January 24

World Economic Forum (2018)

Retrieved October 15, 2019

Google Scholar

[24]

G. Ho, C. MorletArtificial Intelligence in mass Public Transport. Centre for Transport Excellence

Land Transport Authority, Singapore: UITP. (2018)

Retrieved October 20, 2019

Google Scholar

[25]

J. Guerrero-Ibá?ez, S. Zeadally, J. Contreras-CastilloSensor technologies for intelligent transportation systems

Sensors, 18 (4) (2018), p. 1212, 10.3390/s18041212

Download PDFCrossRefView Record in ScopusGoogle Scholar

[26]

P. JuchaUse of Artificial intelligence in last mile delivery

Proceedings of the SHS Web of Conferences, Zilina, Globalization and its Socio-Economic Consequences 2020 (2021), pp. 1-9

Retrieved July 9, 2021View Record in ScopusGoogle Scholar

[27]

A. Karageorgos, N. Mehandjiev, G. Weichhart, A. H?mmerleAgent-based optimisation of logistics and production planning

Eng. Appl. Artif. Intell., 16 (4) (2003), pp. 335-348

Retrieved November 10, 2019

ArticleDownload PDFView Record in ScopusGoogle Scholar

[28]

M. Karlaftis, S.M. Easa, M.K. Jha, E.I. VlahoGianniDesign and construction of transportation infrastructure

Artificial Intelligence Applications to Critical Transportation Issues, Transportation Research Board, Washington, United States (2012), pp. 121-137

Retrieved October 21, 2019View Record in ScopusGoogle Scholar

[29]

O. KaternaIntelligent transport system: the problem of definition and formation of classification system

Econ. Anal., 29 (2) (2019), pp. 33-43

Download PDFCrossRefView Record in ScopusGoogle Scholar

[30]

Y. Kim, H. Oh, S. KangProof of concept of home IoT connected vehicles

Sensors, 17 (6) (2017), p. 1289, 10.3390/s17061289

Download PDFCrossRefView Record in ScopusGoogle Scholar

[31]

K. KosmaThe impact of artificial intelligence and space transporation on security

Biztonságpolitika, 11 (1) (2018), pp. 99-107

Retrieved October 19, 2019View Record in ScopusGoogle Scholar

[32]Krasadakis, G. (2018, January 24). https://medium.com/ideachain/artificial-intelligence-transportation-ea39d652618f. Retrieved October 31, 2019, from https://medium.com/.

Google Scholar

[33]Krma, E.V. (2009). Business intelligence in transporation logistics. Transport 2009. Sofia. Retrieved October 19, 2019.

Google Scholar

[34]

C. Lee, W. Ho, G. Ho, H. LauDesign and development of logistics workflow systems for demand management with RFID

Expert Syst. Appl., 38 (5) (2011), pp. 5428-5437, 10.1016/j.eswa.2010.10.012

ArticleDownload PDFView Record in ScopusGoogle Scholar

[35]

B.H. Li, B.C. Hou, W.T. YuApplications of Artificial intelligence in intelligent manufacturing: a review

Front. Inf. Technol. Electr. Eng., 18 (1) (2017), pp. 86-96, 10.1631/FITEE.1601885

Download PDFView Record in ScopusGoogle Scholar

[36]

T. LitmanAutonomous Vehicle Implementation Predictions

Victoria Transport Policy Institute, Victoria (2021)

Retrieved July 10, 2021

Google Scholar

[37]

H.B. Ly, L.M. Le, L.V. Phi, V.H. Phan, V.Q. Tran, B.T. Pham, T.T. Le, S. DerribleDevelopment of an AI model to measure traffic air pollution from multisensor and weather data

Sensors, 19 (22) (2019), p. 4941, 10.3390/s19224941

Download PDFCrossRefView Record in ScopusGoogle Scholar

[38]

M. Akhtar, S. MoridpourA review of traffic congestion prediction using artificial intelligence

J. Adv. Transp., 2021 (2021), p. 18, 10.1155/2021/8878011

Article ID 8878011pages

Google Scholar

[39]

E. Mangina, P.I. VlachosThe changing role of information technology in food and beverage logistics management: beverage network optimization using intelligent agent technology

J. Food Eng., 70 (3) (2005), pp. 403-420, 10.1016/j.jfoodeng.2004.02.044

ArticleDownload PDFView Record in ScopusGoogle Scholar

[40]

M. Guériau, R. Billot, N-EEl Faouzi, J. Monteil, F. Armetta, S. HassasHow to assess the benefits of connected vehicles? A simulation framework for the design of cooperative traffic management strategies

Transp. Res. Part C Emerg. Technol., 67 (2016), pp. 266-279, 10.1016/j.trc.2016.01.020

ISSN 0968-090X

ArticleDownload PDFView Record in ScopusGoogle Scholar

[41]Mire, S. (2019, September 30). https://www.disruptordaily.com/future-of-ai-transportation/. Retrieved October 19, 2019, from https://www.disruptordaily.com/.

Google Scholar

[42]

B.D. Muynck, B. Johns, O.S. DuranMagic Quadrant for Transportation Management Systems

Gartner (2019)

Retrieved June 7, 2021, from

https://www.gartner.com/doc/reprints?id=1-6FPGZY0&ct=190327&st=sb

Google Scholar

[43]Niestadt, M., Debyser, A., Scordamaglia, D., & Pape, M. (2019). Artificial intelligence in transport. European Parliamentary Research Service. European Parliament. Retrieved October 31, 2019.

Google Scholar

[44]

O.I. Olayode, L.K. Tartibu, M.O. OkwuApplication of artificial intelligence in traffic control system of non-autonomous vehicles at signalized road intersection

Proc. CIRP, 91 (2020), pp. 194-200, 10.1016/j.procir.2020.02.167

ISSN 2212-8271

ArticleDownload PDFView Record in ScopusGoogle Scholar

[45]

V. Ozdemir, N. HekimBirth of industry 5.0: making sense of big data with artificial intelligence, “The internet of things” and next-generation technology policy

OMICS A J. Integr. Biol., 22 (1) (2018), 10.1089/omi.2017.0194

Google Scholar

[46]

S.J. Park, S. Hong, D. Kim, I. Hussain, Y. SeoIntelligent in-car health monitoring system for elderly drivers in connected car: Volume VI: transport ergonomics and human factors (TEHF), aerospace human factors and ergonomics

Int. Ergon. Assoc., 20 (2019), pp. 40-44

Daejeon. Retrieved July 10, 2021CrossRefView Record in ScopusGoogle Scholar

[47]

I. PoolaHow Artificial intelligence is impacting real life every day

Int. J. Adv. Res. Dev., 2 (10) (2017), pp. 96-100

Retrieved October 12, 2019

Google Scholar

[48]

pwcArtificial Intelligence in India - Hype or Reality Impact of Artificial Intelligence across Industries and user Groups

PWC (2018)

Retrieved October 18, 2019

Google Scholar

[49]

Q. Li, H. Cheng, Y. Zhou, G. HuoRoad vehicle monitoring system based on intelligent visual internet of things

J. Sens., 2015 (2015), p. 16, 10.1155/2015/720308

Article ID 720308pages, 2015View Record in ScopusGoogle Scholar

[50]

S.G. RitchieA knowledge-based decision support architecture for advanced traffic management

Transp. Res. Part A Gen., 24 (1) (1990), pp. 27-37, 10.1016/0191-2607(90)90068-H

ArticleDownload PDFView Record in ScopusGoogle Scholar

[51]

D.A. RoozemondUsing autonomous intelligent agents for urban traffic control systems

Proceedings of the 6th World Congress on Intelligent Transport Systems (1999)

Retrieved November 24, 2019

Google Scholar

[52]

N. RychtyckyjIntelligent systems for manufacturing at ford motor company

IEEE Intell. Syst., 22 (1) (2007), pp. 16-19, 10.1109/MIS.2007.13CrossRefView Record in ScopusGoogle Scholar

[53]

N. Rychtyckyj, D.F. Oleg GusikhinIntelligent systems in the automotive industry: applications and trends

Knowl. Inf. Syst., 12 (2) (2007), pp. 147-168, 10.1007/s10115-006-0063-1

Google Scholar

[54]

A.W. SadekArtificial intelligence applications in transportation

Artificial intelligence in Transportation Information for Application, Transportation Research Board, Washington, United States (2007), pp. 1-6

Retrieved October 20, 2019View Record in ScopusGoogle Scholar

[55]

O.S. Abejide, J.A. Adedeji, M. Mostafa HassanIntelligent transportation system as an effective remedy to improve the public transportation in South Africa. Pretoria

Proceedings of the 37th Annual Southern African Transport Conference (2018)

Google Scholar

[56]

S.A. Shaheen, R. FinsonIntelligent transportation systems

Reference Module in Earth Systems and Environmental Sciences, Elsevier (2013), 10.1016/B978-0-12-409548-9.01108-8

11-Sep-13(7) (PDF) Intelligent Transportation Systems

Google Scholar

[57]siemens. (2019, September). https://new.siemens.com/global/en/products/mobility/road-solutions/digital-lab.html. Retrieved October 20, 2019, from https://new.siemens.com/.

Google Scholar

[58]

B. Standard5 ways NITI Aayog is using AI to change India

March 20

Business Standard, India (2018)

Google Scholar

[59]

D. Sustekova, Knutelska Dr.How is the Artificial intelligence used in applications for traffic management

Scientific Proceedings of the XXIII International Scientific Technical Conference "trans & MOTAUTO 15", Zilina (2015), pp. 91-94

3Retrieved October 19, 2019View Record in ScopusGoogle Scholar

[60]

telegraSmart Traffic Management. Complete AI Based Traffic Management System

Zagreb, Croatia (2019)

Retrieved October 20, 2019

Google Scholar

[61]Transportation, U. D. (2019, September 23). https://www.transportation.gov/AI. Retrieved October 20, 2019, from https://www.transportation.gov.

Google Scholar

[62]

Y.Y. Tseng, W.L. Yue, M.A. TaylorThe role of transportation in logistics Chain

Proc. East. Asia Soc. Transp. Stud., 5 (2005), pp. 1657-1672

Adelaide. Retrieved October 21, 2019View Record in ScopusGoogle Scholar

[63]

K. WitkowskiInternet of things, big data, industry 4.0 – innovative solutions in logistics and supply chains management

Proc. Eng. (2017), pp. 763-769, 10.1016/j.proeng.2017.03.197

ArticleDownload PDFView Record in ScopusGoogle Scholar

[64]

S.P. Wood, J. Chang, T. Healy, J. WoodThe potential regulatory challenges of increasingly autonomous motor vehicles

Santa Clara Law Rev., 52 (2012), pp. 1423-1502

Retrieved November 15, 2019View Record in ScopusGoogle Scholar

[65]

Z. Xu, J. He, Z. ChenDesign and actualization of IoT-based intelligent logistics system

Proceedings of the 2012 IEEE International Conference on Industrial Engineering and Engineering Management (2012), 10.1109/IEEM.2012.6838146

Google Scholar

[66]

D.J. Yeong, G. Velasco-Hernandez, J. Barry, J. WalshSensor and sensor fusion technology in autonomous vehicles: a review

Sensors, 21 (2021), p. 2140, 10.3390/s21062140

Download PDFCrossRefGoogle Scholar

[67]

S. Zia, M. Naseem, I. Mala, J.A. MughalSmart traffic light system by using Artificial intelligence

Sindh Univ. Res. J., 50 (2018), pp. 639-646

Retrieved July 9, 2021View Record in ScopusGoogle Scholar

[68]

B. ZutiA Policy Perspective on the Future of Mobility and Regional Competitiveness

University of Szeged., Szeged, Hungary (2019), pp. 138-154

Retrieved October 12, 2019View Record in ScopusGoogle Scholar