摘要

人工智能(AI)是指機器執行人類能夠輕松完成的感知、推理、學習和解決問題等認知功能的能力。過去20年以來，由于互聯網産生的海量數據的可用性，人工智能在全球範圍內獲得了關注。最近，使用高級算法處理這些數據給政府和企業帶來了巨大的好處。物聯網、機器人過程自動化、計算機視覺、自然語言處理等各種技術支持的機器學習算法的強勁增長，使人工智能的增長成爲可能。本文是將交通運輸業的各種問題分類爲智能交通系統的彙編。考慮的一些子系統與智能交通系統的交通管理、公共交通、安全管理、制造和物流相關，人工智能的好處被投入使用。這項研究涉及交通運輸業的特定領域，以及可能使用人工智能解決的相關問題。該方法涉及根據從各種來源獲得的國別數據進行二次研究。此外，全球各國都在討論解決交通行業問題的人工智能解決方案。

1 . 介紹

技術過去一直是企業的問題解決者。無論是零售、銀行、保險、醫療保健甚至體育。其中一些解決方案通過降低運營成本、提高效率和提高效率改變了企業的運營方式。即將成功實施最新技術的即將到來的領域之一是交通運輸行業，該行業受到與交通擁堵、意外延遲和路線問題相關的問題的困擾，這些問題導致經濟損失。

運輸業一直是不同地理區域人員和貨物流動的主要貢獻者。它在貨物從一個地方轉移到另一個地方的供應鏈管理系統中發揮著重要作用。該行業在將貨物在物流鏈中的精確時間移動到正確地點的過程中發揮著關鍵作用。爲了從商業投資中獲得全部收益，政府和組織使用了機器學習、人工智能、物聯網等技術。

1.1 . 人工智能（AI）

人工智能(AI)是計算機科學的一個廣泛領域，它使機器像人腦一樣運作。人工智能也被定義爲機器執行人類認知功能的能力。AI一詞最初是由計算機科學家John McCarthy在1956年創造的。由于通過各種設備生成的大量數據的可用性，以及高效硬件、軟件和網絡基礎設施的可用性，這個已有60年曆史的概念最近引起了熱議。人工智能的出現使流程自動化成爲可能，從而産生創新的業務解決方案[47]。AI提供可靠且具有成本效益的解決方案，同時解決決策過程中的不確定性。由于流程自動化，高級算法處理複雜數據的能力促進了企業更快的決策[10]。隨著人們對環境的日益關注，人工智能已成爲通過改造傳統行業和系統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可持續城市，從而有助于保護生物多樣性和人類福祉[23]。

美國和中國目前主導著人工智能世界。普華永道的一份報告估計，到2030年，人工智能將爲世界經濟貢獻15.7萬億美元。在美國，學術體系已經産生並孵化了與人工智能相關的研究；而在中國，政府提供資金和技術來利用人工智能的潛力。中國計劃到2030年至少投資70億美元。加拿大和英國通過宣布爲私人和公共人工智能企業提供資金的交易，加大了對技術的投資[20]。加拿大在2017年承諾爲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。該國計劃從私營公司提取數據以供公開研究。俄羅斯每年在人工智能上的花費估計爲1250 萬美元，主要用于軍事領域。

1.2 . 人工智能和交通

全球大多數大城市都面臨與運輸、交通和物流相關的問題。這是由于人口的快速增長以及道路上車輛數量的增加。爲了有效地創建和管理可持續的交通系統，技術可以提供巨大的支持。隨著城市地區陷入交通擁堵的困境，人工智能解決方案出現在訪問車輛的實時信息以進行交通管理，並通過統一的系統在旅行計劃中按需利用移動性。基于人工智能的決策、交通管理、路徑規劃、交通網絡服務和其他移動優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]。人工智能被世界經濟論壇視爲新興技術之一。支持運輸的AI方法包括人工神經網絡(ANN)、遺傳算法(GA)、模擬退火(SA)、模糊邏輯模型(FLM)和蟻群優化器(ACO)。在交通管理中部署這些技術的目的是緩解擁堵，使通勤者的出行時間更加可靠，並提高整個系統的經濟性和生産力[1]。

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

1. 評估准確的預測和檢測模型，旨在預測交通量、交通狀況和事故；
2. 通過探索人工智能的各種應用，公共交通作爲一種可持續的出行方式；
3. 聯網車輛旨在通過減少高速公路上的事故數量來提高生産力[40]。

已經在全球範圍內進行了幾項研究，以解決與運輸行業有關的問題。在該行業人工智能技術支持下的研究成果爲這一重要的發展領域帶來了希望。

1.3 . 智能交通

近年來，隨著跨行業的多種技術設備的激增，産生了大量數據。這些數據在企業、政府和社會的決策過程中變得很有價值。交通運輸業是城市建設的生命線，在數據生成和使用方面不能落後。該部門在城市發展中發揮著重要作用，因爲它會影響人員、流程和利潤。爲了實現數據生成，汽車制造商一直積極主動地制造可以安裝在車輛上的設備，用于運送人和貨物。這些設備産生的數據由專家遠程監控。政府和企業能夠根據使用各種應用程序生成的數據進行實時決策。近年來，與交通和技術有關的各種創新應用正在建設中。應用程序開發人員關注的是一種面向流程的系統方法，該方法具有明確的目標，並嵌入了反饋機制，以衡量與運輸行業相關的解決方案的結果。

運輸管理系統(TMS)屬于運輸管理領域，具體涉及運輸業務。這些系統的目標是使用數據建立有效的路線規劃、負載優化、提高靈活性和透明度。根據 Gartner，該領域預計將快速增長[42]。城市的交通戰略與信息系統相關聯，以便更好地管理，該系統將專注于采集、處理、傳輸和管理由此産生的數據。在過去的幾十年裏，由于智能技術的出現，各種物流、路線、地圖和規劃的信息系統正在開發中。這些系統提供了更好的數據處理能力，以更好地規劃運輸過程，從而實現智能運輸系統(ITS)[13]。

從用戶和車輛生成的數據用于構建高效的ITS。由于跨車輛、城市基礎設施和其他相關活動的信息獲取、交換和集成，將ITS構建到交通系統中確保了性能的提高。據觀察，ITS 支持城市當局和車輛用戶的決策過程。

用戶和車輛産生的數據被用于構建高效的ITS。將ITS納入交通系統，通過車輛、城市基礎設施和其他相關活動的信息獲取、交換和集成，確保了性能的提高。據觀察，ITS支持城市管理單位和車輛用戶的決策過程。

本文的重點是智能交通系統，它是交通管理系統的一部分。采用基于桌面的方法來整理人工智能技術，以解決交通行業問題，構建可持續的交通系統。識別和討論了ITS各種子系統的好處以及對運輸行業産生積極影響的人工智能應用。數據來自研究論文、政府報告、期刊文章和咨詢機構的報告。早期研究中采用的一些框架被認爲是當前研究中確認子系統的基准。這項工作將幫助企業和政府采用這些技術，並根據給定的場景構建相關的解決方案。

2 . 文獻調查

人工智能已經對醫療保健、零售、銀行、保險、娛樂、制造和運輸等各個行業造成了重大沖擊。人工智能在交通運輸中的幾個用例已經過試驗和采用，證明了這個市場正在上升的事實。隨著與人工智能相關的技術進步，交通運輸業向在車輛上嵌入方便用戶使用的設備的方向發展。這導致了使用設備生成的數據建立ITS。

當前形式的人工智能能夠解決實時運輸中的問題，從而管理物流系統和貨運的設計、運營、時間表和管理。其他一些應用包括旅行需求分析、交通組織、行人和群體行爲分析。AI 技術允許將這些應用程序用于整個運輸管理——車輛、駕駛員、基礎設施以及這些組件動態提供運輸服務的方式[59]。在難以完全理解交通系統特征之間複雜關系的領域，人工智能方法提供了智能解決方案[1]。[31]的研究專注于兩個領域，即人工智能和交通。人工智能一方面帶來了巨大的機遇，另一方面也帶來了與安全相關的重大挑戰。從 2000 年代中期開始，用于商業目的的交通私有化帶來了新的研究機會和計劃，並在這些領域取得了相當大的進步。

國際公共交通協會 (UITP) 和陸地運輸管理局 (LTA) 聯合資助的一項名爲“公共交通中的人工智能”的研究項目是通過文獻回顧、定量調查、用例、專家博客和構思研討會進行的。該報告概述了人工智能應用 [ 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中的未來可能會怎樣。咨詢公司普華永道進行了一項全國性調查，以通過在線模式了解人工智能對金融服務、技術和制造等廣泛領域的決策者和雇員的影響。研究發現，青少年對交通相關技術的適應性更強[48]。

早期采用者和進步的公共交通利益相關者預計人工智能將進一步融入未來的移動性[24] 。人工智能能夠在不同程度上通過不同的方法、方法和技術發揮作用，表現出邏輯推理、解決問題和學習的能力。人工智能可以基于硬件（機器人）或軟件相關（谷歌地圖）。數據驅動的人工智能將機器學習技術與用于搜索和分析大量數據的技術相結合。人工智能有助于發現市場趨勢、識別風險、緩解交通擁堵、減少溫室氣體和空氣汙染物排放、設計和管理運輸、並分析出行需求和行人行爲（Niestadt、Debyser、Scordamaglia 和 Pape，交通人工智能，2019）[ 43]。數據和人工智能驅動的應用和服務是實現提供最佳移動性願景的主要基石。爲了在城市中建立有效和高效的移動生態系統，需要一種整體的移動管理方法。聯網車輛實時發送數據，從而産生大量數據。隨著運輸需求的不斷增加，通過設備的數據增長也在增長；因此，需要對道路交通進行更智能的管理[57]。

表 1給出了人工智能在交通應用中目前開始商業化或正在研究試驗中的一些關鍵功能。

表1 AI 功能和用例

人工智能功能	用例
非線性預測	交通需求建模
控制功能	信號控制，動態路線引導
模式識別	用于道路或橋梁交通數據收集和裂縫識別的自動事件檢測、圖像處理
聚類	根據行爲識別特定類別的駕駛員
規劃	基于人工智能的交通規劃決策支持系統
優化	設計最佳交通網絡，制定維護路面網絡的最佳工作計劃，制定一組交通信號的最佳配時計劃

改編自（Sadek，交通運輸中的人工智能應用，2007）[54]

[50]的研究重點是智能車輛道路系統的監測、控制和管理的先進系統。這裏討論的是複雜網絡中的非重複擁塞。該研究提出了一種基于人工智能的解決方案，在主幹道交通管理中采用多個實時知識相關專家系統。支持向量回歸(SVR)和基于案例推理(CBR)兩種人工智能範式被用于大規模網絡和複雜仿真模型的評估。[11]研究通過比較交通狀況的預測來評估兩種模型的結果。在這項研究中，一個基于代理(Agent)的控制系統監測交通、道路事故和其他運輸活動。文章[22]比較了部署在巴塞羅那附近的智能交通管理系統上的兩個集成自主代理，這些智能交通管理系統爲實時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。該研究提出的系統可以爲動態環境設計、實施、優化和調整協調UTC。該模型可應用于多個交通信令智能交叉口。這些代理能夠響應實時交通狀況，並保持其穩定性和完整性。

與自動駕駛汽車 (AV) 相關的技術有可能影響車輛安全和出行行爲。它們確保減少旅行時間並提高燃油效率。目前，這些技術已經成爲顛覆性的，爲交通系統帶來了巨大的好處。然而，與更大群體的采用和高昂的采用成本相關的挑戰仍然存在。政府在責任、安全和數據隱私方面的法規不確定，導致自動駕駛汽車的市場滲透率較低。對低速自動緊急制動系統有效性評估的研究發現，采用該技術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、汙染和對流動性的需求增加。解決所有這些挑戰的潛在解決方案之一可能是自動駕駛汽車[36]。這些車輛通過傳感器技術 [ 25 ] 和連接解決方案[68]從其物理和數字環境中收集數據。

聯網汽車能夠通過智能設備訪問互聯網，也能夠與其他汽車和基礎設施進行通信。他們從多個來源獲取實時數據，支持司機在駕駛過程中強大的壓力下進行操作。這些汽車確保了安全性和可靠性[12] 。模式識別與圖像處理一起用于自動事件檢測和識別路面或橋梁結構中的裂縫。聚類技術用于根據駕駛員行爲識別特定類別的駕駛員（Sadek，交通運輸中的人工智能應用，2007）[ 54 ]。

文章[35]提出了使用技術制造車輛的新模型、方法和形式。這導致了在汽車制造中采用技術來構建智能汽車。該研究討論了人工智能技術對一個國家的各種業務和經濟的影響程度[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，爲組織提供競爭優勢。該研究側重于制造智能系統的流程規劃和部署（Rychtyckyj，福特汽車公司的智能制造系統，2007 年）[ 52 ]。研究[64]提到用于自動駕駛汽車的技術的最初演示可以追溯到1939 年。Google公司開發的大多數自動駕駛汽車都依賴于自己開發的攝像機、雷達傳感器、激光測距儀和地圖。自動駕駛汽車不僅會影響單個公司的運作，還會影響國家和世界經濟[63]。

由于與不同利益相關者的網絡能力，制造業和物流産生了大量的數據。由于運輸業在物流中扮演著重要的角色，因此只有通過各種操作技術的應用來使用生成的數據才是合適的。通過模擬[39]的過程，提出了基于Agent的供應鏈優化方法。[45]這項研究思考了一個事實，即帶有人工智能的無人駕駛汽車是否會對人類産生負面影響。極端的自動化可能會導致機器出現漏洞。這些綜合智能系統容易受到網絡崩潰或外部機構黑客攻擊等系統性風險的影響。該研究提出了“産業5.0”，它可以使大數據中的知識協同生産大衆化。

研究文章[62]認爲運輸系統是物流鏈中的關鍵要素，因爲它提供了分離的物流活動之間的聯系。物流的改善對整體業務的貢獻是由于技術的影響。該研究旨在幫助物流管理人員、研究人員和運輸規劃人員定義和理解物流的基本觀點及其各種應用以及物流與運輸之間的關系。物流不僅限于貨物跨空間移動以及減少供應鏈中的時間和成本。它的範圍擴大了，也成爲戰略管理的一部分。因此，將核心業務信息系統與一套現代分析和人工智能工具相結合，從各個來源發現相關知識是非常重要的。這有助于管理不確定性和獲得競爭優勢[33]。

研究[9]結合各種人工智能技術實現四個視角，即——知識獲取、服務物流、服務自動化和績效衡量。交通在構建響應式物流信息系統方面發揮著更大的作用；因此，機器學習概念支持識別需求模式和相應的補貨策略[34]。該研究標志著當前物流場景過程的系統發展[65]。我們可以看到，智能系統在以交通運輸業爲支柱的物流業中發揮著越來越大的作用。運輸功能發生了結構性變化，影響了運輸物流的演進[8]。一方面，由于采用了人工智能，道路上的事故和死亡人數可能會大幅減少;另一方面，我們可以預料到技術性失業[32]。

通過對解決交通問題的應用的詳細背景研究，可以明顯地看出，人工智能在利用數據構建高效的交通系統方面發揮著重要作用。目前的研究試圖代表人工智能的各種概念和應用的發展，ITS作爲TMS的一部分。在各種可用的應用中，研究的範圍縮小到智能交通管理系統、智能公共交通系統、智能安全管理系統和智能制造與物流系統，以構建可持續的交通系統[53]。在這些系統中，AI的作用和相應的成效將在第3節中討論。此外，第4節討論了世界各國交通運輸業相關問題的人工智能解決方案。結論部分整理了通過人工智能實施交通運輸業面臨的各種挑戰和建議。

3 . 框架

從早期的研究中可以看出，人工智能在構建智能交通系統時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輸行業的ITS應用。

作爲經濟生命線的運輸業似乎正在努力解決全球範圍內的各種運營問題。與運輸業相關的問題導致一個城市乃至一個國家的進步放緩。TMS 是一個好消息，它可以使用各種技術來克服運輸問題的系統。TMS 幫助企業計劃、執行和優化貨物的物理移動。由于數據可用性和遠程監控，TMS 確保及時交付貨物，從而提高客戶滿意度。這通過增加銷售額使企業受益。TMS 通過使用適當的工具（例如路線優化）來提高車隊績效並減少供應鏈支出。由于數據是遠程收集並受到嚴密監控，因此記錄了對交付、結果和回報的端到端理解，從而提高了透明度。TMS使用技術來規劃、執行和優化貨物運輸，以幫助企業蓬勃發展。這些應用程序被制造商、分銷商、零售企業和從事物流業務的公司使用。

TMS 的主要功能包括路線確定、出站/入站物流流程、路線調度、第三方物流供應商服務、貨運代理、服務代理、運輸跟蹤和路線調度和運輸計劃的批量處理（圖1）。可以看出，與TMS相關的功能與貨物運輸有關。TMS 將多個運輸應用程序集成到一個包中，以便更好地使用。

圖1 TMS 的功能（來源：ValuecConsulting，2013）

使用 AI 和機器學習使 TMS 變得更加智能，以提供准確的預測。目前正在使用的一些技術包括：物聯網(IoT) 設備和傳感器、數字助理、交貨時間預測解決方案、運輸規劃解決方案、區塊鏈等。智能交通系統(ITS)是從TMS發展而來的。一個能夠根據給定的場景，使用安裝在車輛上的設備生成的數據做出適當決定的系統被稱爲智能運輸系統(ITS)。過去的研究表明，對ITS的綜合方法包括運輸基礎設施和運輸管理。ITS作爲一種新型的TMS，已逐漸被自動化控制系統所取代。它們已經發展成爲對危險情況的預測，並有可能利用大量複雜的數據作爲決策工具。ITS還通過在動態環境下的自動數據收集影響了運輸系統的高效運行[29]。

典型的 ITS 需要來自各種設備和傳感器的輸入數據。這些數據被遠程監控和處理。從處理過的數據中得出的洞察力被認爲是政府和企業做出決策的寶貴輸入。這種系統方法通過反饋機制確保性能的持續改進。輸入數據來自安裝在交通管理基礎設施、車輛和道路基礎設施中的各種設備。管理部門監控數據並確保及時將數據傳播給通勤者、司機和行人，從而使利益相關者受益。

智能交通系統由公共交通、交通信息、停車管理、交通管理與控制、安全管理與應急、路面管理（圖2）。這是智慧城市特有的（Agarwalet al., 2015）[ 3 ]。爲了通過ITS建設有效的智慧城市，將系統能力構建到城市的各種運營活動中是很重要的。如圖2所示，城市中的一些活動包括公共交通、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、交通和整個社會都受益。

圖2 開發智能交通系統的各種子系統（來源：Agarwal 等，2015）

Hamida 等人在 2015 年進行的研究[ 5 ] 將智能交通系統的各種應用分爲四個主要類別，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. 自動駕駛。

圖3 ITS應用的分類（來源：Hamida 等，201[ 5 ]5）

這些應用程序從車輛收集數據以提高其效用，從而確保駕駛員安全並增強公共交通設施。ITS 應用程序是數據的生成器，這些數據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。其中一些應用與乘客舒適度、改善駕駛員體驗和高效道路管理有關。公共交通系統的最終受益者是道路使用者。可持續公共交通系統的智能交通系統 (ITS) 框架考慮了 ICT 技術、自動化交通系統、交通管理中心和先進的旅客信息系統[ 60 ]。圖 4中給出的框架分爲四個階段，從作爲數據來源的道路使用者開始，通過 ITS 實現最終的經濟增長。圍繞交通系統構建的應用程序需要牢記生成數據的受益者。一旦使用 ICT 構建應用程序，它們不僅可以提高流程效率，還有助于實現運輸系統的可持續性，從而實現更好的經濟增長。

圖 4 公共交通系統的ITS框架實施（來源：Abijede O [55]）

使用ITS構建的一些應用程序可確保交通管理、交通信號控制、車輛導航系統、智能停車管理等。ITS需要一個跨城市基礎設施共同運作的技術網絡（Shaheen & Finson，2019 年）[ 56 ]。[29]討論的 ITS 問題分類包括性能監控、交通管理、改進的運輸過程、對交通參與者的信息支持以及運輸基礎設施管理。ITS 遵循系統方法，當前的研究將 ITS 的各個子系統視爲一個分類來探索人工智能解決方案的成效是合乎邏輯的。考慮用于研究的子系統的圖解表示在圖 5 中給出。這些與交通系統相關的子系統（表 2）是從先前研究中描述的各種框架中得出的。分類是根據人工智能解決方案提供的成效進行的，以構建高效的 ITS。本研究中提出的這些子系統總結了 ITS 下的各種活動。

圖5 智能交通系統

表2 ITS 的子系統。

ITS的子系統	描述
智能交通管理系統	實時道路管理以避免擁堵
智能公共交通系統	沿不同路線通過道路運送乘客
智能安全管理系統	確保道路上的乘客、車輛和貨物的安全
智能制造與物流系統	在汽車制造和貨物運輸中引入技術

圖 5中給出的每個子系統都根據運輸問題的起源進行分類，並以系統的方式組織。此外，還強調了采用技術解決這些問題所帶來的成效。本文研究了運輸行業中成功采用人工智能並從中受益的組織。

4 . 討論

4.1 . 智能交通AI解決方案人工智能對運輸業領域的貢獻是巨大而廣泛的。這些解決方案包括自動駕駛汽車、交通管理、優化路線和物流，從而爲車輛和駕駛員提供安全保障。ITS是通過 AI 技術使用安裝在車輛上的設備生成的數據構建的。目前的研究集中在與交通相關的四個子系統——即智能交通管理系統、智能公共交通系統、智能安全管理系統和智能制造與物流系統。表（表3 至 6）描述了AI的解決方案，相關問題的子系統，AI的作用和取得的成果的數據源。

表3 交通管理

數據來源	問題	人工智能的作用	益處	之前的研究
配備智能系統的車輛	交通擁堵導致成本增加	機器學習工具來預測交通擁堵	更好的節油能力和更少的環境汙染	通過評估使用 ML 模型實現的交通參數進行短期交通擁堵預測 (Akhtar, Moridpour, 2021)[ 38 ]
來自智能手機的數據	路徑規劃	替代路線建議	節省時間	通過智能手機生成的數據的駕駛員行爲監控系統使用 ML 技術[17]
智能交通系統	不可預測的交通擁堵	空氣中汙染物質的鑒別	遏制環境汙染	使用模糊邏輯結合多個空氣質量指標以及模擬退火和粒子群優化技術來識別空氣汙染（Ly H. B，2019）[ 37 ]
交通燈和車輛	高峰時段交通管理	實時跟蹤交通信號燈中的擁堵和算法	控制較高和較低的流量模式	在部署 AI 解決方案進行分析之前，觀察從交通燈收集的實時信息以獲得最佳的綠-紅分布[67]
來自車輛的數據	增加道路上的車輛數量	模式識別	更好的觀察和決策	人工智能技術的穩定性，特別是 ANN 被部署來預測異構交通條件下的交通擁堵（Olayode，2020）[ 44 ]

表4 公共交通

數據來源	問題	人工智能的作用	益處	之前的研究
路網結構、路面、天氣和交通模式	數據的可變性	通過機器學習算法預測模式的變化	規劃和決策	使用交通量、密度、占用率、旅行時間、擁堵指數進行的短期交通擁堵預測 (Akhtar M, Moridpour S, 2021)
來自司機和乘客的實時數據	交通擁堵	路線優化	縮短旅行時間
用于貨物交付的 AI車輛	交貨時間、地點的變化	改善駕駛模式的建議	提高生産力和進一步銷售	使用車輛路線優化將預測智能應用于道路運輸[26]
來自智能道路的傳感器	路面磨損	自動向管理機構發出警報	道路管理	通過將傳感器技術與確保車輛和乘客安全的交通基礎設施相結合，實現可持續的 ITS（Ibanez 等人，2018 年）

表5 安全管理

數據來源	問題	人工智能的作用	益處	之前的研究
來自智能汽車的傳感器	駕駛員的疲勞和疲倦	自動駕駛系統激活	避免事故	自動駕駛汽車中的多個集成傳感器決定了安全性和可行性（Yeong 等，2021）[ 66 ]
長途卡車	連續行駛時間和未知地形	司機健康監測	事故預測	駕駛員生理參數的實時測量被饋送到網絡雲中，並使用人工智能使用智能車載健康監測系統進行分析[46]
自動駕駛汽車	低性能和安全問題	盲點警報、自適應巡航控制、高級駕駛員輔助系統	節省司機的時間	自動駕駛汽車可確保減少駕駛員對安全策略的努力和投資（Littman. 2021）
實時數據傳輸	增加時間和成本	路線優化	預測車輛體積的預測技術	自動駕駛汽車實時准確地了解車輛位置和狀態，從而提高車輛的操控性和安全性[2]
通過傳感器進行監控	修理或加油	遠程控制管理	節省燃油，提高裏程	安裝在車輛上的智能視覺標簽提供移動支持和跟蹤機制（Li Q，2015）[ 49 ]

表6 制造和物流

數據來源	問題	人工智能的作用	益處	之前的研究
智能汽車	需要維護	結合來自物聯網傳感器的數據、維護日志——創建預測模型	更好的預測和機器故障	通過自動駕駛汽車降低成本並改善低級人群的可及性（Anandakumar、Arulmurugan R、Roshini A（2019））[ 21 ]
聯網車輛	維修與保養	聯網車輛安排預測性和預防性維護	賦能車輛監控業務	如果聯網乘用車能夠以更好的用戶界面可靠地運行，則它們比手動駕駛的車輛更好（Y David, F Donald (2021)[ 14 ]）
配備技術的車輛	生産和運輸成本增加	跨車輛和路線共享數據	改善從采購到研發的整個供應鏈的成本節約	C-ITS – 合作 ITS 爲特定司機提供實時定制信息（Maxime G 等人，2016 年）
基于網絡的結構	由于手動數據輸入而産生大量發票	基于人工智能的系統可以輕松地從網絡中檢索數據	更快地處理賬單、發票	智能手機將家庭連接到車聯網車輛以執行重複性任務（Kim Y 等，2017）[ 30 ]
發票和文件	發票異常，合規性驗證	欺詐檢測的預測和處理	高精度
合同	提取非結構化數據	用于解釋發票的自然語言處理技術	提取關鍵信息

從表3中我們可以看出，人工智能爲交通問題提供了解決方案，通過建議替代路線，在交通擁堵時實時跟蹤交通燈。這有助于有效地管理交通，最終遏制環境汙染，建設可持續發展的城市。

從表4可以看出，人工智能在預測天氣和交通模式、道路管理、警報生成等方面爲值班人員提供了解決方案。這些系統可以幫助司機、通勤者和行人在他們開始旅行之前。有技術的支持，建立一個有效的公共交通系統，有助于規劃和決策過程，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量，根據路況預測事故，提醒司機注意道路安全等。當運輸行業效率高時，經濟就會成功運行。借助人工智能技術構建安全的交通系統，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受益。傳感器、攝像頭和其他技術在這個行業發揮了作用，以獲得更好的效益。汽車內置的一些人工智能解決方案已經成爲乘用車和商用車領域的重要組件。

4.2 . 人工智能在全球交通領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問題的能力似乎是一種自然的契合。然而，與其他所有行業的 AI 情況一樣，這些應用程序的采用因組織和地域而異。基于環境和地理因素，應用程序可以是簡單的和複雜的，遙遠的和即將到來的，確定的或可能的。4.2.1 跨組織的人工智能應用表 7提供了人工智能在交通部門各個組織中的應用。美國似乎是這些應用的先行者。這可能是由于人口較少，道路基礎設施更好。具有創新精神的初創企業獲得了大量資金，用于在發達國家開發原型。相對于乘用車階段，大多數方案都是在長途駕駛階段進行試驗的。

表7 人工智能在全球交通領域的成就

人工智能應用	組織	國家
自動駕駛的認知電動班車——Olli，將乘客運送到要求的位置，並提供當地觀光建議。Olli 由 IBM 的 Watson 汽車物聯網 (IoT) 提供支持	本地汽車	美國
Surtrac 系統安裝在由九個交通信號組成的網絡中，它通過將交通傳感器轉換爲智能代理來幫助預測和檢測交通事故和狀況	快速流動技術	美國匹茲堡
Otto 完成了世界上第一輛自動卡車運送 50,000 罐百威啤酒超過 120 分鍾的距離	奧托（優步）	美國舊金山
圖森未來是一家中國初創公司，完成了 200 英裏的無人駕駛卡車駕駛。使用深度學習技術訓練駕駛系統	圖森未來	中國
GE 配備傳感器的智能貨運機車可檢測軌道上或軌道周圍的物體。機車故障率降低 25%	通用電氣運輸	德國
日立的內部人工智能技術降低了驅動車輛的功耗。從機車車輛中提取的運行數據的正確組合見證了年牽引力降低 20%	日立	日本
交通部預計道路貨運管理中的人工智能增強需求和預測模型	交通部	美國
盡管天氣模式、交通模式、城市基礎設施不統一，但仍能通過自動駕駛巴士按時交付人員和包裹	——	芬蘭、新加坡、中國

4.2.2 . 運輸公司采用人工智能 根據[28]人工智能可能通過提供個人運動、偏好和目標的准確預測行爲模型，對城市基礎設施産生越來越大的積極影響。盡管人工智能在交通規劃應用中的應用在最近變得很重要，但與數據相關的個人隱私和安全仍然令人擔憂。由于這些道德考慮，政府和法律法規可能會決定該行業創新和采用的速度。在技術的許多方面缺乏道德共識的情況下，踏上AI旅程的各個組織必須考慮道德因素。盡管很少有組織使用機器來編寫代碼，但總的來說，人類仍在繼續編寫代碼。由于這個因素，偏見、假設、看法可能會進入正在開發的算法中。組織必須自問：什麽是合乎道德的 AI？治理和道德人工智能在哪裏重疊？如何消除人工智能決策中的偏見？等[6]。由于這方面的原因，各個政府和城市公司對人工智能的采用存在差異。表 8給出了各種運輸公司采用人工智能的情況及其好處。由于當地政府法規的影響，各個城市的采用情況似乎有所不同。

表8 運輸公司采用人工智能

國家運輸公司	人工智能應用	好處
馬哈拉施特拉邦運輸公司	IVADO & Next AI 加拿大公司	爲包括交通在內的各種項目建立人工智能集群——研發投資、交通技術
Telangana運輸公司	用于客戶支持的聊天機器人	人工智能回答多個問題。疑難問題向上級反映
多倫多運輸委員會	自駕中轉班車	最初由人類司機監督。一項解決公共交通最後一英裏連接問題的舉措
法國國家鐵路公司	過境乘客的聊天機器人	幫助旅行者計劃他們的日常旅行並在不可避免的延誤情況下穿越城市
迪拜道路和交通管理局	使用人工智能的智能和可持續交通——自動公交軌道控制系統、智能行人信號系統	監控公交車的狀況——駕駛員疲勞、車輛監控攝像頭提高公交車效率、分配行人信號交叉口的傳感器
新加坡交通部	nuTonomy – 一家與 Grab 合作開發自動駕駛出租車的自動駕駛汽車公司	自動駕駛公交車和貨運車輛將對公共交通産生影響
倫敦交通	Sopra Steria 提供對數據的訪問	道路交通、公交車性能、天氣和道路工程，以減少擁堵和道路管理

5 . 結論

本文彙總了 AI 構建ITS的能力和優勢。該研究提出了一個包含 ITS 子系統的框架，這些子系統是根據其能力確定的。ITS 是識別運輸行業潛在問題的重要工具之一，本研究爲特定問題提出了解決方案。研究發現，機器學習算法主要用于預測交通擁堵和路線管理。一項針對采用人工智能克服交通問題的城市分析表明，大多數發達國家已經迅速采用了這些系統。這種采用需要相關公司和領導層的支持，因爲它涉及最高管理層的投資和長期願景。由于兩個原因，一些組織和政府仍對采用猶豫不決——要麽擔心與人工智能采用相關的風險，要麽在這些國家中采用技術能力較弱。據觀察，發達國家正在采用與運輸管理相關的技術。爲了構建有效的 AI 應用程序，我們需要大量數據作爲輸入來處理文本、圖像、視頻和音頻，以便做出適當的決定。該領域缺乏知識和人才仍然是推出適合該領域的更新解決方案的弱點。因此，人工智能在物流公司的應用成本大約是營業額的3-10%，這給采用人工智能造成了障礙。

人工智能應用引發了許多倫理、社會、經濟和法律問題。數據驅動的基于人工智能的應用程序存在網絡安全和數據隱私問題，尤其是在自動駕駛汽車中。當面對生命對生命的情況時，了解全自動車輛中的人工智能算法與人類相比如何做出決策至關重要。Eurobarometer對自動駕駛系統進行的一項調查發現受訪者對自動駕駛汽車運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，運輸中的人工智能，2019 年）。缺乏明確的政策、對采用新技術的抵制、缺乏道德法規的建立，使得人工智能解決方案對許多組織來說難以捉摸。總的來說，人工智能能夠爲人類提供更好的旅行體驗。進一步研究的範圍由于本研究的概念性質，它可能缺乏在不同場景中的應用的普遍性。未來可以根據從運輸行業的利益相關者那裏收集的原始數據進行影響研究。一些研究問題可能是：行爲研究——乘客對乘坐自動駕駛汽車的偏好與人類駕駛汽車相比，自運輸行業采用人工智能以來，事故數量是否減少了？人工智能在運輸行業的實施是否爲企業帶來了更好的投資回報率？人工智能是否確保提高運輸行業的效率？政府監管機構在運輸行業部署各種人工智能解決方案的作用和意義是什麽？

需查參考文獻鏈接可去知乎同名號查詢。

參考文獻

[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-Ibáñez, 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. HämmerleAgent-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

by Lakshmi ShankarIyer