在人工智能(AI)和机器学习有望改善现代生活的许多方式中，影响公共交通的前景是重要的。与大流行初期相比，世界已经大不相同，世界各地的人们再次利用出行和交通系统进行工作、休闲和其他活动。
在美国各地，包括公共汽车、地铁和私家车在内的传统公共交通系统已经因交通拥堵、乘客水平和拥堵而陷入困境。然而，建立在基于云的平台上的先进人工智能和机器学习解决方案正在被部署，以减少这些挫折。
人工智能带来的交通机会
交通运输是现代人工智能最重要的领域之一，与传统交通系统技术中使用的传统算法相比，现代人工智能具有显著优势。
人工智能有望为当今许多最繁忙的道路和大道简化交通流量并减少拥堵。智能交通信号灯系统及其运行的云技术平台现在旨在更有效地管理和预测交通，这不仅可以为城市本身节省大量资金，也可以为个人创造更高的效率。今天的人工智能和机器学习可以处理高度复杂的数据和交通趋势，并根据特定的交通状况为司机实时建议最佳路线。
由于处理能力的显着提高，交通系统技术现在被用于各种 IoT(物联网)设备，以实现过去半个世纪在传统数据中心中发生的实时图像识别和预测。这种新的以分散为中心的架构有助于增加机器学习和人工智能的实施。今天的识别算法提供了对密度、交通和总体流量混合的更深入的了解。此外，这些优化的算法可以按区域利用数据点，从而形成流线型模式，以减少交通问题，同时更优化地重新分配流量。然后，市政交通系统可以获得更好的决策权，控制系统具有更高的故障容忍度，正如之前在传统的枢纽轮辐系统中所证明的那样。
人工智能已经在影响交通系统
这些技术已经在全国范围内部署。例如，圣克拉拉河谷交通管理局 (VTA) 与圣何塞市合作，一直在试行一种基于云的、人工智能驱动的交通信号优先 (TSP) 系统，该系统利用现有的公交车队跟踪传感器和城市通信网络动态调整交通信号的相位和时间，为公交车提供足够的绿色通行时间，同时将对交叉交通的影响降至最低。
由于新平台利用了已有的基础设施，因此无需在交通信号机柜或公交车内安装额外的硬件。与传统的基于位置的签到和签出 TSP 解决方案不同，该平台通过机器学习模型处理实时公交车位置信息，并根据预计到达时间进行优先呼叫。迄今为止，该平台已将 VTA 77 号公路的旅行时间整体缩短了 18% 至 20%，相当于将信号延迟减少了 5 至 6 分钟。
基于云的交通信号优先系统将资产管理和自动化相结合，形成一个能够为整个地区提供服务的系统。与基于硬件的系统不同，该平台使用预先存在的设备并利用云技术来促进操作。这消除了交叉路口对车辆检测硬件的需求，因为车辆位置是通过 CAD/AVL 系统获知的。这样既可以在距离信号较远的地方进行优先呼叫，也可以在一组信号之间进行优先呼叫。此外，该系统还可以实时了解哪些公交车当前获得优先权，并提供每日性能指标报告。
当今可用的先进交通信号优先系统由两部分组成，一个位于交通柜中，另一个位于车辆上。无论检测和通信介质如何，传输优先级逻辑都是相同的。当车辆在预定边界内时，系统会向信号控制器发出请求以进行优先级排序。由于原始系统使用固定的检测点，因此信号控制器配置了静态估计的行程时间。由于旅行时间取决于几个环境因素，因此业界实施了基于 GPS 的无线通信系统。使用这种方法，在检测区域内找到的车辆会替换静态检测点，并使用车辆的速度来确定到达时间。
该平台允许城市在当前基础设施投资的基础上部署全市范围的 TSP。为了实现与交通信号灯的安全连接，每个城市只需要一个使用设备，即位于“边缘”的计算机，作为城市交通信号灯和平台之间的保护链接。它旨在安全地管理交通信号灯和云平台之间的信息交换。它是唯一需要的额外硬件，根据现有的城市网络配置，平台可以直接接收车辆数据，也可以使用安全连接通过城市网络接收车辆数据。
用于优先处理流量的复杂流程
该系统向交通信号灯发出优先呼叫的方法更复杂，并不限于定点位置。与目前最先进的从特定位置检测公交车开始预先编程的到达时间的优先呼叫不同，该平台使用了一种“矢量化”的方法。在数学中，向量是代表大小和方向的箭头。在这个平台的软件中，箭头指向红绿灯的方向，大小是行驶时间。
当系统建立时，交通信号、公交路线和公交站点都在这个向量上得到数字表示。这最终产生了一个数字地理空间地图，软件随后能够跟踪公交车沿着公交车路线的进程。这导致系统可以动态发出转接呼叫，而不受位置限制。取而代之的是，系统根据预期到达时间进行精确的优先呼叫，这是所有信号控制器供应商支持的所有TSP登记呼叫的基础。由于跟踪算法的性质，ETA的任何重大变化都可以调整。例如，如果一辆公交车被预测将跳过公共汽车站，但没有跳过，系统将检测到这一变化并相应地调整优先呼叫。
人工智能、机器学习和基于云的技术的结合都具有巨大的潜力，不仅可以改善现有的公共交通系统，还可以一起重新想象它。这项先进的技术已经证明，它可以如何改善GPS、导航应用程序、联网汽车，甚至出租车和拼车服务之间的协调，以基于实时数据高效地合并为一个单一的交通实体。
在不久的将来，预计联网的自动驾驶汽车和卡车将在道路和高速公路上更加普遍，为人工智能提供更大的潜力，以缩短快速移动的持续时间和风险。