在人工智能(AI)和机器学习有望改善现代生活的众多方式中，影响公共交通的前景很重要。世界与大流行初期截然不同，世界各地的人们再次利用旅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在与交通拥堵、客流量和拥堵程度作斗争。然而，正在部署基于云平台构建的先进人工智能和机器学习解决方案，以减少这些挫折。人工智能带来的交通机遇交通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，它具有显着优势。人工智能有望简化交通流量并减少当今许多最繁忙的道路和大道上的拥堵。智能交通信号灯系统及其运行的基于云的技术平台现在旨在更有效地管理和预测交通，这不仅为城市本身节省了大量资金，而且还为个人创造了更高的效率。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实时为司机建议最佳路线。由于处理能力的急剧增加，交通系统技术现在正被用于各种IoT（物联网）设备中，以实现过去半个世纪以来传统数据中心发生的实时图像识别和预测。这种新的以去中心化为中心的架构有助于增加机器学习和人工智能的实施。今天的识别算法可以更深入地了解密度、流量和整体流量组合。此外，这些优化算法可以按区域利用数据点，从而产生流线型模式以减少交通问题，同时更优化地重新分配交通。然后，市政交通系统可以获得更好的决策权和具有更高容错能力的控制系统，正如之前在传统的轴辐式系统中所展示的那样。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，圣克拉拉谷交通管理局(VTA)与圣何塞市合作，一直在试行基于云的人工智能驱动交通信号优先(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，为公交车提供充足的绿灯时间，同时最大限度地减少对交叉路口交通的影响。由于新平台利用了现有的基础设施，因此无需在交通信号柜或公交车内部安装额外的硬件。与传统的基于位置的签到签退TSP解决方案不同，该平台通过机器学习模型处理实时公交位置信息，并根据预计到达时间进行优先呼叫。迄今为止，该平台已将VTA77号公路的总行程时间减少了18%至20%，相当于减少了5至6分钟的信号延迟。基于云的交通信号优先系统将资产管理和自动化结合到一个能够为整个地区提供服务的系统中。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。这消除了在交叉路口对车辆检测硬件的需求，因为车辆位置通过CAD/AVL系统已知。这允许在远离信号的地方和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。当今可用的高级交通信号优先系统由两部分组成，一部分位于交通柜中，另一部分位于车辆上。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送优先级请求。由于原始系统使用固定检测点，因此信号控制器配置有静态估计行程时间。由于旅行时间取决于多种环境因素，因此业界已经实施了基于GPS的无线通信系统。使用这种方法，在检测区域内发现的车辆代替静态检测点，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TSP。为了安全连接到交通信号灯，每个城市只需要使用一台设备，一台位于“边缘”的计算机，充当城市交通信号灯和平台之间的受保护链路。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，该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。确定交通优先顺序的复杂过程系统对交通信号灯进行优先呼叫的方法更为复杂，并且不限于固定位置。与当前最先进的优先呼叫检测从特定位置开始并具有预编程到达时间的公共汽车不同，该平台使用“矢量”方法。在数学中，矢量是代表大小和方向的箭头。本平台软件中，箭头指向红绿灯方向，大小为行车时间。构建系统时，交通信号、公交路线和公交车站都用数字表示在这个向量上。这最终产生了一个数字地理空间地图，然后该软件能够跟踪公交车沿公交路线的进度。这导致系统能够动态地进行转接呼叫，而不管位置如何。相反，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注册呼叫的基础。由于跟踪算法的性质，可以调整对ETA的任何重大更改。例如，如果预测公交车会跳过公交车站但没有，系统会检测到这种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，不仅可以改进现有的公共交通系统，而且可以一起重新构想它。这项先进技术已经展示了它如何能够改善GPS、导航应用程序、互联汽车，甚至出租车和拼车服务之间的协调，从而有效地合并到基于实时数据的单一交通实体中。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变得更加普遍，为人工智能提供更大的潜力，以减少快速移动的持续时间和风险。
