面向交通运输的计算机视觉和深度学习2

运输是日常生活的重要组成部分，因为它使货物从一个地方到另一个地方的运输，贸易，商业和通信能够建立文明。在过去的一百年里，运输部门经历了多次革命。今天正处于通过人工智能（AI）在交通方面取得重大突破的阶段。

人工智能已经在改变交通行业，使汽车、火车、船舶和飞机能够自主自动化，使交通流更加顺畅。除了让生活更轻松，它还可以为每个人提供一种更安全、更清洁、更智能、更高效的交通方式。例如，人工智能主导的自动交通可以帮助减少许多交通事故中的人为失误。

2017年，全球交通相关人工智能技术市场达到12亿至14亿美元。此外，预计到2023年将增长至35亿美元，复合年增长率为12-14.5%。

此外，高端计算硬件（如CPU和GPU）和物联网技术（如LTE和5G）的可访问性和可负担性为人工智能在交通领域的多种应用创造了可能性。本系列是关于工业和大企业应用程序的CV和DL，将介绍在交通领域使用深度学习的好处、应用、挑战和权衡。
本课是5节课的第2节：工业和大企业应用程序的CV和DL 102。

1. 计算机视觉与石油天然气深度学习
2. 交通运输的计算机视觉和深度学习（本教程）
3. 计算机视觉与物流深度学习
4. 医疗保健的计算机视觉和深度学习
5. 计算机视觉与教育的深度学习

1. 好处

1.1 安全性和可靠性

人为失误（例如超速、分心和酒后驾驶）造成了90%以上的道路事故。因此，对于在旅游或运输行业工作的人来说，安全性和可靠性可以说是最重要的因素。乘客需要知道他们和他们的物品是安全的，与他们同行的车辆或运营商是可靠的。

随着人工智能技术的出现，安全级别可以达到更高的峰值。人工智能分析大量数据的能力将使旅行和交通运营商，以及最终的公众自己，能够以显著改进的方式安排公共和私人交通服务。研究人员认为，到2050年，在一些发达国家，人工智能汽车可以将交通死亡人数减少90%。

1.2 效率

发展中国家在 物流绩效指数（Logistics Performance Index (LPI)） 上的排名低于发达国家，因为基础设施不足和海关程序差导致效率低下。人工智能无疑将提高交通系统的能源效率，这是出行的一个重要方面。特别是人工智能可以帮助 电子物流（ e-logistics），将互联网相关技术应用于供需链（the supply and demand chain ），使托运人与快递服务提供商相匹配。

1.3 污染

运输车辆的排放是造成污染加剧和全球变暖的重要因素。 随着世界越来越注重环境，需要大幅减少旅游和运输业的排放，以确保其长期可持续性（long-term sustainability）。人工智能可以帮助科学家发现更环保的出行车辆和机械运行方法，从而部署新的创新解决方案来应对日益严重的污染。麦肯锡预测，自动驾驶卡车将使运营成本降低约45%。因此，环境影响也将大大减少。

2. 应用

2.1 道路运输（Road Transport）

道路运输是当前人工智能广泛应用的最重要领域之一。在全球范围内，汽车制造商和科技公司正在探索各种人工智能技术和算法，以开发商业和个人使用的智能汽车。这种车辆使用各种传感器，如GPS、摄像头和雷达，并结合致动器（将输入信号转换为动作的设备）、控制单元和软件来执行智能动作（例如，自动驾驶）。

2.11 卡车编组（truck platooning）

卡车编组是指在最小距离内连接几辆 重型货车（heavy goods vehicles (HGV) ），使其同时加速或制动。人类驾驶领头的重型货车，只有在复杂的交通情况或意外事件中，跟随重型货车的司机才会在场参与。预计在人工智能的干预下，驾驶员在后续重型货车中的责任将逐渐减轻。

2.12 交通管理（Traffic Management）

目前，人工智能算法被广泛用于车辆，以改善经济中的交通流量。例如，短距离拼车平台优步在其服务的各个方面都使用了人工智能技术，从匹配顾客和司机到路线优化。 人工智能算法也被应用于道路交通管理，以分析交通模式和交通量，并为驾驶员提供最快路线的信息。这缓解了他们的交通拥堵（traffic congestion），减少了他们的通勤时间（commute time）。这种算法还可以通过实时旋转的交通信号灯和信号灯保持交通流动，以满足地面交通流需求。

例如，卡内基梅隆大学的子公司Rapid Flow Technologies的Surtrac协调了匹兹堡三条主要道路上的九个交通信号灯网络，以安装交通控制解决方案。他们的解决方案将旅行时间减少了25%，等待时间平均减少了40%。车辆排放量也减少了20%。

2.2 航空（Aviation）

航空业对人工智能技术的采用并不陌生。然而，随着人工智能的最新进展，该行业将对其业务的开展方式产生重大影响。管理日益增长的空中交通是自动化和计算能力进步的一个重要领域。 国际航空运输协会（The International Air Transport Association (IATA) ） 的报告指出，使用增强的计算能力开发 无人驾驶飞机系统（unmanned aircraft systems (UAS)） 和无人机交通管理将为改进现有交通管理系统、隔离标准和 空域规划设计（airspace planning design） 创造新的机会。

单一欧洲天空ATM研究（SESAR）联合项目支持了几个人工智能研究项目和空中交通管理（air traffic management ATM），涉及的问题包括：

• 不同飞行阶段交通的可预测性（predictability of traffic at different flight phases）
• 机场客流改善（passenger flow improvements at airports）
• 更大的自动化（greater automation）

机器学习在航空业的一个潜在应用是将对客户行为的历史和实时见解转化为实时策略（例如，调整向客户提供的网站内容）。 这还包括社交媒体情绪分析，该分析根据客户的社交媒体行为预测客户的需求。例如，BigData4ATM项目着眼于人工智能如何分析不同的以乘客为中心的地理位置数据，以识别乘客行为、门到门旅行时间和旅行模式选择的模式（图5）。通过智能设备和相关服务，研究人员可以访问大规模、详细的 纵向动态（longitudinal dynamic） 数据，以测试相关乘客行为的假设。

人工智能可以发挥作用的另一个领域是地面处理。这包括高潜在使用情况，如安全检查、飞机移动操作（推回和拖曳 pushback and towing）、飞机周转操作（加油、餐饮catering、装卸loading and unloading、除冰和防冰de-icing and anti-icing）以及坡道上的地面运输（乘客、行李、货物和邮件）。 它还可以通过消化大量的历史和实时数据来促进机场安全。

此外，飞机制造商正在使用人工智能来解决飞行员在驾驶舱和飞机预测维护中面临的问题。例如，英国初创公司Aerogility正与易捷航空合作，自动化其机队的日常维护计划，包括预测大修、发动机车间参观和起落架大修。这家空客制造商使用类似的工具Skywise提供预测性维护和数据分析。
几家公司也开始在无人机中使用人工智能技术来运送各种尺寸和类型的货物。例如，总部位于加利福尼亚州的初创公司Nautilus正在开发一种90吨级的货运无人机。

2.3 铁路运输（Railway Transport）

铁路是经济中最具创新性的部门之一，首次允许乘客长途旅行。它们也是工业革命的一个重要因素。 人工智能可以帮助改善铁路运营商和基础设施管理者的制造、运营和维护（manufacting、operations and maintenance） 。它将改善管理，降低成本，并增强与直接竞争对手或其他运输方式的竞争力。

2.3.1 智能列车自动化（Intelligent Train Automation）

人工智能在铁路运输中最重要的贡献之一是 列车运行自动化（the automation of train operation ATO），它将管理列车运行的责任从驾驶员转移到具有不同程度自主性（with varying degrees of autonomy）的列车控制系统。这通常涉及将列车司机的感官和智力转移到自动驾驶模块，准备对可能的危险做出反应。此外，设计模块应了解并整合乘客在铁路站台上的行为，允许列车车门自动关闭而不会发生危险。

Shift2Rail是欧盟的一项联合研发项目，正在为所有铁路段（主线/高速、城市/郊区、区域和货运线 mainline/high speed, urban/ suburban, regional, and freight lines）开发和验证标准ATO。此外，他们正在开展与ATO相关的活动，以优化资源利用率（optimize resource utilization）。随着集装箱运输市场的发展，许多项目正在开发中，以更好地同步集装箱列车的运行，从而改善实时信息和数据交换。

2.3.2 智慧运营（Operational Intelligence）

在铁路中，在潜在故障发生之前识别和意识到这些故障以避免服务中断是很有价值的。如今，人工智能可以使用传感器（放置在关键位置）提供的数据来提取有价值的见解和信息，并建议维护行动（recommend maintainence actions）。 这将有助于运营商减少故障时需要保留的车队储备，因为人工智能使他们能够提高可靠性和有效性。其他好处包括：

• “即时预报”和预测基础设施或机车车辆状况
• 更快、更不全面的维修
• 降低维护成本
• 更好的客户满意度

为了说明一些人工智能应用，法国国家化工协会（SNCF）已开始对 受电弓（pantographs） 进行预测性维护，受电弓可能会因磨损而变得脆弱。该公司表示，随着时间的推移，它将能够预测80%的事故发生在为列车供电的连接线上。 SNCF表示预测性维护还将涉及列车道岔的事故减少了30%，这项技术已应用于许多列车系统和子系统。

SNCF铁路预测性维护解决方案包括以下内容：

1. 列车在经过地面仪器时与 物联网（Internet of Things IOT） 独立通信
2. 将数据传输到数据存储服务器
3. 科学家和铁路专家分析数据
4. 一旦对数据进行了分析，就会检索数据，供计算机化维护管理软件使用

2.3.3 资产智能（Asset Intelligence）

铁路中的人工智能也可以用于评估铁路资产的长期性能（long-term performance），并建议其产品设计中需要改进的领域。人工智能可以分析铁路基础设施和列车子系统产生的数据，帮助设备制造商（equipment manufacturers）构建物理实体的数字表示，称为数字孪生。这使IT、运营和工程技术能够访问整体状况，并了解资产退化（understand asset degradation）、故障（failure）和客户行为。这些改进代表了设备制造商和铁路运营商的竞争优势。

国际工程公司Laing O’Rourke使用人工智能和资产数字孪生来安排维护工作，使公司能够将安排活动减少到19秒。

2.4 航运、航海和港口（Shipping，Navigation And Ports）

在过去的几十年里，船舶交通量大幅增长，增加了海上安全的风险( stacks of maritime safety)。此外，随着港口集装箱运输量（container traffic）的增加，需要适应港口码头和更好的连接。不断增长的船只尺寸加大了船只对港口及其城市的压力。

此外，日益严重的环境问题促使该行业在全球海运业激烈的国际竞争中适应更环保的规则。人工智能可以分析信息，为更好的决策（better decision）提供见解，提高安全和能源效率（energy efficiency），并优化物流（optimize logistics）。

2.5 海运和内河航运(Maritime Shipping and Inland Navigation)

海事行动（Maritime operations）需要适应不断变化的条件，并根据几个参数作出决定。来自先进导航系统（如雷达、电子导航图、自动驾驶系统、波浪雷达、漏油探测器和其他传感器radar, electronic navigation charts, auto-pilot systems, wave radars, oil spill detectors, and other sensors）的数据通过人工智能算法进行分析，以提取见解并进行技术操作和维护。自动识别系统（Automatic Identification System AIS）传输数据（例如，船舶ID、位置、航向、速度和目的地）。

通过将记录的船舶运动和先进的图像识别系统相结合，即使AIS关闭，也可以识别船舶。这可以检测海上作业中的异常情况，提高海平面安全性。此外，机器学习算法可以预测恶劣天气条件和交通拥堵造成的延误，并估计未来的油价需求。

自动驾驶船舶（Autonomous ships）是人工智能在这一领域的一个明显应用。例如欧盟资助的网络智能海上无人导航（ Maritime Unmanned Navigation through Intelligence in Networks (MUNIN)）项目开发并测试了自主商船的概念，该概念主要由船上自动决策系统引导，但由岸上的远程操作员控制。 此外，该船只在深海航行期间使用独立操作，而不是在拥挤的水域或进港期间。

2.6 港口

随着全球大型港口的信息量不断增加，一种名为港口呼叫优化（port call optimization）的新应用程序变得非常流行。它结合物联网、云计算和地理信息来优化港口运营，提高生产效率，并改善与客户的关系。 此外，分析的数据可用于预测和实时规划（forecasting and real-time planning），以改进决策并支持港口的经济增长。

通过使用更先进的数字技术，港口可以变得“智能”：

• 提供无缝（seamless）供应链
• 优化相关资源、服务和监督的配置（optimize the allocation of relevant resources, services, and supervision ）
• 自主装卸（autonomous loading and unloading）（先卸载哪些集装箱以及如何堆叠）
• 设备调度（equipment scheduling）（优化起重机和车辆的使用）
• 泊位可用性规划（berth availability planning ）

被公认为智能化最先进的港口包括新加坡、鹿特丹、天津和迪拜。
集装箱港口运营期间收集的数据被存储和分析，作为未来人工智能辅助工具的基础，预计有一天可以管理整个交付周期并进一步优化码头运营。此外，这些技术进步被理解为更广泛的供应链转型的一部分。

3. 挑战

人工智能在交通领域有几个相关的风险和挑战。然而，这些风险和挑战可能会产生重大的社会经济影响（significant socioeconomy efftects），必须加以管理。

失业（Loss of Jobs）：根据全球政策解决方案中心（the Center for Global Policy Solutions）的一份报告，由于美国快速过渡到自动驾驶汽车，将有超过400万人失业。这些工作包括送货司机（drivers for delivery）、重型卡车司机、公共汽车司机和出租车司机。此外，人工智能可能会加速向服务型经济（server-based economy）的增长，这将加速低技能工人的失业。

投资（Investment）：人工智能在交通市场增长的一个重要制约因素是其在人才、硬件和软件方面的高投资性质。对人工智能专家的需求正在急剧增长，缺乏熟练的人工智能人才将成为发达国家采用人工智能的最大障碍。此外，还需要巨额投资和资本存量（huge investments and capital stock），以利用技术人员和商业实践。

基础设施薄弱和欠发达（Poor and Underdeveloped Infrastructure）：印度等低收入和发展中国家在采用人工智能方面面临巨大挑战，因为它们的基础设施质量低下。这包括道路、港口、维护和维修站。缺乏可靠的电源和薄弱的电信使事情变得更加困难。技术研究投资很少、基础设施占GDP比例复杂的国家，利用人工智能的力量可能更具挑战性。

监管要求和隐私问题（Regulatory Requirements and Privacy Concerns）：人工智能的监管要求总是很难预测。尽管研究表明，电动汽车可以减少交通死亡，但仍不清楚如果发生事故、伤害或死亡，谁将承担最终责任。同样，要求用户提供个人数据以开发强大的机器学习模型需要隐私法。这些法律必须与在电信网络（telecommunications network）中拥有更多数据的好处相平衡。

总结

人工智能可以通过以下方式为每个人提供更安全、更清洁、更智能、更高效的交通方式。

• 道路运输：道路车辆可以使用各种传感器，如GPS、摄像头和雷达，以及 执行器（actuators）（将输入信号转换为行动的设备）、控制单元和软件，以执行自动驾驶等智能动作。
• 航空：将对客户行为的历史和实时见解转化为实时策略（例如，调整向客户展示的网站内容）。
• 铁路：人工智能可以帮助改善铁路运营商和基础设施管理者的制造、运营和维护。它将改善管理，降低成本，并增强与直接竞争对手或其他运输方式的竞争力。
• 海洋和航运：先进导航系统（如雷达、电子导航图、自动驾驶系统、波浪雷达、漏油探测器和其他传感器）的数据通过人工智能算法进行分析，以提取见解并进行技术操作和维护。

然而，人工智能在交通领域也面临着挑战。

• 失业：人工智能可能会加速向服务型经济的增长，这将加速低技能工人的失业。
• 投资：人工智能在交通市场增长的一个重要制约因素是其在人才、硬件和软件方面的高投资性质。对人工智能专家的需求正在急剧增长，而缺乏熟练的人工智能人才将构成最严重的障碍。
• 基础设施薄弱和欠发达：印度等低收入和发展中国家在采用人工智能方面面临巨大挑战，因为它们的基础设施质量低下。这包括道路、港口、维护和维修站。
• 监管要求和隐私问题：人工智能的监管要求总是很难预测。尽管研究表明，电动汽车可以减少交通死亡，但仍不清楚如果发生事故、伤害或死亡，谁将承担最终责任。

参考

• https://pyimagesearch.com/2022/10/03/computer-vision-and-deep-learning-for-transportation/