通勤族混亂的解方？人工智慧交通管理系統
成千上萬名華盛頓特區的駕駛人，為了參加第一次世界大戰停戰紀念日典禮前往阿靈頓國家公墓，卻發現自己身陷全世界首次的交通堵塞。1921 年 11 月 11 日，堵塞的車陣使得汽車駕駛人在車上困了好幾小時，其中包括非常生氣的哈定總統，因為他的豪華轎車也在車陣中動彈不得。大家既沮喪又疲倦，完全沒有意識到他們正在創造歷史。
整整 100 年後，城市的交通依舊混亂。然而，人工智慧交通管理系統可能為這個一世紀之久的問題，提供了全新的解決方案，一併解決了未來永續發展的種種挑戰。
城市對於解決交通管理難題之所以苦無對策其來有自。
在理想世界中，城市規畫應該能拯救我們脫離塞車苦難。然而，在歷史悠久的城市中心，道路設計是傳承的一環，因此這個方法不可行。這一點在新興市場更是顯而易見，當地有很多古老的羊腸小路、預算有限，而且還有其他必須先行處理的基礎設施。
技術解決方案也有侷限。環路偵測系統雖然能幫上忙，但充其量也只能稱得上是車輛計數器而已。這類系統無法提供車流量建模和預測所需的詳細資料類型。雲端型交通管理系統雖然稍微比較完善，但卻為延遲問題所苦，無法隨機應變突發的路況。
Ability Enterprise 這家邊緣人工智慧智慧型攝影機製造商的人工智慧物聯網資深總監 Jonny Wu 表示：「問題關鍵在於交通流量本來就無法預測。」「重點在於，如果您的解決方案無法即時應變交通流量變化，結果往往無法盡如人意。」
人工智慧交通管理：綜合運用邊緣與雲端
在交通管理應用邊緣人工智慧技術，開創了嶄新的可能性。邊緣運算本身並非新發明。它在 1990 年代首度用於改善提供網頁與視訊內容的過程。然而，現今強大的處理器效能，足以處理邊緣人工智慧所需的繁重運算作業。
Ability 的 Agile & Adaptive Transportation Management 解決方案採用 Intel® 視覺處理器，據 Wu 表示，這些視覺處理器「格外適合執行邊緣人工智慧攝影機系統需要的視覺處理工作類型。」
實務上，這意味著 Ability 這類人工智慧物聯網攝影機，能夠執行比計算車輛還複雜的工作。這類攝影機能夠依照類型識別不同車輛、利用車牌識別追蹤個別汽車、計算車程時間、監測方向變更，以及偵測十字路口車陣的變動。
這類攝影機開創了新局，因為這正是建模、預測及最佳化交通流量所需的即時資料。
人工智慧交通管理系統會在邊緣收集和處理資料，然後傳送至雲端進行額外處理。雲端會利用歷史交通資料為交通流量變化建模。接著，人工智慧最佳化程式便執行模擬，建立最佳化的交通管制計畫。
該計畫會推送至現場交通號誌控制器，而且其邊緣人工智慧攝影機會監測交通流量，然後將資料傳送至雲端持續進行最佳化。必要時，人工智慧系統會因應瞬息萬變的路況，自動即時調整交通管制計畫。
邊緣人工智慧結合雲端的組合，是這套系統發揮作用的推手。Wu 表示：「邊緣人工智慧並非取代雲端，但邊緣的電腦視覺搭配雲端人工智慧最佳化提供的解決方案，成果確實超越了局部的總和。」（影片 1）
人工智慧系統締造顯著的成果
Ability 在馬來西亞實作的實例就是典型代表。該公司的人工智慧物聯網攝影機部署於怡保市一條繁忙的路段，因為當地飽受嚴重的交通堵塞所苦。
Ability 在馬來西亞的合作夥伴，LED Vision 總監 Erwin Yong 解釋：「這個路段是怡保市中心的四個連續十字路口，而且在這一帶拓寬道路根本是不可能的任務。」問題雪上加霜：附近的三所學校在學生接送時段導致車流集結。
Ability 與 LED Vision 在四個十字路口安裝了 12 部攝影機。初始資料收集期間之後，歷史交通資料便傳送至雲端人工智慧最佳化程式。最佳化的交通管制計畫完全部署後，成果驚人。以歷史資料和 Google 的通勤時間預測為效能標竿評測基準，該系統讓這個區域的平均車程時間縮短逾 30%。
更智慧永續的城市
如果改善交通流量，駕駛人的車程時間以及車輛的怠速時間便能縮短。顯而易見的優勢包括減少塞車浪費的時間，以及大幅減少碳排放。接著是較不顯著的優勢。其一，人工智慧系統免除了在繁忙交叉口管理交通所需的大半人力。交通警察便可挪出時間前往最需要的地方。
此外，Wu 表示，人工智慧物聯網攝影機系統功能豐富：「用於交通管理的攝影機也可用於其他目的：非法駕駛偵測、測速執法等。」
面對全球氣候危機的年代，城市紛紛尋找新方法，希望能減少碳排放並達成永續性的目標。對於打造未來智慧城市的交通工程師與系統整合商，有效、經濟實惠且靈活彈性的人工智慧交通管理系統是具有吸引力的選項。
交通管理或許是陳年問題。然而，多虧了人工智慧的進展成果，未來前景一片光明。