Skip to main content

安全與安全機制

通勤族混亂的解方?人工智慧交通管理系統

人工智能交通管理系統

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

影片 1. 實作可收集資料並完整部署的人工智慧交通管理系統。(資料來源:Ability Enterprise

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。

 

本文由 insight.tech 編輯副總監喬治妮.貝內施(Georganne Benesch)編輯。