摘要
人工智能(AI)是指机器执行人类能够轻松完成的感知、推理、学习和解决问题等认知功能的能力。过去20年以来，由于互联网产生的海量数据的可用性，人工智能在全球范围内获得了关注。最近，使用高级算法处理这些数据给政府和企业带来了巨大的好处。物联网、机器人过程自动化、计算机视觉、自然语言处理等各种技术支持的机器学习算法的强劲增长，使人工智能的增长成为可能。本文是将交通运输业的各种问题分类为智能交通系统的汇编。考虑的一些子系统与智能交通系统的交通管理、公共交通、安全管理、制造和物流相关，人工智能的好处被投入使用。这项研究涉及交通运输业的特定领域，以及可能使用人工智能解决的相关问题。该方法涉及根据从各种来源获得的国别数据进行二次研究。此外，全球各国都在讨论解决交通行业问题的人工智能解决方案。
1 . 介绍
技术过去一直是企业的问题解决者。无论是零售、银行、保险、医疗保健甚至体育。其中一些解决方案通过降低运营成本、提高效率和提高效率改变了企业的运营方式。即将成功实施最新技术的即将到来的领域之一是交通运输行业，该行业受到与交通拥堵、意外延迟和路线问题相关的问题的困扰，这些问题导致经济损失。
运输业一直是不同地理区域人员和货物流动的主要贡献者。它在货物从一个地方转移到另一个地方的供应链管理系统中发挥着重要作用。该行业在将货物在物流链中的精确时间移动到正确地点的过程中发挥着关键作用。为了从商业投资中获得全部收益，政府和组织使用了机器学习、人工智能、物联网等技术。
1.1 . 人工智能（AI）
人工智能(AI)是计算机科学的一个广泛领域，它使机器像人脑一样运作。人工智能也被定义为机器执行人类认知功能的能力。AI一词最初是由计算机科学家John McCarthy在1956年创造的。由于通过各种设备生成的大量数据的可用性，以及高效硬件、软件和网络基础设施的可用性，这个已有60年历史的概念最近引起了热议。人工智能的出现使流程自动化成为可能，从而产生创新的业务解决方案[47]。AI提供可靠且具有成本效益的解决方案，同时解决决策过程中的不确定性。由于流程自动化，高级算法处理复杂数据的能力促进了企业更快的决策[10]。随着人们对环境的日益关注，人工智能已成为通过改造传统行业和系统来解决气候变化和水问题的解决方案提供商。这些能力帮助政府建设可持续城市，从而有助于保护生物多样性和人类福祉[23]。
美国和中国目前主导着人工智能世界。普华永道的一份报告估计，到2030年，人工智能将为世界经济贡献15.7万亿美元。在美国，学术体系已经产生并孵化了与人工智能相关的研究；而在中国，政府提供资金和技术来利用人工智能的潜力。中国计划到2030年至少投资70亿美元。加拿大和英国通过宣布为私人和公共人工智能企业提供资金的交易，加大了对技术的投资[20]。加拿大在2017年承诺为人工智能研究投资了1.25亿美元。法国政府将在2022年之前投资18亿美元用于人工智能研究。该国计划从私营公司提取数据以供公开研究。俄罗斯每年在人工智能上的花费估计为1250 万美元，主要用于军事领域。
1.2 . 人工智能和交通
全球大多数大城市都面临与运输、交通和物流相关的问题。这是由于人口的快速增长以及道路上车辆数量的增加。为了有效地创建和管理可持续的交通系统，技术可以提供巨大的支持。随着城市地区陷入交通拥堵的困境，人工智能解决方案出现在访问车辆的实时信息以进行交通管理，并通过统一的系统在旅行计划中按需利用移动性。基于人工智能的决策、交通管理、路径规划、交通网络服务和其他移动优化工具的安全集成使得高效交通管理具备可能性（交通，2019）[61]。人工智能被世界经济论坛视为新兴技术之一。支持运输的AI方法包括人工神经网络(ANN)、遗传算法(GA)、模拟退火(SA)、模糊逻辑模型(FLM)和蚁群优化器(ACO)。在交通管理中部署这些技术的目的是缓解拥堵，使通勤者的出行时间更加可靠，并提高整个系统的经济性和生产力[1]。
通过技术连接的车辆可以预测道路上的交通状况，从而提高驾驶效率。研究文章[41]提出了三个观点。
- 评估准确的预测和检测模型，旨在预测交通量、交通状况和事故；
- 通过探索人工智能的各种应用，公共交通作为一种可持续的出行方式；
- 联网车辆旨在通过减少高速公路上的事故数量来提高生产力[40]。
已经在全球范围内进行了几项研究，以解决与运输行业有关的问题。在该行业人工智能技术支持下的研究成果为这一重要的发展领域带来了希望。
1.3 . 智能交通
近年来，随着跨行业的多种技术设备的激增，产生了大量数据。这些数据在企业、政府和社会的决策过程中变得很有价值。交通运输业是城市建设的生命线，在数据生成和使用方面不能落后。该部门在城市发展中发挥着重要作用，因为它会影响人员、流程和利润。为了实现数据生成，汽车制造商一直积极主动地制造可以安装在车辆上的设备，用于运送人和货物。这些设备产生的数据由专家远程监控。政府和企业能够根据使用各种应用程序生成的数据进行实时决策。近年来，与交通和技术有关的各种创新应用正在建设中。应用程序开发人员关注的是一种面向流程的系统方法，该方法具有明确的目标，并嵌入了反馈机制，以衡量与运输行业相关的解决方案的结果。
运输管理系统(TMS)属于运输管理领域，具体涉及运输业务。这些系统的目标是使用数据建立有效的路线规划、负载优化、提高灵活性和透明度。根据 Gartner，该领域预计将快速增长[42]。城市的交通战略与信息系统相关联，以便更好地管理，该系统将专注于采集、处理、传输和管理由此产生的数据。在过去的几十年里，由于智能技术的出现，各种物流、路线、地图和规划的信息系统正在开发中。这些系统提供了更好的数据处理能力，以更好地规划运输过程，从而实现智能运输系统(ITS)[13]。
从用户和车辆生成的数据用于构建高效的ITS。由于跨车辆、城市基础设施和其他相关活动的信息获取、交换和集成，将ITS构建到交通系统中确保了性能的提高。据观察，ITS 支持城市当局和车辆用户的决策过程。
用户和车辆产生的数据被用于构建高效的ITS。将ITS纳入交通系统，通过车辆、城市基础设施和其他相关活动的信息获取、交换和集成，确保了性能的提高。据观察，ITS支持城市管理单位和车辆用户的决策过程。
本文的重点是智能交通系统，它是交通管理系统的一部分。采用基于桌面的方法来整理人工智能技术，以解决交通行业问题，构建可持续的交通系统。识别和讨论了ITS各种子系统的好处以及对运输行业产生积极影响的人工智能应用。数据来自研究论文、政府报告、期刊文章和咨询机构的报告。早期研究中采用的一些框架被认为是当前研究中确认子系统的基准。这项工作将帮助企业和政府采用这些技术，并根据给定的场景构建相关的解决方案。
2 . 文献调查
人工智能已经对医疗保健、零售、银行、保险、娱乐、制造和运输等各个行业造成了重大冲击。人工智能在交通运输中的几个用例已经过试验和采用，证明了这个市场正在上升的事实。随着与人工智能相关的技术进步，交通运输业向在车辆上嵌入方便用户使用的设备的方向发展。这导致了使用设备生成的数据建立ITS。
当前形式的人工智能能够解决实时运输中的问题，从而管理物流系统和货运的设计、运营、时间表和管理。其他一些应用包括旅行需求分析、交通组织、行人和群体行为分析。AI 技术允许将这些应用程序用于整个运输管理——车辆、驾驶员、基础设施以及这些组件动态提供运输服务的方式[59]。在难以完全理解交通系统特征之间复杂关系的领域，人工智能方法提供了智能解决方案[1]。[31]的研究专注于两个领域，即人工智能和交通。人工智能一方面带来了巨大的机遇，另一方面也带来了与安全相关的重大挑战。从 2000 年代中期开始，用于商业目的的交通私有化带来了新的研究机会和计划，并在这些领域取得了相当大的进步。
国际公共交通协会 (UITP) 和陆地运输管理局 (LTA) 联合资助的一项名为“公共交通中的人工智能”的研究项目是通过文献回顾、定量调查、用例、专家博客和构思研讨会进行的。该报告概述了人工智能应用 [ 16 ] 在公共交通中的各种用例，以及人工智能在公共交通系统中的未来可能会怎样。咨询公司普华永道进行了一项全国性调查，以通过在线模式了解人工智能对金融服务、技术和制造等广泛领域的决策者和雇员的影响。研究发现，青少年对交通相关技术的适应性更强[48]。
早期采用者和进步的公共交通利益相关者预计人工智能将进一步融入未来的移动性[24] 。人工智能能够在不同程度上通过不同的方法、方法和技术发挥作用，表现出逻辑推理、解决问题和学习的能力。人工智能可以基于硬件（机器人）或软件相关（谷歌地图）。数据驱动的人工智能将机器学习技术与用于搜索和分析大量数据的技术相结合。人工智能有助于发现市场趋势、识别风险、缓解交通拥堵、减少温室气体和空气污染物排放、设计和管理运输、并分析出行需求和行人行为（Niestadt、Debyser、Scordamaglia 和 Pape，交通人工智能，2019）[ 43]。数据和人工智能驱动的应用和服务是实现提供最佳移动性愿景的主要基石。为了在城市中建立有效和高效的移动生态系统，需要一种整体的移动管理方法。联网车辆实时发送数据，从而产生大量数据。随着运输需求的不断增加，通过设备的数据增长也在增长；因此，需要对道路交通进行更智能的管理[57]。
表 1给出了人工智能在交通应用中目前开始商业化或正在研究试验中的一些关键功能。
表1 AI 功能和用例
| 人工智能功能 | 用例 |
| 非线性预测 | 交通需求建模 |
| 控制功能 | 信号控制，动态路线引导 |
| 模式识别 | 用于道路或桥梁交通数据收集和裂缝识别的自动事件检测、图像处理 |
| 聚类 | 根据行为识别特定类别的驾驶员 |
| 规划 | 基于人工智能的交通规划决策支持系统 |
| 优化 | 设计最佳交通网络，制定维护路面网络的最佳工作计划，制定一组交通信号的最佳配时计划 |
改编自（Sadek，交通运输中的人工智能应用，2007）[54]
[50]的研究重点是智能车辆道路系统的监测、控制和管理的先进系统。这里讨论的是复杂网络中的非重复拥塞。该研究提出了一种基于人工智能的解决方案，在主干道交通管理中采用多个实时知识相关专家系统。支持向量回归(SVR)和基于案例推理(CBR)两种人工智能范式被用于大规模网络和复杂仿真模型的评估。[11]研究通过比较交通状况的预测来评估两种模型的结果。在这项研究中，一个基于代理(Agent)的控制系统监测交通、道路事故和其他运输活动。文章[22]比较了部署在巴塞罗那附近的智能交通管理系统上的两个集成自主代理，这些智能交通管理系统为实时交通管理提供决策支持。
[51]研究探讨了自主智能代理在城市交通控制 (UTC) 中的适用性。该研究提出的系统可以为动态环境设计、实施、优化和调整协调UTC。该模型可应用于多个交通信令智能交叉口。这些代理能够响应实时交通状况，并保持其稳定性和完整性。
与自动驾驶汽车 (AV) 相关的技术有可能影响车辆安全和出行行为。它们确保减少旅行时间并提高燃油效率。目前，这些技术已经成为颠覆性的，为交通系统带来了巨大的好处。然而，与更大群体的采用和高昂的采用成本相关的挑战仍然存在。政府在责任、安全和数据隐私方面的法规不确定，导致自动驾驶汽车的市场渗透率较低。对低速自动紧急制动系统有效性评估的研究发现，采用该技术的车辆可将追尾事故减少约38%[19]。在目前的情况下，交通的主要问题是拥堵、安全、污染和对流动性的需求增加。解决所有这些挑战的潜在解决方案之一可能是自动驾驶汽车[36]。这些车辆通过传感器技术 [ 25 ] 和连接解决方案[68]从其物理和数字环境中收集数据。
联网汽车能够通过智能设备访问互联网，也能够与其他汽车和基础设施进行通信。他们从多个来源获取实时数据，支持司机在驾驶过程中强大的压力下进行操作。这些汽车确保了安全性和可靠性[12] 。模式识别与图像处理一起用于自动事件检测和识别路面或桥梁结构中的裂缝。聚类技术用于根据驾驶员行为识别特定类别的驾驶员（Sadek，交通运输中的人工智能应用，2007）[ 54 ]。
文章[35]提出了使用技术制造车辆的新模型、方法和形式。这导致了在汽车制造中采用技术来构建智能汽车。该研究讨论了人工智能技术对一个国家的各种业务和经济的影响程度[15] 。福特汽车公司已成功将人工智能集成到主流制造流程中，为组织提供竞争优势。该研究侧重于制造智能系统的流程规划和部署（Rychtyckyj，福特汽车公司的智能制造系统，2007 年）[ 52 ]。研究[64]提到用于自动驾驶汽车的技术的最初演示可以追溯到1939 年。Google公司开发的大多数自动驾驶汽车都依赖于自己开发的摄像机、雷达传感器、激光测距仪和地图。自动驾驶汽车不仅会影响单个公司的运作，还会影响国家和世界经济[63]。
由于与不同利益相关者的网络能力，制造业和物流产生了大量的数据。由于运输业在物流中扮演着重要的角色，因此只有通过各种操作技术的应用来使用生成的数据才是合适的。通过模拟[39]的过程，提出了基于Agent的供应链优化方法。[45]这项研究思考了一个事实，即带有人工智能的无人驾驶汽车是否会对人类产生负面影响。极端的自动化可能会导致机器出现漏洞。这些综合智能系统容易受到网络崩溃或外部机构黑客攻击等系统性风险的影响。该研究提出了“产业5.0”，它可以使大数据中的知识协同生产大众化。
研究文章[62]认为运输系统是物流链中的关键要素，因为它提供了分离的物流活动之间的联系。物流的改善对整体业务的贡献是由于技术的影响。该研究旨在帮助物流管理人员、研究人员和运输规划人员定义和理解物流的基本观点及其各种应用以及物流与运输之间的关系。物流不仅限于货物跨空间移动以及减少供应链中的时间和成本。它的范围扩大了，也成为战略管理的一部分。因此，将核心业务信息系统与一套现代分析和人工智能工具相结合，从各个来源发现相关知识是非常重要的。这有助于管理不确定性和获得竞争优势[33]。
研究[9]结合各种人工智能技术实现四个视角，即——知识获取、服务物流、服务自动化和绩效衡量。交通在构建响应式物流信息系统方面发挥着更大的作用；因此，机器学习概念支持识别需求模式和相应的补货策略[34]。该研究标志着当前物流场景过程的系统发展[65]。我们可以看到，智能系统在以交通运输业为支柱的物流业中发挥着越来越大的作用。运输功能发生了结构性变化，影响了运输物流的演进[8]。一方面，由于采用了人工智能，道路上的事故和死亡人数可能会大幅减少;另一方面，我们可以预料到技术性失业[32]。
通过对解决交通问题的应用的详细背景研究，可以明显地看出，人工智能在利用数据构建高效的交通系统方面发挥着重要作用。目前的研究试图代表人工智能的各种概念和应用的发展，ITS作为TMS的一部分。在各种可用的应用中，研究的范围缩小到智能交通管理系统、智能公共交通系统、智能安全管理系统和智能制造与物流系统，以构建可持续的交通系统[53]。在这些系统中，AI的作用和相应的成效将在第3节中讨论。此外，第4节讨论了世界各国交通运输业相关问题的人工智能解决方案。结论部分整理了通过人工智能实施交通运输业面临的各种挑战和建议。
3 . 框架
从早期的研究中可以看出，人工智能在构建智能交通系统时的成效尚未得到充分探索。目前的研究探讨了在不同国家部署的交通运输行业的ITS应用。
作为经济生命线的运输业似乎正在努力解决全球范围内的各种运营问题。与运输业相关的问题导致一个城市乃至一个国家的进步放缓。TMS 是一个好消息，它可以使用各种技术来克服运输问题的系统。TMS 帮助企业计划、执行和优化货物的物理移动。由于数据可用性和远程监控，TMS 确保及时交付货物，从而提高客户满意度。这通过增加销售额使企业受益。TMS 通过使用适当的工具（例如路线优化）来提高车队绩效并减少供应链支出。由于数据是远程收集并受到严密监控，因此记录了对交付、结果和回报的端到端理解，从而提高了透明度。TMS使用技术来规划、执行和优化货物运输，以帮助企业蓬勃发展。这些应用程序被制造商、分销商、零售企业和从事物流业务的公司使用。
TMS 的主要功能包括路线确定、出站/入站物流流程、路线调度、第三方物流供应商服务、货运代理、服务代理、运输跟踪和路线调度和运输计划的批量处理（图1）。可以看出，与TMS相关的功能与货物运输有关。TMS 将多个运输应用程序集成到一个包中，以便更好地使用。
图1 TMS 的功能（来源：ValuecConsulting，2013）
使用 AI 和机器学习使 TMS 变得更加智能，以提供准确的预测。目前正在使用的一些技术包括：物联网(IoT) 设备和传感器、数字助理、交货时间预测解决方案、运输规划解决方案、区块链等。智能交通系统(ITS)是从TMS发展而来的。一个能够根据给定的场景，使用安装在车辆上的设备生成的数据做出适当决定的系统被称为智能运输系统(ITS)。过去的研究表明，对ITS的综合方法包括运输基础设施和运输管理。ITS作为一种新型的TMS，已逐渐被自动化控制系统所取代。它们已经发展成为对危险情况的预测，并有可能利用大量复杂的数据作为决策工具。ITS还通过在动态环境下的自动数据收集影响了运输系统的高效运行[29]。
典型的 ITS 需要来自各种设备和传感器的输入数据。这些数据被远程监控和处理。从处理过的数据中得出的洞察力被认为是政府和企业做出决策的宝贵输入。这种系统方法通过反馈机制确保性能的持续改进。输入数据来自安装在交通管理基础设施、车辆和道路基础设施中的各种设备。管理部门监控数据并确保及时将数据传播给通勤者、司机和行人，从而使利益相关者受益。
智能交通系统由公共交通、交通信息、停车管理、交通管理与控制、安全管理与应急、路面管理（图2）。这是智慧城市特有的（Agarwalet al., 2015）[ 3 ]。为了通过ITS建设有效的智慧城市，将系统能力构建到城市的各种运营活动中是很重要的。如图2所示，城市中的一些活动包括公共交通、交通管理、停车管理、路面管理和安全管理。通过ITS，通勤者、行人、交通和整个社会都受益。
图2 开发智能交通系统的各种子系统（来源：Agarwal 等，2015）
Hamida 等人在 2015 年进行的研究[ 5 ] 将智能交通系统的各种应用分为四个主要类别，如图 3 所示。-
- 信息娱乐和舒适度；
- 交通管理；
- 道路交通安全，和
- 自动驾驶。
图3 ITS应用的分类（来源：Hamida 等，201[ 5 ]5）
这些应用程序从车辆收集数据以提高其效用，从而确保驾驶员安全并增强公共交通设施。ITS 应用程序是数据的生成器，这些数据反过来又有助于管理部门的决策过程，以更好地管理公共场所。其中一些应用与乘客舒适度、改善驾驶员体验和高效道路管理有关。公共交通系统的最终受益者是道路使用者。可持续公共交通系统的智能交通系统 (ITS) 框架考虑了 ICT 技术、自动化交通系统、交通管理中心和先进的旅客信息系统[ 60 ]。图 4中给出的框架分为四个阶段，从作为数据来源的道路使用者开始，通过 ITS 实现最终的经济增长。围绕交通系统构建的应用程序需要牢记生成数据的受益者。一旦使用 ICT 构建应用程序，它们不仅可以提高流程效率，还有助于实现运输系统的可持续性，从而实现更好的经济增长。
图 4 公共交通系统的ITS框架实施（来源：Abijede O [55]）
使用ITS构建的一些应用程序可确保交通管理、交通信号控制、车辆导航系统、智能停车管理等。ITS需要一个跨城市基础设施共同运作的技术网络（Shaheen & Finson，2019 年）[ 56 ]。[29]讨论的 ITS 问题分类包括性能监控、交通管理、改进的运输过程、对交通参与者的信息支持以及运输基础设施管理。ITS 遵循系统方法，当前的研究将 ITS 的各个子系统视为一个分类来探索人工智能解决方案的成效是合乎逻辑的。考虑用于研究的子系统的图解表示在图 5 中给出。这些与交通系统相关的子系统（表 2）是从先前研究中描述的各种框架中得出的。分类是根据人工智能解决方案提供的成效进行的，以构建高效的 ITS。本研究中提出的这些子系统总结了 ITS 下的各种活动。
图5 智能交通系统
表2 ITS 的子系统。
| ITS的子系统 | 描述 |
| 智能交通管理系统 | 实时道路管理以避免拥堵 |
| 智能公共交通系统 | 沿不同路线通过道路运送乘客 |
| 智能安全管理系统 | 确保道路上的乘客、车辆和货物的安全 |
| 智能制造与物流系统 | 在汽车制造和货物运输中引入技术 |
图 5中给出的每个子系统都根据运输问题的起源进行分类，并以系统的方式组织。此外，还强调了采用技术解决这些问题所带来的成效。本文研究了运输行业中成功采用人工智能并从中受益的组织。
4 . 讨论
4.1 . 智能交通AI解决方案人工智能对运输业领域的贡献是巨大而广泛的。这些解决方案包括自动驾驶汽车、交通管理、优化路线和物流，从而为车辆和驾驶员提供安全保障。ITS是通过 AI 技术使用安装在车辆上的设备生成的数据构建的。目前的研究集中在与交通相关的四个子系统——即智能交通管理系统、智能公共交通系统、智能安全管理系统和智能制造与物流系统。表（表3 至 6）描述了AI的解决方案，相关问题的子系统，AI的作用和取得的成果的数据源。
表3 交通管理
| 数据来源 | 问题 | 人工智能的作用 | 益处 | 之前的研究 |
| 配备智能系统的车辆 | 交通拥堵导致成本增加 | 机器学习工具来预测交通拥堵 | 更好的节油能力和更少的环境污染 | 通过评估使用 ML 模型实现的交通参数进行短期交通拥堵预测 (Akhtar, Moridpour, 2021)[ 38 ] |
| 来自智能手机的数据 | 路径规划 | 替代路线建议 | 节省时间 | 通过智能手机生成的数据的驾驶员行为监控系统使用 ML 技术[17] |
| 智能交通系统 | 不可预测的交通拥堵 | 空气中污染物质的鉴别 | 遏制环境污染 | 使用模糊逻辑结合多个空气质量指标以及模拟退火和粒子群优化技术来识别空气污染（Ly H. B，2019）[ 37 ] |
| 交通灯和车辆 | 高峰时段交通管理 | 实时跟踪交通信号灯中的拥堵和算法 | 控制较高和较低的流量模式 | 在部署 AI 解决方案进行分析之前，观察从交通灯收集的实时信息以获得最佳的绿-红分布[67] |
| 来自车辆的数据 | 增加道路上的车辆数量 | 模式识别 | 更好的观察和决策 | 人工智能技术的稳定性，特别是 ANN 被部署来预测异构交通条件下的交通拥堵（Olayode，2020）[ 44 ] |
表4 公共交通
| 数据来源 | 问题 | 人工智能的作用 | 益处 | 之前的研究 |
| 路网结构、路面、天气和交通模式 | 数据的可变性 | 通过机器学习算法预测模式的变化 | 规划和决策 | 使用交通量、密度、占用率、旅行时间、拥堵指数进行的短期交通拥堵预测 (Akhtar M, Moridpour S, 2021) |
| 来自司机和乘客的实时数据 | 交通拥堵 | 路线优化 | 缩短旅行时间 | |
| 用于货物交付的 AI车辆 | 交货时间、地点的变化 | 改善驾驶模式的建议 | 提高生产力和进一步销售 | 使用车辆路线优化将预测智能应用于道路运输[26] |
| 来自智能道路的传感器 | 路面磨损 | 自动向管理机构发出警报 | 道路管理 | 通过将传感器技术与确保车辆和乘客安全的交通基础设施相结合，实现可持续的 ITS（Ibanez 等人，2018 年） |
表5 安全管理
| 数据来源 | 问题 | 人工智能的作用 | 益处 | 之前的研究 |
| 来自智能汽车的传感器 | 驾驶员的疲劳和疲倦 | 自动驾驶系统激活 | 避免事故 | 自动驾驶汽车中的多个集成传感器决定了安全性和可行性（Yeong 等，2021）[ 66 ] |
| 长途卡车 | 连续行驶时间和未知地形 | 司机健康监测 | 事故预测 | 驾驶员生理参数的实时测量被馈送到网络云中，并使用人工智能使用智能车载健康监测系统进行分析[46] |
| 自动驾驶汽车 | 低性能和安全问题 | 盲点警报、自适应巡航控制、高级驾驶员辅助系统 | 节省司机的时间 | 自动驾驶汽车可确保减少驾驶员对安全策略的努力和投资（Littman. 2021） |
| 实时数据传输 | 增加时间和成本 | 路线优化 | 预测车辆体积的预测技术 | 自动驾驶汽车实时准确地了解车辆位置和状态，从而提高车辆的操控性和安全性[2] |
| 通过传感器进行监控 | 修理或加油 | 远程控制管理 | 节省燃油，提高里程 | 安装在车辆上的智能视觉标签提供移动支持和跟踪机制（Li Q，2015）[ 49 ] |
表6 制造和物流
| 数据来源 | 问题 | 人工智能的作用 | 益处 | 之前的研究 |
| 智能汽车 | 需要维护 | 结合来自物联网传感器的数据、维护日志——创建预测模型 | 更好的预测和机器故障 | 通过自动驾驶汽车降低成本并改善低级人群的可及性（Anandakumar、Arulmurugan R、Roshini A（2019））[ 21 ] |
| 联网车辆 | 维修与保养 | 联网车辆安排预测性和预防性维护 | 赋能车辆监控业务 | 如果联网乘用车能够以更好的用户界面可靠地运行，则它们比手动驾驶的车辆更好（Y David, F Donald (2021)[ 14 ]） |
| 配备技术的车辆 | 生产和运输成本增加 | 跨车辆和路线共享数据 | 改善从采购到研发的整个供应链的成本节约 | C-ITS – 合作 ITS 为特定司机提供实时定制信息（Maxime G 等人，2016 年） |
| 基于网络的结构 | 由于手动数据输入而产生大量发票 | 基于人工智能的系统可以轻松地从网络中检索数据 | 更快地处理账单、发票 | 智能手机将家庭连接到车联网车辆以执行重复性任务（Kim Y 等，2017）[ 30 ] |
| 发票和文件 | 发票异常，合规性验证 | 欺诈检测的预测和处理 | 高精度 | |
| 合同 | 提取非结构化数据 | 用于解释发票的自然语言处理技术 | 提取关键信息 |
从表3中我们可以看出，人工智能为交通问题提供了解决方案，通过建议替代路线，在交通拥堵时实时跟踪交通灯。这有助于有效地管理交通，最终遏制环境污染，建设可持续发展的城市。
从表4可以看出，人工智能在预测天气和交通模式、道路管理、警报生成等方面为值班人员提供了解决方案。这些系统可以帮助司机、通勤者和行人在他们开始旅行之前。有技术的支持，建立一个有效的公共交通系统，有助于规划和决策过程，这是很重要的。
从表5中可以看出，人工智能减少了道路事故的数量，根据路况预测事故，提醒司机注意道路安全等。当运输行业效率高时，经济就会成功运行。借助人工智能技术构建安全的交通系统，具有重要意义。
从表6中我们可以看出，在汽车制造过程中，人工智能解决方案使汽车行业受益。传感器、摄像头和其他技术在这个行业发挥了作用，以获得更好的效益。汽车内置的一些人工智能解决方案已经成为乘用车和商用车领域的重要组件。
4.2 . 人工智能在全球交通领域的成就从目前的讨论中可以看出，人工智能解决交通相关问题的能力似乎是一种自然的契合。然而，与其他所有行业的 AI 情况一样，这些应用程序的采用因组织和地域而异。基于环境和地理因素，应用程序可以是简单的和复杂的，遥远的和即将到来的，确定的或可能的。4.2.1 跨组织的人工智能应用表 7提供了人工智能在交通部门各个组织中的应用。美国似乎是这些应用的先行者。这可能是由于人口较少，道路基础设施更好。具有创新精神的初创企业获得了大量资金，用于在发达国家开发原型。相对于乘用车阶段，大多数方案都是在长途驾驶阶段进行试验的。
表7 人工智能在全球交通领域的成就
| 人工智能应用 | 组织 | 国家 |
| 自动驾驶的认知电动班车——Olli，将乘客运送到要求的位置，并提供当地观光建议。Olli 由 IBM 的 Watson 汽车物联网 (IoT) 提供支持 | 本地汽车 | 美国 |
| Surtrac 系统安装在由九个交通信号组成的网络中，它通过将交通传感器转换为智能代理来帮助预测和检测交通事故和状况 | 快速流动技术 | 美国匹兹堡 |
| Otto 完成了世界上第一辆自动卡车运送 50,000 罐百威啤酒超过 120 分钟的距离 | 奥托（优步） | 美国旧金山 |
| 图森未来是一家中国初创公司，完成了 200 英里的无人驾驶卡车驾驶。使用深度学习技术训练驾驶系统 | 图森未来 | 中国 |
| GE 配备传感器的智能货运机车可检测轨道上或轨道周围的物体。机车故障率降低 25% | 通用电气运输 | 德国 |
| 日立的内部人工智能技术降低了驱动车辆的功耗。从机车车辆中提取的运行数据的正确组合见证了年牵引力降低 20% | 日立 | 日本 |
| 交通部预计道路货运管理中的人工智能增强需求和预测模型 | 交通部 | 美国 |
| 尽管天气模式、交通模式、城市基础设施不统一，但仍能通过自动驾驶巴士按时交付人员和包裹 | —— | 芬兰、新加坡、中国 |
4.2.2 . 运输公司采用人工智能 根据[28]人工智能可能通过提供个人运动、偏好和目标的准确预测行为模型，对城市基础设施产生越来越大的积极影响。尽管人工智能在交通规划应用中的应用在最近变得很重要，但与数据相关的个人隐私和安全仍然令人担忧。由于这些道德考虑，政府和法律法规可能会决定该行业创新和采用的速度。在技术的许多方面缺乏道德共识的情况下，踏上AI旅程的各个组织必须考虑道德因素。尽管很少有组织使用机器来编写代码，但总的来说，人类仍在继续编写代码。由于这个因素，偏见、假设、看法可能会进入正在开发的算法中。组织必须自问：什么是合乎道德的 AI？治理和道德人工智能在哪里重叠？如何消除人工智能决策中的偏见？等[6]。由于这方面的原因，各个政府和城市公司对人工智能的采用存在差异。表 8给出了各种运输公司采用人工智能的情况及其好处。由于当地政府法规的影响，各个城市的采用情况似乎有所不同。
表8 运输公司采用人工智能
| 国家运输公司 | 人工智能应用 | 好处 |
| 马哈拉施特拉邦运输公司 | IVADO & Next AI 加拿大公司 | 为包括交通在内的各种项目建立人工智能集群——研发投资、交通技术 |
| Telangana运输公司 | 用于客户支持的聊天机器人 | 人工智能回答多个问题。疑难问题向上级反映 |
| 多伦多运输委员会 | 自驾中转班车 | 最初由人类司机监督。一项解决公共交通最后一英里连接问题的举措 |
| 法国国家铁路公司 | 过境乘客的聊天机器人 | 帮助旅行者计划他们的日常旅行并在不可避免的延误情况下穿越城市 |
| 迪拜道路和交通管理局 | 使用人工智能的智能和可持续交通——自动公交轨道控制系统、智能行人信号系统 | 监控公交车的状况——驾驶员疲劳、车辆监控摄像头提高公交车效率、分配行人信号交叉口的传感器 |
| 新加坡交通部 | nuTonomy – 一家与 Grab 合作开发自动驾驶出租车的自动驾驶汽车公司 | 自动驾驶公交车和货运车辆将对公共交通产生影响 |
| 伦敦交通 | Sopra Steria 提供对数据的访问 | 道路交通、公交车性能、天气和道路工程，以减少拥堵和道路管理 |
5 . 结论
本文汇总了 AI 构建ITS的能力和优势。该研究提出了一个包含 ITS 子系统的框架，这些子系统是根据其能力确定的。ITS 是识别运输行业潜在问题的重要工具之一，本研究为特定问题提出了解决方案。研究发现，机器学习算法主要用于预测交通拥堵和路线管理。一项针对采用人工智能克服交通问题的城市分析表明，大多数发达国家已经迅速采用了这些系统。这种采用需要相关公司和领导层的支持，因为它涉及最高管理层的投资和长期愿景。由于两个原因，一些组织和政府仍对采用犹豫不决——要么担心与人工智能采用相关的风险，要么在这些国家中采用技术能力较弱。据观察，发达国家正在采用与运输管理相关的技术。为了构建有效的 AI 应用程序，我们需要大量数据作为输入来处理文本、图像、视频和音频，以便做出适当的决定。该领域缺乏知识和人才仍然是推出适合该领域的更新解决方案的弱点。因此，人工智能在物流公司的应用成本大约是营业额的3-10%，这给采用人工智能造成了障碍。
人工智能应用引发了许多伦理、社会、经济和法律问题。数据驱动的基于人工智能的应用程序存在网络安全和数据隐私问题，尤其是在自动驾驶汽车中。当面对生命对生命的情况时，了解全自动车辆中的人工智能算法与人类相比如何做出决策至关重要。Eurobarometer对自动驾驶系统进行的一项调查发现受访者对自动驾驶汽车运输货物感到非常满意，而不是乘坐此类车辆本身（Niestadt、Debyser、Scordamaglia 和 Pape，运输中的人工智能，2019 年）。缺乏明确的政策、对采用新技术的抵制、缺乏道德法规的建立，使得人工智能解决方案对许多组织来说难以捉摸。总的来说，人工智能能够为人类提供更好的旅行体验。进一步研究的范围由于本研究的概念性质，它可能缺乏在不同场景中的应用的普遍性。未来可以根据从运输行业的利益相关者那里收集的原始数据进行影响研究。一些研究问题可能是：行为研究——乘客对乘坐自动驾驶汽车的偏好与人类驾驶汽车相比，自运输行业采用人工智能以来，事故数量是否减少了？人工智能在运输行业的实施是否为企业带来了更好的投资回报率？人工智能是否确保提高运输行业的效率？政府监管机构在运输行业部署各种人工智能解决方案的作用和意义是什么？
需查参考文献链接可去知乎同名号查询。
参考文献
[1]
R. Abduljabbar, H. Dia, S. Liyanage, S.A. BagloeeApplications of Artificial intelligence in transport: an overview
Sustainability, 11 (189) (2019), 10.3390/su11010189
Google Scholar
[2]
M.N. Ahangar, Q.Z. Ahmed, F.A. Khan, M. HafeezA Survey of autonomous vehicles: enabling communication technologies and challenges
Sensors, 21 (2021), p. 706, 10.3390/s21030706
Download PDFCrossRefGoogle Scholar
[3]
P.K. Agarwal*, J. Gurjar, A. Agarwal, R. BirlaApplication of Artificial intelligence for development of intelligent transport system in smart cities
Int. J. Transp. Eng. Traffic Syst., 1 (2015), pp. 20-30View Record in ScopusGoogle Scholar
[5]
H.E. B, N. H, Z. WSecurity of cooperative intelligent transport systems: standards, threats analysis and cryptographic countermeasures
Electronics (2015), pp. 380-423
Google Scholar
[6]Briggs, B., Henry, N., & Main, A. (2019). AI fueled organizations. Deloitte Consulting LLP. Retrieved October 31, 2019.
Google Scholar
[7]
B. Burmeister, A. Haddadi, G. MatlysisApplication of multi-agent systems in traffic and transportation
IEE Proc. Softw., 144 (1) (1997), pp. 51-60, 10.1049/ip-sen:19971023
View Record in ScopusGoogle Scholar
[8]
L. Chatterjee, C.m. TsaiTransportation Logistics in Global Value Supply Chains
Boston University. Center for Transporation Studies (2002)
Retrieved October 12, 2019
Google Scholar
[9]
C. Cheung, Y.L. Chan, K.S. Kwok, W.B. Lee, W.M WangA knowledge-based service automation system for service logistics
J. Manuf. Technol. Manag., 17 (6) (2006), pp. 750-771, 10.1108/17410380610678783CrossRefView Record in ScopusGoogle Scholar
[10]
M. Chowdhury, A.W. SadekAdvantages and limitations of artificial intelligence
Artificial Intelligence Applications to Critical Transportation Areas, 6-10, Transportation Research Board, Washington, United States (2012)
Retrieved October 24, 2019
Google Scholar
[11]
M. Chowdury, A. Sadek, Y. Ma, N. Kanhere, P. BhavsarApplications of Artificial intelligence paradigms to decision support in real-time traffic management
Transp. Res. Record J. Transp. Res. Board, 1968 (1) (2006), 10.1177/0361198106196800111
Google Scholar
[12]
R. Coppola, M. MorisioConnected car: technologies, issues and future trends
ACM Comput. Surv., 49 (3) (2016), 10.1145/2971482
Google Scholar
[13]
J.A. Cortes, M.A. Serna, R.A. GomezInformation systems applied to intelligent transport improvement
Dyna, 180 (2013), pp. 77-86
Retrieved June 7, 2021View Record in ScopusGoogle Scholar
[14]
C.Y. David Yang, DL. FisherSafety impacts and benefits of connected and automated vehicles: how real are they?
J. Intell. Transp. Syst., 25 (2) (2021), pp. 135-138, 10.1080/15472450.2021.1872143
Google Scholar
[15]
C. DiricanThe impacts of robotics, Artificial intelligence on business and economics
Proc. Soc. Behav. Sci., 195 (2015), pp. 564-573
doi:10.1016/j.sbspro.2015.06.134
ArticleDownload PDFView Record in ScopusGoogle Scholar
[16]emerj. (2019). https://emerj.com/ai-sector-overviews/ai-in-transportation-current-and-future-business-use-applications/. Retrieved October 20, 2019, from https://emerj.com/.
Google Scholar
[17]
F. Lindow, C. Kaiser, A. Kashevnik, A. StockerAI-based driving data analysis for behavior recognition in vehicle cabin
Proceedings of the 2020 27th Conference of Open Innovations Association (FRUCT) (2020), pp. 116-125, 10.23919/FRUCT49677.2020.9211020
CrossRefView Record in ScopusGoogle Scholar
[18]
D.J. Fagnanat, K. KockelmanPreparing a nation for autonomous vehicles: opportunities, barriers and policy recommendations
Transp. Res. Part A Policy Pract., 77 (2015), pp. 167-181
Retrieved November 28 2019
Google Scholar
[19]
B. Fildes, M. Keall, N. Bos, A. Lie, Y. Page, C. Pastor, C. TingvallEffectiveness of low speed autonomous emergency braking in real-world rear-end crashes
Accid. Anal. Prev., 81 (2015), pp. 24-29
Retrieved November 20, 2019
ArticleDownload PDFView Record in ScopusGoogle Scholar
[20]Gershgorn, D. (2018). Forget the space race, the AI race is just beginning. Quartz. World Economic Forum. Retrieved October 19, 2019.
Google Scholar
[21]
H. Anandakumar, R. Arulmurugan, A. RoshiniIntelligent vehicle system problems and future impacts for transport guidelines
Proceedings of the 2019 International Conference on Smart Systems and Inventive Technology (ICSSIT) (2019), pp. 1-5, 10.1109/ICSSIT46314.2019.8987831CrossRefGoogle Scholar
[22]
J.Z. Hernandez, S. Ossowski, A. Garcia-SerranoMultiagent architectures for intelligent traffic management systems
Transp. Res. Part C Emerg. Technol., 10 (5-6) (2002), pp. 473-506, 10.1016/S0968-090X(02)00032-3
ArticleDownload PDFView Record in ScopusGoogle Scholar
[23]
C. Herweijer8 ways AI can Help Save the Planet
January 24
World Economic Forum (2018)
Retrieved October 15, 2019
Google Scholar
[24]
G. Ho, C. MorletArtificial Intelligence in mass Public Transport. Centre for Transport Excellence
Land Transport Authority, Singapore: UITP. (2018)
Retrieved October 20, 2019
Google Scholar
[25]
J. Guerrero-Ibáñez, S. Zeadally, J. Contreras-CastilloSensor technologies for intelligent transportation systems
Sensors, 18 (4) (2018), p. 1212, 10.3390/s18041212
Download PDFCrossRefView Record in ScopusGoogle Scholar
[26]
P. JuchaUse of Artificial intelligence in last mile delivery
Proceedings of the SHS Web of Conferences, Zilina, Globalization and its Socio-Economic Consequences 2020 (2021), pp. 1-9
Retrieved July 9, 2021View Record in ScopusGoogle Scholar
[27]
A. Karageorgos, N. Mehandjiev, G. Weichhart, A. HämmerleAgent-based optimisation of logistics and production planning
Eng. Appl. Artif. Intell., 16 (4) (2003), pp. 335-348
Retrieved November 10, 2019
ArticleDownload PDFView Record in ScopusGoogle Scholar
[28]
M. Karlaftis, S.M. Easa, M.K. Jha, E.I. VlahoGianniDesign and construction of transportation infrastructure
Artificial Intelligence Applications to Critical Transportation Issues, Transportation Research Board, Washington, United States (2012), pp. 121-137
Retrieved October 21, 2019View Record in ScopusGoogle Scholar
[29]
O. KaternaIntelligent transport system: the problem of definition and formation of classification system
Econ. Anal., 29 (2) (2019), pp. 33-43
Download PDFCrossRefView Record in ScopusGoogle Scholar
[30]
Y. Kim, H. Oh, S. KangProof of concept of home IoT connected vehicles
Sensors, 17 (6) (2017), p. 1289, 10.3390/s17061289
Download PDFCrossRefView Record in ScopusGoogle Scholar
[31]
K. KosmaThe impact of artificial intelligence and space transporation on security
Biztonságpolitika, 11 (1) (2018), pp. 99-107
Retrieved October 19, 2019View Record in ScopusGoogle Scholar
[32]Krasadakis, G. (2018, January 24). https://medium.com/ideachain/artificial-intelligence-transportation-ea39d652618f. Retrieved October 31, 2019, from https://medium.com/.
Google Scholar
[33]Krma, E.V. (2009). Business intelligence in transporation logistics. Transport 2009. Sofia. Retrieved October 19, 2019.
Google Scholar
[34]
C. Lee, W. Ho, G. Ho, H. LauDesign and development of logistics workflow systems for demand management with RFID
Expert Syst. Appl., 38 (5) (2011), pp. 5428-5437, 10.1016/j.eswa.2010.10.012
ArticleDownload PDFView Record in ScopusGoogle Scholar
[35]
B.H. Li, B.C. Hou, W.T. YuApplications of Artificial intelligence in intelligent manufacturing: a review
Front. Inf. Technol. Electr. Eng., 18 (1) (2017), pp. 86-96, 10.1631/FITEE.1601885
Download PDFView Record in ScopusGoogle Scholar
[36]
T. LitmanAutonomous Vehicle Implementation Predictions
Victoria Transport Policy Institute, Victoria (2021)
Retrieved July 10, 2021
Google Scholar
[37]
H.B. Ly, L.M. Le, L.V. Phi, V.H. Phan, V.Q. Tran, B.T. Pham, T.T. Le, S. DerribleDevelopment of an AI model to measure traffic air pollution from multisensor and weather data
Sensors, 19 (22) (2019), p. 4941, 10.3390/s19224941
Download PDFCrossRefView Record in ScopusGoogle Scholar
[38]
M. Akhtar, S. MoridpourA review of traffic congestion prediction using artificial intelligence
J. Adv. Transp., 2021 (2021), p. 18, 10.1155/2021/8878011
Article ID 8878011pages
Google Scholar
[39]
E. Mangina, P.I. VlachosThe changing role of information technology in food and beverage logistics management: beverage network optimization using intelligent agent technology
J. Food Eng., 70 (3) (2005), pp. 403-420, 10.1016/j.jfoodeng.2004.02.044
ArticleDownload PDFView Record in ScopusGoogle Scholar
[40]
M. Guériau, R. Billot, N-EEl Faouzi, J. Monteil, F. Armetta, S. HassasHow to assess the benefits of connected vehicles? A simulation framework for the design of cooperative traffic management strategies
Transp. Res. Part C Emerg. Technol., 67 (2016), pp. 266-279, 10.1016/j.trc.2016.01.020
ISSN 0968-090X
ArticleDownload PDFView Record in ScopusGoogle Scholar
[41]Mire, S. (2019, September 30). https://www.disruptordaily.com/future-of-ai-transportation/. Retrieved October 19, 2019, from https://www.disruptordaily.com/.
Google Scholar
[42]
B.D. Muynck, B. Johns, O.S. DuranMagic Quadrant for Transportation Management Systems
Gartner (2019)
Retrieved June 7, 2021, from
https://www.gartner.com/doc/reprints?id=1-6FPGZY0&ct=190327&st=sb
Google Scholar
[43]Niestadt, M., Debyser, A., Scordamaglia, D., & Pape, M. (2019). Artificial intelligence in transport. European Parliamentary Research Service. European Parliament. Retrieved October 31, 2019.
Google Scholar
[44]
O.I. Olayode, L.K. Tartibu, M.O. OkwuApplication of artificial intelligence in traffic control system of non-autonomous vehicles at signalized road intersection
Proc. CIRP, 91 (2020), pp. 194-200, 10.1016/j.procir.2020.02.167
ISSN 2212-8271
ArticleDownload PDFView Record in ScopusGoogle Scholar
[45]
V. Ozdemir, N. HekimBirth of industry 5.0: making sense of big data with artificial intelligence, “The internet of things” and next-generation technology policy
OMICS A J. Integr. Biol., 22 (1) (2018), 10.1089/omi.2017.0194
Google Scholar
[46]
S.J. Park, S. Hong, D. Kim, I. Hussain, Y. SeoIntelligent in-car health monitoring system for elderly drivers in connected car: Volume VI: transport ergonomics and human factors (TEHF), aerospace human factors and ergonomics
Int. Ergon. Assoc., 20 (2019), pp. 40-44
Daejeon. Retrieved July 10, 2021CrossRefView Record in ScopusGoogle Scholar
[47]
I. PoolaHow Artificial intelligence is impacting real life every day
Int. J. Adv. Res. Dev., 2 (10) (2017), pp. 96-100
Retrieved October 12, 2019
Google Scholar
[48]
pwcArtificial Intelligence in India – Hype or Reality Impact of Artificial Intelligence across Industries and user Groups
PWC (2018)
Retrieved October 18, 2019
Google Scholar
[49]
Q. Li, H. Cheng, Y. Zhou, G. HuoRoad vehicle monitoring system based on intelligent visual internet of things
J. Sens., 2015 (2015), p. 16, 10.1155/2015/720308
Article ID 720308pages, 2015View Record in ScopusGoogle Scholar
[50]
S.G. RitchieA knowledge-based decision support architecture for advanced traffic management
Transp. Res. Part A Gen., 24 (1) (1990), pp. 27-37, 10.1016/0191-2607(90)90068-H
ArticleDownload PDFView Record in ScopusGoogle Scholar
[51]
D.A. RoozemondUsing autonomous intelligent agents for urban traffic control systems
Proceedings of the 6th World Congress on Intelligent Transport Systems (1999)
Retrieved November 24, 2019
Google Scholar
[52]
N. RychtyckyjIntelligent systems for manufacturing at ford motor company
IEEE Intell. Syst., 22 (1) (2007), pp. 16-19, 10.1109/MIS.2007.13CrossRefView Record in ScopusGoogle Scholar
[53]
N. Rychtyckyj, D.F. Oleg GusikhinIntelligent systems in the automotive industry: applications and trends
Knowl. Inf. Syst., 12 (2) (2007), pp. 147-168, 10.1007/s10115-006-0063-1
Google Scholar
[54]
A.W. SadekArtificial intelligence applications in transportation
Artificial intelligence in Transportation Information for Application, Transportation Research Board, Washington, United States (2007), pp. 1-6
Retrieved October 20, 2019View Record in ScopusGoogle Scholar
[55]
O.S. Abejide, J.A. Adedeji, M. Mostafa HassanIntelligent transportation system as an effective remedy to improve the public transportation in South Africa. Pretoria
Proceedings of the 37th Annual Southern African Transport Conference (2018)
Google Scholar
[56]
S.A. Shaheen, R. FinsonIntelligent transportation systems
Reference Module in Earth Systems and Environmental Sciences, Elsevier (2013), 10.1016/B978-0-12-409548-9.01108-8
11-Sep-13(7) (PDF) Intelligent Transportation Systems
Google Scholar
[57]siemens. (2019, September). https://new.siemens.com/global/en/products/mobility/road-solutions/digital-lab.html. Retrieved October 20, 2019, from https://new.siemens.com/.
Google Scholar
[58]
B. Standard5 ways NITI Aayog is using AI to change India
March 20
Business Standard, India (2018)
Google Scholar
[59]
D. Sustekova, Knutelska Dr.How is the Artificial intelligence used in applications for traffic management
Scientific Proceedings of the XXIII International Scientific Technical Conference “trans & MOTAUTO 15”, Zilina (2015), pp. 91-94
3Retrieved October 19, 2019View Record in ScopusGoogle Scholar
[60]
telegraSmart Traffic Management. Complete AI Based Traffic Management System
Zagreb, Croatia (2019)
Retrieved October 20, 2019
Google Scholar
[61]Transportation, U. D. (2019, September 23). https://www.transportation.gov/AI. Retrieved October 20, 2019, from https://www.transportation.gov.
Google Scholar
[62]
Y.Y. Tseng, W.L. Yue, M.A. TaylorThe role of transportation in logistics Chain
Proc. East. Asia Soc. Transp. Stud., 5 (2005), pp. 1657-1672
Adelaide. Retrieved October 21, 2019View Record in ScopusGoogle Scholar
[63]
K. WitkowskiInternet of things, big data, industry 4.0 – innovative solutions in logistics and supply chains management
Proc. Eng. (2017), pp. 763-769, 10.1016/j.proeng.2017.03.197
ArticleDownload PDFView Record in ScopusGoogle Scholar
[64]
S.P. Wood, J. Chang, T. Healy, J. WoodThe potential regulatory challenges of increasingly autonomous motor vehicles
Santa Clara Law Rev., 52 (2012), pp. 1423-1502
Retrieved November 15, 2019View Record in ScopusGoogle Scholar
[65]
Z. Xu, J. He, Z. ChenDesign and actualization of IoT-based intelligent logistics system
Proceedings of the 2012 IEEE International Conference on Industrial Engineering and Engineering Management (2012), 10.1109/IEEM.2012.6838146
Google Scholar
[66]
D.J. Yeong, G. Velasco-Hernandez, J. Barry, J. WalshSensor and sensor fusion technology in autonomous vehicles: a review
Sensors, 21 (2021), p. 2140, 10.3390/s21062140
Download PDFCrossRefGoogle Scholar
[67]
S. Zia, M. Naseem, I. Mala, J.A. MughalSmart traffic light system by using Artificial intelligence
Sindh Univ. Res. J., 50 (2018), pp. 639-646
Retrieved July 9, 2021View Record in ScopusGoogle Scholar
[68]
B. ZutiA Policy Perspective on the Future of Mobility and Regional Competitiveness
University of Szeged., Szeged, Hungary (2019), pp. 138-154
Retrieved October 12, 2019View Record in ScopusGoogle Scholar
by Lakshmi ShankarIyer