XiaoMi-AI文件搜索系统
World File Search System交通运输
探索交通运输领域的人工智能应用
AI 是一种元方法，它超越了方法的层次结构，利用底层所需的专业知识，不断创新，直到方法从可行性转变为自我生成和自我定义的失败，从而实现持续和持久的进步。（Pinto 等人，2021 年）在交通运输方面，这些方法的目标与效用、安全性、正确位置或公平位置有关。然而，AI 的工作涵盖了各种目标、目标和次优化要求，以提供可靠的当前状态决策并设想未来的方向。这项工作的主要主题是让交通研究界更广泛地了解 AI 工具可以在研究领域开辟的道路。要做到这一点，必须关注当前正在使用的几个原则，并允许相对容易地探索它们在交通研究领域的大部分领域的适用性。在下一节中，我们将详细讨论 AI 可用的工具，这些工具在交通研究中具有良好的互补性。
RFI 回应：人工智能 (AI) 在交通运输领域的机遇与挑战
• 数据管理和规则：交通运输正在发生变化，车辆、网络所有者和运营商以及旅行者生成和使用的数据也在发生变化。美国交通部在支持数据标准化方面发挥着关键作用，这将使人工智能能够提取和分析大量不同的数据源，以帮助确保在地方和城市层面收集的数据可以整合起来用于州和联邦规划。最终，这些数据可能会影响投资和政策决策（例如，从燃油税转变为基于车辆行驶里程的用户收费）。• 赠款管理：人工智能将有助于评估赠款申请，并监控受助者如何在道路、铁路、交通系统、电动汽车充电站等基础设施上花费资金。这使得向立法者提供全面报告成为可能，并确保资金得到合理使用。人工智能也越来越多地用于准备赠款申请，并有可能减轻赠款申请人的负担。• 网络安全：当前保护复杂、多样化的数字系统免受网络威胁的方法是不可持续的。人工智能可以自动检测网络威胁，减少网络安全专业人员的监控功能，让他们有时间根据趋势和异常采取行动。 • 安全性增强：扩展的计算能力现在允许创建数字孪生环境，在这些环境中可以使用 AI 来模拟和评估新政策和新技术，然后再实施。AI 使 USDOT 能够跟上评估现有和新兴运输技术（包括自动驾驶系统、电动和无人机 (UAV)）的安全性和效率问题的步伐。• 商业韧性：最近的运输事件（殖民地管道、港口积压、东巴勒斯坦、俄亥俄州火车脱轨和弗朗西斯·斯科特基大桥倒塌）凸显了中断对关键供应链的巨大影响。AI 可以提供更好的态势感知，从而可以更好地预测、避免和实时分析事件，以帮助最大限度地减少港口堵塞和基础设施故障等商业中断。
问题 1：当前交通运输领域的人工智能应用
• GenAI 是一种支持技术，用于查询和分析交通规划和运营中的大量数据集。交通运营和规划一直在收集数据，而 GenAI 可以减少从这些数据中获取见解的障碍。 • 交通分析可确保公平分配服务并确定服务不足的地区（公平、经济） • 主动事件管理可以使用人工智能根据条件预测事件可能发生的地点，并预防或缓解这些潜在事件。 • 扩大使用无人机和闭路电视监控基础设施的安全保障，在问题发生之前优先升级基础设施。（安全、经济） • 分析人口统计数据和道路/交通使用情况，以确保基础设施投资公平且有影响力。（公平、经济） • 利用人工智能分析公众意见，以收集社区对基础设施规划的意见（公平、经济）
2024 年海上安全战略 - 交通运输部
7.数字反映截至 2022 年 3 月的一年。来源：新西兰统计局，2024 年 3 月 4 日发布。 https://www.stats.govt.nz/information-releases/environmental-economic-accounts-data-to-2022/ 8.有关讨论，请参阅 Clough, P., & Bealing, M. (2018)。非价值有什么用？非使用价值和投资声明。向财政部报告。https://www.treasury.govt.nz/sites/default/files/2018-08/LSF-whats-the-use-of-non-use-values.pdf 9.定义取自 Yeoman, R., Fairgray, D., & Lin, B.(2019)。衡量新西兰的蓝色经济。为可持续海洋和奥克兰大学准备的报告。https://www.sustainableseaschallenge.co.nz/assets/dms/Measuring-New-Zealands-blue-economy/ Measuring20New20Zelands20Blue20Economy202019_Final.pdf 10.数字反映截至 2023 年 6 月的一年。来源：海外货运统计，新西兰统计局。https://infoshare.stats.govt.nz/infoshare/
威斯康星州交通运输部
参会人员 WisDOT 成员： ☐ Barry Paye – BTS 主任 ☒ Erik Lyngdal – BTS 首席材料工程师 ☒ Tirupan Mandal – BTS 混凝土材料部门主管 ☒ Adam Albers – BTS 材料实验室工程师 ☒ Dan Reid – BTS 地质学家 ☒ Josh Seaman – BTS 骨料专家 ☒ Mark Kray – BTS 土壤和骨料专家 ☒ Aleksandra Graff – BTS 混凝土工程师 ☒ Adam Johnson – BTS IA 项目协调员 ☒ Craig Smits – NCR TSS 首席 ☒ Rebecca Rooyakkers – NER TSS 主管 ☐ Andrew Zimmer – SER TSS 主管 ☒ Jeff Bruesewitz – SE Freeways IA 专家/巨型材料工程师 ☒ Greg Brecka – SWR PDS 项目经理 ☒ Jaime Cynor – NER 混凝土和骨料IA/QMP 协调员 ☒ Orville King – NWR 材料工程师 ☐ Keena Spencer-Dobson – NWR 材料工程师 ☒ Wayne Chase – BPD 地方计划和建设项目监督部门
![为了有效解决人类所面临的日益复杂的问题，最新的发展趋势是应用大量不同类型的传感器收集数据，从而基于深度学习和人工智能建立有效的解决方案[1-4]。这不仅对传感器产生了巨大的需求，带来了商机，也为传感器设备及其相关应用的开发带来了新的挑战[5,6]。这些将人工智能与传感器相结合的技术发展正被积极地应用于医疗保健、制造业、农业和渔业、交通运输、建筑、环境监测等各个应用领域。例如，在环境监测方面，集成深度学习和人工智能算法的传感器能够快速分析大量数据集，实时识别模式、异常和趋势[7,8]。以天气预报为例，由人工智能驱动的传感器可以从卫星、气象站和无人机等各种来源收集数据，从而更精确地预测天气模式。通过深度学习模型，传感器可以动态调整和整合新数据，从而随着时间的推移提高预测准确性。此外，在工业环境中，通过人工智能增强的传感器在监控设备健康状况、预测潜在故障和安排维护方面发挥着优化制造运营的关键作用。](/simg/f/f35968dfeaed06f5c0286399ab4f1fb8e15e2e87.png)
为了有效解决人类所面临的日益复杂的问题，最新的发展趋势是应用大量不同类型的传感器收集数据，从而基于深度学习和人工智能建立有效的解决方案[1-4]。这不仅对传感器产生了巨大的需求，带来了商机，也为传感器设备及其相关应用的开发带来了新的挑战[5,6]。这些将人工智能与传感器相结合的技术发展正被积极地应用于医疗保健、制造业、农业和渔业、交通运输、建筑、环境监测等各个应用领域。例如，在环境监测方面，集成深度学习和人工智能算法的传感器能够快速分析大量数据集，实时识别模式、异常和趋势[7,8]。以天气预报为例，由人工智能驱动的传感器可以从卫星、气象站和无人机等各种来源收集数据，从而更精确地预测天气模式。通过深度学习模型，传感器可以动态调整和整合新数据，从而随着时间的推移提高预测准确性。此外，在工业环境中，通过人工智能增强的传感器在监控设备健康状况、预测潜在故障和安排维护方面发挥着优化制造运营的关键作用。
为了有效解决人类所面临的日益复杂的问题，最新的发展趋势是应用大量不同类型的传感器来收集数据，以便建立基于深度学习和人工智能的有效解决方案[1-4]。这不仅对传感器产生了巨大的需求，提供了商业机会，也为传感器设备及其相关应用的开发带来了新的挑战[5,6]。这些将人工智能与传感器相结合的技术发展正被积极地应用于医疗保健、制造业、农业和渔业、交通运输、建筑、环境监测等各个应用领域。例如，在环境监测中，集成了深度学习和人工智能算法的传感器能够快速分析大量数据集，实时识别模式、异常和趋势[7,8]。以天气预报为例，人工智能驱动的传感器可以从卫星、气象站和无人机等各种来源收集数据，从而更精确地预测天气模式。通过深度学习模型，传感器可以动态调整和整合新数据，从而随着时间的推移提高其预测准确性。此外，在工业环境中，人工智能增强的传感器在优化制造运营方面发挥着至关重要的作用，可以监测设备健康状况、预测潜在故障并提前安排维护 [ 9 – 12 ]。这种方法减少了运营停机时间并提高了整体效率。在此背景下，“传感器和应用中的人工智能和深度学习”特刊收集了关于人工智能（特别是深度学习）和传感器技术在各个领域的新发展的高质量原创贡献，以及分享想法、设计、数据驱动的应用程序以及生产和部署经验和挑战。本期特刊征文主题包括制造、机械和半导体的应用和传感器；建筑、施工、楼宇、电子学习的智能应用和传感器；推荐系统；自动驾驶汽车、交通监控和运输的应用和传感器；物体识别、图像分类、物体检测、语音处理、人类行为分析；以及其他相关传感应用 [ 13 , 14 ]。
2024 ITE发展趋势：人工智能在交通运输中的应用
人工智能：万能药还是潘多拉魔盒？规划一条负责任的前进之路 人工智能 (AI) 可能是我们这个时代最重要的技术。随着这项技术的不断进步，交通运输行业将从利用人工智能创新、增强和优化行业的各个方面（包括教育、研究、规划、设计、运营和维护）中获得巨大收益。人工智能的快速发展正在深刻地重塑我们的社会格局，影响从工业到商业再到日常生活等各个领域。在交通运输领域，2024 年 ITE 虚拟春季会议上分享的见解强调了人工智能正在彻底改变传统实践的重要方式。除了通过数据驱动的洞察力提高运营效率之外，交通运输专业人士还利用人工智能来改进可视化效果、促进更清晰的沟通和简化流程，从而提高整体效率。然而，一个关键的要点是谨慎使用人工智能工具。虽然人工智能工具功能强大，但它们的输出可能包含错误信息、偏见甚至有害内容。谨慎使用它们并注意它们的局限性。必须注意的是，人工智能的概念范围很广，不断发展，有时甚至令人困惑。虽然定义可能有所不同，但人工智能通常涉及计算系统的编程，以执行需要类似人类认知能力的任务。数学理论、计算能力的创新以及前所未有的丰富数据促进了人工智能应用能够在专业领域与人类能力相媲美或超越人类的能力。本文探讨了人工智能技术的发展，深入研究了其在交通领域的具体应用。此外，我们研究了人工智能工具对 ITE 成员的意义，并在最后呼吁采取行动——概述了 ITE 理事会如何指导负责任和有影响力地使用人工智能来塑造我们行业的未来。
交通运输中的人工智能
威斯康星州交通部 (WisDOT) 致力于探索和实施新兴技术，以最好地提供安全可靠的交通系统。该部门目前正在研究是否以及如何利用人工智能 (AI) 来进一步实现 WisDOT 的战略目标。该项目将确定 AI 在同行州交通部门中的当前“实践状态”。为了确定 AI 如何能够最好地支持 WisDOT 实现提供安全可靠的交通系统的使命，WisDOT 正在寻求了解 AI 对交通系统维护和使用的影响。该项目应描述数据维护和安全的潜在好处和可能的风险。
交通运输部门的气候融资……
根据 BUR-3，2018-2030 年期间缓解行动的资金需求为 4.002,44 万亿印尼盾，平均每年 307,88 万亿印尼盾。同时，2018-2022 年期间国家预算（缓解行动和共同效益）的缓解资金总额为 217,83 万亿印尼盾，平均每年 43,57 万亿印尼盾。因此，到目前为止，国家预算只能满足年度缓解资金需求的约 14%。