AIと機械学習が交通をどのように変えているのか

人工知能 (AI) と機械学習が現代生活を改善すると期待される多くの方法の中でも、公共交通機関に影響を及ぼす可能性は大きい。世界はパンデミックが始まったときとは大きく異なり、世界中の人々が仕事、レジャー、その他の活動のために再び旅行や交通システムを利用しています。

米国全土において、バス、地下鉄、自家用車などの従来の公共交通機関は、交通渋滞、乗客数、混雑に悩まされてきました。しかし、これらの障害を軽減するために、クラウドベースのプラットフォーム上に構築された高度な AI および機械学習ソリューションが導入されています。

人工知能がもたらす交通機会

輸送は現代の人工知能の最も重要な分野の 1 つであり、従来の輸送システム技術で使用される従来のアルゴリズムに比べて大きな利点があります。

人工知能は、今日の最も混雑する道路や大通りの多くで交通の流れを合理化し、混雑を軽減することを約束します。スマート信号システムとそれが動作するクラウド テクノロジー プラットフォームは、交通をより効率的に管理および予測するように設計されており、都市自体のコストを大幅に削減できるだけでなく、個人の効率も向上します。今日の AI と機械学習は、非常に複雑なデータと交通傾向を処理し、特定の交通状況に基づいてドライバーに最適なルートをリアルタイムで提案することができます。

処理能力の大幅な向上により、交通システム技術は、過去半世紀にわたって従来のデータセンターで行われてきたリアルタイムの画像認識と予測を実現するために、さまざまな IoT (Internet of Things) デバイスで使用されるようになりました。この新しい分散化中心のアーキテクチャは、機械学習と人工知能の実装の向上に役立ちます。今日の認識アルゴリズムは、密度、交通量、全体的なフローミックスをより深く理解できるようにします。さらに、これらの最適化されたアルゴリズムは、地域別にデータ ポイントを利用できるため、トラフィックの問題を軽減し、トラフィックをより最適に再分配する合理化されたパターンが得られます。自治体の交通システムは、従来のハブアンドスポーク システムで実証されているように、より耐障害性の高い制御システムによって、より優れた意思決定力を獲得できます。

人工知能はすでに交通システムに影響を与えている

これらの技術は全国に導入されています。たとえば、サンタクララバレー交通局 (VTA) はサンノゼ市と提携して、既存のバス車両追跡センサーと市の通信ネットワークを活用して交通信号の位相とタイミングを動的に調整し、バスに十分な青時間を提供しながら、交差交通への影響を最小限に抑えるクラウドベースの AI 駆動型交通信号優先 (TSP) システムを試験的に導入しています。

新しいプラットフォームは既存のインフラストラクチャを活用するため、交通信号キャビネットやバスに追加のハードウェアを設置する必要はありません。従来の位置情報に基づくチェックインおよびチェックアウト TSP ソリューションとは異なり、このプラットフォームは機械学習モデルを通じてバスの位置情報のリアルタイム処理を行い、到着予定時刻に基づいて優先呼び出しを行います。現在までに、このプラットフォームにより、VTA ルート 77 の移動時間が全体で 18 ～ 20 パーセント短縮され、信号遅延が 5 ～ 6 分短縮されたことになります。

クラウドベースの交通信号優先システムは、資産管理と自動化を 1 つのシステムに統合し、地域全体にサービスを提供します。ハードウェアベースのシステムとは異なり、このプラットフォームは既存の機器を使用し、クラウド テクノロジーを活用して運用を容易にします。これにより、CAD/AVL システムを通じて車両の位置がわかるため、交差点での車両検出ハードウェアが不要になります。これにより、信号から離れた場所でも、信号グループ間でも優先呼び出しが可能になります。さらに、このシステムは、現在どのバスが優先されているかをリアルタイムで把握し、毎日のパフォーマンス指標レポートを提供します。

現在利用可能な高度な交通信号優先システムは、交通キャビネット内に 1 つ、車両上に 1 つの 2 つの部分で構成されています。送信優先順位ロジックは、検出および通信媒体に関係なく同じです。車両が事前に決められた境界内にある場合、システムは信号制御装置に優先順位付けの要求を送信します。元のシステムでは固定の検出ポイントが使用されていたため、信号制御装置は静的な推定移動時間で構成されていました。移動時間はさまざまな環境要因に依存するため、業界では GPS ベースの無線通信システムを導入しています。このアプローチを使用すると、検出エリア内で見つかった車両が静的検出ポイントに置き換えられ、車両の速度を使用して到着時刻が決定されます。

このプラットフォームにより、各都市は現在のインフラ投資を基にして市全体に TSP を展開できるようになります。信号機への安全な接続を実現するために、各都市に必要なのは、都市の信号機とプラットフォーム間の保護されたリンクとして機能する「エッジ」に配置されたコンピューターという 1 つのデバイスだけです。信号機とクラウド プラットフォーム間の情報交換を安全に管理するように設計されています。これは必要な唯一の追加ハードウェアであり、既存の都市ネットワーク構成に応じて、プラットフォームは車両データを直接受信するか、安全な接続を使用して都市ネットワーク経由で受信できます。

トラフィックの優先順位付けの複雑なプロセス

信号機への優先呼び出しを行うシステムの方法はより複雑であり、固定された場所に限定されません。事前にプログラムされた到着時間で特定の場所にバスを検出することから始まる現在の最先端の優先呼び出しとは異なり、このプラットフォームは「ベクトル化」アプローチを使用します。数学では、ベクトルは大きさと方向を表す矢印です。このプラットフォームのソフトウェアでは、矢印は信号の方向を指し、サイズは移動時間を表します。

システムが構築されると、交通信号、バス路線、バス停がこのベクトル上にデジタルで表現されます。これにより、最終的にデジタル地理空間マップが生成され、ソフトウェアはバス路線に沿ったバスの進行状況を追跡できるようになります。これにより、場所に関係なく転送コールを動的に行うことができるシステムが実現します。代わりに、システムは予想到着時間に基づいて正確な優先呼び出しを行います。これは、すべての信号コントローラ ベンダーによってサポートされるすべての TSP 登録呼び出しの基礎となります。追跡アルゴリズムの性質上、ETA の大幅な変更は調整される可能性があります。たとえば、バスがバス停をスキップすると予測されたが実際にはスキップしなかった場合、システムはこの変化を検出し、それに応じて優先呼び出しを調整します。

人工知能、機械学習、クラウドベースのテクノロジーの組み合わせは、既存の公共交通システムを改善するだけでなく、全体を再構築する大きな可能性を秘めています。この高度なテクノロジーは、リアルタイム データに基づいて GPS、ナビゲーション アプリ、コネクテッド カー、さらにはタクシーやライド シェア サービス間の連携を改善し、効率的に単一の交通機関に統合できることをすでに実証しています。

近い将来、コネクテッドな自動運転車やトラックが道路や高速道路でより一般的になり、AI によって急速な移動の所要時間とリスクを削減できる可能性が高まると予想されます。