2024人工智能在交通领域的机遇与挑战（英）

该文档是美国交通部高级研究项目局 - 基础设施（ARPA-I）于 2024 年 12 月发布的关于人工智能（AI）在交通领域机遇与挑战的报告。

1. 背景与目的：2024 年 5 月，ARPA-I 依据总统行政命令发布了关于 AI 在交通领域的信息请求（RFI），旨在收集利益相关者对 AI 应用现状、机遇、挑战及相关问题的看法，以协助其履行职责并为未来研究和投资提供参考。

2. RFI 回复情况概述：共收到 112 份回复，其中 95 份被认定有效。回复者涵盖学术机构、联邦资助研发中心、企业、劳工组织、非营利组织和公共部门等，多数来自企业。多数回复围绕安全、数字基础设施、气候与韧性等主题，且多涉及当前 AI 应用、机遇和挑战等关键问题。

3. 当前 AI 应用

• 自动驾驶车辆：AI 支持从辅助驾驶到全自动驾驶的一系列技术，如转向、停车和加速自动化，当前研究聚焦于提升车辆自动化水平。

• 公交运营：计算机视觉用于公交专用道执法和车辆类型及流量估计，大型语言模型用于优化调度和预测性维护。

• 道路交通运营与安全：预测分析和计算机视觉技术用于优化交通流量、减少拥堵和事故、检测道路危险和违规行为，部分项目利用天气数据和 AI 辅助军事基地交通决策。

• 停车管理：智能停车系统提供实时车位信息，减少搜索时间和排放，部分城市用 AI 管理停车以缓解拥堵。

• 道路资产监测：AI 结合传感器和计算机视觉监测道路资产状况，多模态语言模型助力基础设施维护，相比手动监测更高效。

• 航空旅行与机场应用：涵盖无人机视觉应用、航班调度优化、机场内交通管理、安全监测和无人机配送等，航空业在探索 AI 与传统技术融合以提升安全性。

AI 机遇

• 自动驾驶车辆：未来有望减少事故、缓解拥堵、提高物流效率和改善特殊人群出行，车辆间通信和国家模拟框架可促进其发展。

• 计算机视觉与资产管理：AI 可实现交通资产视频分析自动化，实时监测资产状况和预测维护需求，提升基础设施管理效率。

• 物流、规划与项目交付：AI 分析历史数据可改善项目时间和成本估算，激光雷达等技术提高施工安全和效率，助力交通规划应对环境挑战。

• 安全改进：生成式 AI 辅助工程师解读数据，多种工具和技术可提升道路安全，如应急响应路径优化、剑桥顾问提出的 “安全监督者” 系统等。

• 无障碍性：AI 技术为残疾人群体提供便利，如辅助出行规划、识别行人等，相关组织还提出针对视障和轮椅使用者的改进建议。

• 网络安全机遇：部分企业提出利用 AI 增强交通系统网络安全，如车辆及基础设施的自主防御，但当前研究多关注系统自身安全而非异常检测。

• 空中交通应用：AI 可减轻空中交通管制员工作负荷、优化流量管理，先进空中交通概念设想了 AI 在未来城市空中交通中的作用。

AI 挑战

• 数据隐私与无偏性：数据量、多样性和管理面临挑战，需遵守隐私法并避免数据偏见，同时应对机器学习模型的概念漂移。

• 监管考量：平衡创新与安全需要监管监督，随着 AI 发展需调整和制定法规，确保合理监管。

• 网络安全挑战：AI 应用中的网络安全是关键问题，包括数据安全和 AI 软件及模型的安全风险，需开发新管理方法。

• AI 保证：需构建通用信任框架评估和确保 AI 系统，软件公司致力于开发相关助手，信任框架涵盖可解释性、测试验证和数据可靠性等方面。

• 与遗留系统集成：现有交通基础设施未考虑 AI 集成，数据质量和基础设施改造是难题，需改进数字基础设施。

• 公众认知与信任：公众对 AI 缺乏了解，企业信息不透明导致信任问题，公众担忧工作替代，影响 AI 在交通领域的推广。

• 劳动力替代与演变：自动化可能引发失业和再培训需求，安全关键领域的技术错误引发关注，企业与工会合作应对。

• AI 模型可解释性、可解释性和评估：AI 模型难以理解和解释，缺乏统一框架影响评估和信任，导致公众怀疑。

• 法律问题：交通法规复杂，AI 融入需谨慎考虑法律问题，包括责任界定和法规协调，DOT 需参与制定规则。

• 偏见与公平问题：数据存在固有偏见，使用时需避免强化社会偏见，确保 AI 服务多样化人群，尤其关注弱势群体。

自主移动生态系统

• 机遇：AI 可提升安全性、优化路线、增加特殊人群出行便利性、辅助车辆维护和道路系统升级。

• 挑战：主要是政策和监管障碍，如数据隐私担忧、联邦指导缺失、AV 特定法规需求等。

• 风险：包括网络安全、工作替代和安全风险，如系统被黑客攻击、自动化对人员和社区的影响、自动驾驶系统可靠性等。

其他考虑因素：涉及员工培训、AI 设计材料和结构、模拟改进、测试和研发投资等方面，如利用 AI 培训员工、开发智能材料、改进交通模拟、建设测试平台和举办创新竞赛等。

关键要点：AI 已在交通多领域应用并推动变革，但完全融入面临诸多挑战。受访者建议 ARPA-I 和 DOT 积极应对，在安全和创新方面保持沟通，投资相关技术和工具研发，推动 AI 可信应用，以实现交通系统的高效、安全和可持续发展。

2024人工智能在交通领域的机遇与挑战（英）