1 . 先容

技能过去一贯是企业的问题办理者。
无论是零售、银行、保险、医疗保健乃至体育。
个中一些办理方案通过降落运营本钱、提高效率和提高效率改变了企业的运营办法。
即将成功履行最新技能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干系的问题的困扰，这些问题导致经济丢失。

运输业一贯是不同地理区域职员和货色流动的紧张贡献者。
它在货色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浸染。
该行业在将货色在物流链中的精确韶光移动到精确地点的过程中发挥着关键浸染。
为了从商业投资中得到全部收益，政府和组织利用了机器学习、人工智能、物联网等技能。

1.1 . 人工智能（AI）

人工智能(AI)是打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实行人类认知功能的能力。
AI一词最初是由打算机科学家John McCarthy在1956年创造的。
由于通过各种设备天生的大量数据的可用性，以及高效硬件、软件和网络根本举动步伐的可用性，这个已有60年历史的观点最近引起了热议。
人工智能的涌现使流程自动化成为可能，从而产生创新的业务办理方案[47]。
AI供应可靠且具有本钱效益的办理方案，同时办理决策过程中的不愿定性。
由于流程自动化，高等算法处理繁芜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办理景象变革和水问题的办理方案供应商。
这些能力帮助政府培植可持续城市，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天下。
普华永道的一份报告估计，到2030年，人工智能将为天下经济贡献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干系的研究；而在中国，政府供应资金和技能来利用人工智能的潜力。
中国操持到2030年至少投资70亿美元。
加拿大和英国通过宣告为私人和公共人工智能企业供应资金的交易，加大了对技能的投资[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。
该国操持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，紧张用于军事领域。

1.2 . 人工智能和交通

环球大多数大城市都面临与运输、交通和物流干系的问题。
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，技能可以供应巨大的支持。
随着城市地区陷入交通拥堵的困境，人工智能办理方案涌如今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操持中按需利用移动性。
基于人工智能的决策、交通管理、路径方案、交通网络做事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]。
人工智能被天下经济论坛视为新兴技能之一。
支持运输的AI方法包括人工神经网络(ANN)、遗传算法(GA)、仿照退火(SA)、模糊逻辑模型(FLM)和蚁群优化器(ACO)。
在交通管理中支配这些技能的目的是缓解拥堵，使通勤者的出行韶光更加可靠，并提高全体系统的经济性和生产力[1]。

通过技能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]提出了三个不雅观点。

评估准确的预测和检测模型，旨在预测交通量、交通状况和事件；通过探索人工智能的各种运用，公共交通作为一种可持续的出行办法；联网车辆旨在通过减少高速公路上的事件数量来提高生产力[40]。

已经在环球范围内进行了几项研究，以办理与运输行业有关的问题。
在该行业人工智能技能支持下的研究成果为这一主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能设备的激增，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代价。
交通运输业是城市培植的生命线，在数据天生和利用方面不能掉队。
该部门在城市发展中发挥着重要浸染，由于它会影响职员、流程和利润。
为了实现数据天生，汽车制造商一贯积极主动地制造可以安装在车辆上的设备，用于运送人和货色。
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利用各种运用程序天生的数据进行实时决策。
近年来，与交通和技能有关的各种创新运用正在培植中。
运用程序开拓职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，以衡量与运输行业干系的办理方案的结果。

运输管理系统(TMS)属于运输管理领域，详细涉及运输业务。
这些系统的目标是利用数据建立有效的路线方案、负载优化、提高灵巧性和透明度。
根据 Gartner，该领域估量将快速增长[42]。
城市的交通计策与信息系统干系联，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，由于智能技能的涌现，各种物流、路线、舆图和方案的信息系统正在开拓中。
这些系统供应了更好的数据处理能力，以更好地方案运输过程，从而实现智能运输系统(ITS)[13]。

从用户和车辆天生的数据用于构建高效的ITS。
由于跨车辆、城市根本举动步伐和其他干系活动的信息获取、交流和集成，将ITS构建到交通系统中确保了性能的提高。
据不雅观察，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、城市根本举动步伐和其他干系活动的信息获取、交流和集成，确保了性能的提高。
据不雅观察，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。
采取基于桌面的方法来整理人工智能技能，以办理交通畅业问题，构建可持续的交通系统。
识别和谈论了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运用。
数据来自研究论文、政府报告、期刊文章和咨询机构的报告。
早期研究中采取的一些框架被认为是当前研究中确认子系统的基准。
这项事情将帮助企业和政府采取这些技能，并根据给定的场景构建干系的办理方案。

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由试验和采取，证明了这个市场正在上升的事实。
随着与人工智能干系的技能进步，交通运输业向在车辆上嵌入方便用户利用的设备的方向发展。
这导致了利用设备天生的数据建立ITS。

当前形式的人工智能能够办理实时运输中的问题，从而管理物流系统和货运的设计、运营、韶光表和管理。
其他一些运用包括旅行需求剖析、交通组织、行人和群体行为剖析。
AI 技能许可将这些运用程序用于全体运输管理——车辆、驾驶员、根本举动步伐以及这些组件动态供应运输做事的办法[59]。
在难以完备理解交通系统特色之间繁芜关系的领域，人工智能方法供应了智能办理方案[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干系的重大寻衅。
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操持，并在这些领域取得了相称大的进步。

国际公共交通协会 (UITP) 和陆地运输管理局 (LTA) 联合帮助的一项名为“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运用 [ 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若何。
咨询公司普华永道进行了一项全国性调查，以通过在线模式理解人工智能对金融做事、技能和制造等广泛领域的决策者和雇员的影响。
研究创造，青少年对交通干系技能的适应性更强[48]。

早期采取者和进步的公共交通利益干系者估量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、方法和技能发挥浸染，表现出逻辑推理、办理问题和学习的能力。
人工智能可以基于硬件（机器人）或软件干系（谷歌舆图）。
数据驱动的人工智能将机器学习技能与用于搜索和剖析大量数据的技能相结合。
人工智能有助于创造市场趋势、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、并剖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运用和做事是实现供应最佳移动性愿景的紧张基石。
为了在城市中建立有效和高效的移动生态系统，须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，须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运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

掌握功能

旗子暗记掌握，动态路线勾引

模式识别

用于道路或桥梁交通数据网络和裂痕识别的自动事宜检测、图像处理

聚类

根据行为识别特定类别的驾驶员

方案

基于人工智能的交通方案决策支持系统

优化

设计最佳交通网络，制订掩护路面网络的最佳事情操持，制订一组交通信号的最佳配时操持

改编自（Sadek，交通运输中的人工智能运用，2007）[54]

[50]的研究重点是智能车辆道路系统的监测、掌握和管理的前辈系统。
这里谈论的是繁芜网络中的非重复拥塞。
该研究提出了一种基于人工智能的办理方案，在主干道交通管理中采取多个实时知识干系专家系统。
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繁芜仿真模型的评估。
[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)的掌握系统监测交通、道路事件和其他运输活动。
文章[22]比较了支配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供应决策支持。

[51]研究磋商了自主智能代理在城市交通掌握 (UTC) 中的适用性。
该研究提出的系统可以为动态环境设计、履行、优化和调度折衷UTC。
该模型可运用于多个交通信令智能交叉口。
这些代理能够相应实时交通状况，并保持其稳定性和完全性。

与自动驾驶汽车 (AV) 干系的技能有可能影响车辆安全和出行行为。
它们确保减少旅行韶光并提高燃油效率。
目前，这些技能已经成为颠覆性的，为交通系统带来了巨大的好处。
然而，与更大群体的采取和高昂的采取成本相关的寻衅仍旧存在。
政府在任务、安全和数据隐私方面的法规不愿定，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创造，采取该技能的车辆可将追尾事件减少约38%[19]。
在目前的情形下，交通的紧张问题是拥堵、安全、污染和对流动性的需求增加。
办理所有这些寻衅的潜在办理方案之一可能是自动驾驶汽车[36]。
这些车辆通过传感器技能 [ 25 ] 和连接办理方案[68]从其物理和数字环境中网络数据。

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根本举动步伐进行通信。
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宜检测和识别路面或桥梁构造中的裂痕。
聚类技能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运用，2007）[ 54 ]。

文章[35]提出了利用技能制造车辆的新模型、方法和形式。
这导致了在汽车制造中采取技能来构建智能汽车。
该研究谈论了人工智能技能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，为组织供应竞争上风。
该研究侧重于制造智能系统的流程方案和支配（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能的最初演示可以追溯到1939 年。
Google公司开拓的大多数自动驾驶汽车都依赖于自己开拓的摄像机、雷达传感器、激光测距仪和舆图。
自动驾驶汽车不仅会影响单个公司的运作，还会影响国家和天下经济[63]。

由于与不同利益干系者的网络能力，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能的运用来利用天生的数据才是得当的。
通过仿照[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。
极度的自动化可能会导致机器涌现漏洞。
这些综合智能系统随意马虎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“家当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，由于它供应了分离的物流活动之间的联系。
物流的改进对整体业务的贡献是由于技能的影响。
该研究旨在帮助物流管理职员、研究职员和运输方案职员定义和理解物流的基本不雅观点及其各种运用以及物流与运输之间的关系。
物流不仅限于货色跨空间移动以及减少供应链中的韶光和本钱。
它的范围扩大了，也成为计策管理的一部分。
因此，将核心业务信息系统与一套当代剖析和人工智能工具相结合，从各个来源创造干系知识是非常主要的。
这有助于管理不愿定性和得到竞争上风[33]。

研究[9]结合各种人工智能技能实现四个视角，即——知识获取、做事物流、做事自动化和绩效衡量。
交通在构建相应式物流信息系统方面发挥着更大的浸染；因此，机器学习观点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浸染。
运输功能发生了却构性变革，影响了运输物流的演进[8]。
一方面，由于采取了人工智能，道路上的事件和去世亡人数可能会大幅减少;另一方面，我们可以预见到技能性失落业[32]。

通过对办理交通问题的运用的详细背景研究，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浸染。
目前的研究试图代表人工智能的各种观点和运用的发展，ITS作为TMS的一部分。
在各种可用的运用中，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的浸染和相应的成效将在第3节中谈论。
此外，第4节谈论了天下各国交通运输业干系问题的人工智能办理方案。
结论部分整理了通过人工智能履行交通运输业面临的各种寻衅和建议。

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。
目前的研究磋商了在不同国家支配的交通运输行业的ITS运用。

作为经济生命线的运输业彷佛正在努力办理环球范围内的各种运营问题。
与运输业干系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，它可以利用各种技能来战胜运输问题的系统。
TMS 帮助企业操持、实行和优化货色的物理移动。
由于数据可用性和远程监控，TMS 确保及时交付货色，从而提高客户满意度。
这通过增加发卖额使企业受益。
TMS 通过利用适当的工具（例如路线优化）来提高车队绩效并减少供应链支出。
由于数据是远程网络并受到严密监控，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利用技能来方案、实行和优化货色运输，以帮助企业发达发展。
这些运用程序被制造商、分销商、零售企业和从事物流业务的公司利用。

TMS 的紧张功能包括路线确定、出站/入站物流流程、路线调度、第三方物流供应商做事、货运代理、做事代理、运输跟踪和路线调度和运输操持的批量处理（图1）。
可以看出，与TMS干系的功能与货色运输有关。
TMS 将多个运输运用程序集成到一个包中，以便更好地利用。

图1 TMS 的功能（来源：ValuecConsulting，2013）

利用 AI 和机器学习使 TMS 变得更加智能，以供应准确的预测。
目前正在利用的一些技能包括：物联网(IoT) 设备和传感器、数字助理、交货韶光预测办理方案、运输方案办理方案、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，利用安装在车辆上的设备天生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根本举动步伐和运输管理。
ITS作为一种新型的TMS，已逐渐被自动化掌握系统所取代。
它们已经发展成为对危险情形的预测，并有可能利用大量繁芜的数据作为决策工具。
ITS还通过在动态环境下的自动数据网络影响了运输系统的高效运行[29]。

范例的 ITS 须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根本举动步伐、车辆和道路根本举动步伐中的各种设备。
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，从而使利益干系者受益。

智能交通系统由公共交通、交通信息、停车管理、交通管理与掌握、安全管理与应急、路面管理（图2）。
这是聪慧城市特有的（Agarwalet al., 2015）[ 3 ]。
为了通过ITS培植有效的聪慧城市，将系统能力构建到城市的各种运营活动中是很主要的。
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、交通和全体社会都受益。

图2 开拓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运用分为四个紧张种别，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运用的分类（来源：Hamida 等，201[ 5 ]5）

这些运用程序从车辆网络数据以提高其效用，从而确保驾驶员安全并增强公共交通举动步伐。
ITS 运用程序是数据的天生器，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。
个中一些运用与搭客舒适度、改进驾驶员体验和高效道路管理有关。
公共交通系统的终极受益者是道路利用者。
可持续公共交通系统的智能交通系统 (ITS) 框架考虑了 ICT 技能、自动化交通系统、交通管理中央和前辈的乘客信息系统[ 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利用者开始，通过 ITS 实现终极的经济增长。
环绕交通系统构建的运用程序须要牢记天生数据的受益者。
一旦利用 ICT 构建运用程序，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框架履行（来源：Abijede O [55]）

利用ITS构建的一些运用程序可确保交通管理、交通信号掌握、车辆导航系统、智能停车管理等。
ITS须要一个跨城市根本举动步伐共同运作的技能网络（Shaheen & Finson，2019 年）[ 56 ]。
[29]谈论的 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根本举动步伐管理。
ITS 遵照系统方法，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办理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。
这些与交通系统干系的子系统（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办理方案供应的成效进行的，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搭客

智能安全管理系统

确保道路上的搭客、车辆和货色的安全

智能制造与物流系统

在汽车制造和货色运输中引入技能

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，并以系统的办法组织。
此外，还强调了采取技能办理这些问题所带来的成效。
本文研究了运输行业中成功采取人工智能并从中受益的组织。

4 . 谈论

4.1 . 智能交通AI办理方案人工智能对运输业领域的贡献是巨大而广泛的。
这些办理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供应安全保障。
ITS是通过 AI 技能利用安装在车辆上的设备天生的数据构建的。
目前的研究集中在与交通干系的四个子系统——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的办理方案，干系问题的子系统，AI的浸染和取得的成果的数据源。

表3 交通管理

数据来源

问题

人工智能的浸染

益处

之前的研究

配备智能系统的车辆

交通拥堵导致本钱增加

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

通过评估利用 ML 模型实现的交通参数进行短期交通拥堵预测 (Akhtar, Moridpour, 2021)[ 38 ]

来自智好手机的数据

路径方案

替代路线建议

节省韶光

通过智好手机天生的数据的驾驶员行为监控系统利用 ML 技能[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

利用模糊逻辑结合多个空气质量指标以及仿照退火和粒子群优化技能来识别空气污染（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

掌握较高和较低的流量模式

在支配 AI 办理方案进行剖析之前，不雅观察从交通灯网络的实时信息以得到最佳的绿-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

更好的不雅观察和决策

人工智能技能的稳定性，特殊是 ANN 被支配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

人工智能的浸染

益处

之前的研究

路网构造、路面、景象和交通模式

数据的可变性

通过机器学习算法预测模式的变革

方案和决策

利用交通量、密度、占用率、旅行韶光、拥堵指数进行的短期交通拥堵预测 (Akhtar M, Moridpour S, 2021)

来自司机和搭客的实时数据

交通拥堵

路线优化

缩短旅行韶光

用于货色交付的 AI车辆

交货韶光、地点的变革

改进驾驶模式的建议

提高生产力和进一步发卖

利用车辆路线优化将预测智能运用于道路运输[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

通过将传感器技能与确保车辆和搭客安全的交通根本举动步伐相结合，实现可持续的 ITS（Ibanez 等人，2018 年）

表5 安全管理

数据来源

问题

人工智能的浸染

益处

之前的研究

来自智能汽车的传感器

驾驶员的疲倦和疲倦

自动驾驶系统激活

避免事件

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

连续行驶韶光和未知地形

司机康健监测

事件预测

驾驶员生理参数的实时丈量被馈送到网络云中，并利用人工智能利用智能车载康健监测系统进行剖析[46]

自动驾驶汽车

低性能和安全问题

盲点警报、自适应巡航掌握、高等驾驶员赞助系统

节省司机的韶光

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

增加韶光和本钱

路线优化

预测车辆体积的预测技能

自动驾驶汽车实时准确地理解车辆位置和状态，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

远程掌握管理

节省燃油，提高里程

安装在车辆上的智能视觉标签供应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

人工智能的浸染

益处

之前的研究

智能汽车

须要掩护

结合来自物联网传感器的数据、掩护日志——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落本钱并改进低级人群的可及性（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掩护

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 ]）

配备技能的车辆

生产和运输本钱增加

跨车辆和路线共享数据

改进从采购到研发的全体供应链的本钱节约

C-ITS – 互助 ITS 为特定司机供应实时定制信息（Maxime G 等人，2016 年）

基于网络的构造

由于手动数据输入而产生大量***

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、***

智好手机将家庭连接到车联网车辆以实行重复性任务（Kim Y 等，2017）[ 30 ]

***和文件

***非常，合规性验证

敲诈检测的预测和处理

高精度

条约

提取非构造化数据

用于阐明***的自然措辞处理技能

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供应理解决方案，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，终极遏制环境污染，培植可持续发展的城市。

从表4可以看出，人工智能在预测景象和交通模式、道路管理、警报天生等方面为值班职员供应理解决方案。
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。
有技能的支持，建立一个有效的公共交通系统，有助于方案和决策过程，这是很主要的。

从表5中可以看出，人工智能减少了道路事件的数量，根据路况预测事件，提醒司机把稳道路安全等。
当运输行业效率高时，经济就会成功运行。
借助人工智能技能构建安全的交通系统，具有主要意义。

从表6中我们可以看出，在汽车制造过程中，人工智能办理方案使汽车行业受益。
传感器、摄像头和其他技能在这个行业发挥了浸染，以得到更好的效益。
汽车内置的一些人工智能办理方案已经成为乘用车和商用车领域的主要组件。

4.2 . 人工智能在环球交通领域的造诣从目前的谈论中可以看出，人工智能办理交通干系问题的能力彷佛是一种自然的契合。
然而，与其他所有行业的 AI 情形一样，这些运用程序的采取因组织和地域而异。
基于环境和地理成分，运用程序可以是大略的和繁芜的，迢遥的和即将到来的，确定的或可能的。
4.2.1 跨组织的人工智能运用表 7供应了人工智能在交通部门各个组织中的运用。
美国彷佛是这些运用的先行者。
这可能是由于人口较少，道路根本举动步伐更好。
具有创新精神的初创企业得到了大量资金，用于在发达国家开拓原型。
相对付乘用车阶段，大多数方案都是在长途驾驶阶段进行试验的。

表7 人工智能在环球交通领域的造诣

人工智能运用

组织

国家

自动驾驶的认知电动班车——Olli，将搭客运送到哀求的位置，并供应当地不雅观光建议。
Olli 由 IBM 的 Watson 汽车物联网 (IoT) 供应支持

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件和状况

快速流动技能

美国匹兹堡

Otto 完成了天下上第一辆自动卡车运送 50,000 罐百威啤酒超过 120 分钟的间隔

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。
利用深度学习技能演习驾驶系统

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。
机车故障率降落 25%

通用电气运输

德国

日立的内部人工智能技能降落了驱动车辆的功耗。
从机车车辆中提取的运行数据的精确组合见证了年牵引力降落 20%

日立

日本

交通部估量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

只管景象模式、交通模式、城市根本举动步伐分歧一，但仍能通过自动驾驶巴士按时交付职员和包裹

——

芬兰、新加坡、中国

4.2.2 . 运输公司采取人工智能 根据[28]人工智能可能通过供应个人运动、偏好和目标的准确预测行为模型，对城市根本举动步伐产生越来越大的积极影响。
只管人工智能在交通方案运用中的运用在最近变得很主要，但与数据干系的个人隐私和安全仍旧令人担忧。
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取的速率。
在技能的许多方面缺少道德共识的情形下，踏上AI旅程的各个组织必须考虑道德成分。
只管很少有组织利用机器来编写代码，但总的来说，人类仍在连续编写代码。
由于这个成分，偏见、假设、意见可能会进入正在开拓的算法中。
组织必须自问：什么是合乎道德的 AI？管理和道德人工智能在哪里重叠？如何肃清人工智能决策中的偏见？等[6]。
由于这方面的缘故原由，各个政府和城市公司对人工智能的采取存在差异。
表 8给出了各种运输公司采取人工智能的情形及其好处。
由于当地政府法规的影响，各个城市的采取情形彷佛有所不同。

表8 运输公司采取人工智能

国家运输公司

人工智能运用

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、交通技能

Telangana运输公司

用于客户支持的谈天机器人

人工智能回答多个问题。
疑难问题向上级反响

多伦多运输委员会

自驾中换班车

最初由人类司机监督。
一项办理公共交通末了一英里连接问题的举措

法国国家铁路公司

过境搭客的谈天机器人

帮助旅行者操持他们的日常旅行并在不可避免的耽误情形下穿越城市

迪拜道路和交通管理局

利用人工智能的智能和可持续交通——自动公交轨道掌握系统、智能行人旗子暗记系统

监控公交车的状况——驾驶员疲倦、车辆监控摄像头提高公交车效率、分配行人旗子暗记交叉口的传感器

新加坡交通部

nuTonomy – 一家与 Grab 互助开拓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 供应对数据的访问

道路交通、公交车性能、景象和道路工程，以减少拥堵和道路管理

5 . 结论

本文汇总了 AI 构建ITS的能力和上风。
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主要工具之一，本研究为特定问题提出理解决方案。
研究创造，机器学习算法紧张用于预测交通拥堵和路线管理。
一项针对采取人工智能战胜交通问题的城市剖析表明，大多数发达国家已经迅速采取了这些系统。
这种采取须要干系公司和领导层的支持，由于它涉及最高管理层的投资和长期愿景。
由于两个缘故原由，一些组织和政府仍对采取犹豫未定——要么担心与人工智能采取干系的风险，要么在这些国家中采取技能能力较弱。
据不雅观察，发达国家正在采取与运输管理干系的技能。
为了构建有效的 AI 运用程序，我们须要大量数据作为输入来处理文本、图像、***和音频，以便做出适当的决定。
该领域缺少知识和人才仍旧是推出适宜该领域的更新办理方案的弱点。
因此，人工智能在物流公司的运用本钱大约是业务额的3-10%，这给采取人工智能造成了障碍。

人工智能运用引发了许多伦理、社会、经济和法律问题。
数据驱动的基于人工智能的运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形时，理解全自动车辆中的人工智能算法与人类比较如何做出决策至关主要。
Eurobarometer对自动驾驶系统进行的一项调查创造受访者对自动驾驶汽车运输货色感到非常满意，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）。
缺少明确的政策、对采取新技能的抵制、缺少道德法规的建立，使得人工智能办理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供应更好的旅行体验。
进一步研究的范围由于本研究的观点性子，它可能缺少在不同场景中的运用的普遍性。
未来可以根据从运输行业的利益干系者那里网络的原始数据进行影响研究。
一些研究问题可能是：行为研究——搭客对乘坐自动驾驶汽车的偏好与人类驾驶汽车比较，自运输行业采取人工智能以来，事件数量是否减少了？人工智能在运输行业的履行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支配各种人工智能办理方案的浸染和意义是什么？

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