Fraunhofer IOSB开发了用于多模式路线规划的AI
Fraunhofer Optronics，系统技术和图像开发IOSB的研究人员正在开发人工智能，作为Dakimo项目的一部分，以促进德国智能的，模式的交通系统。该AI旨在将公共交通，乘车共享和微型运动服务整合到优化的旅行路线中，旨在提供无缝且可靠的旅程。该倡议旨在鼓励人们从依赖私人车辆的依赖，以解决对德国主要运输方式的碳排放的担忧。
可持续流动性的挑战
尽管环境意识越来越不断提高，但汽车仍然是德国和世界上大部分地区的主要运输选择。原因很简单：汽车提供无与伦比的便利性。它们总是可用，需要最少的计划并提供挨家挨户的服务。同时，可持续的替代方案（例如公交车，火车，共用自行车和电动踏板车）通常涉及不同服务之间的复杂协调。
改变的环境案例令人信服。公共交通工具的每位乘客碳排放量明显少于私人车辆。然而，合并多种运输方式的联合旅行的计划复杂性使许多人伸手去拿自己的汽车钥匙，而不是探索更绿色的替代方案。
复杂计划的AI解决方案
由Karlsruhe的Fraunhofer IOSB的研究人员领导的Dakimo项目通过人工智能解决了这一计划挑战。他们的系统预测共享运输选项的可用性，将实时流量数据和历史使用模式结合到预测，以预测在特定时间和位置将可用自行车和踏板车。
该项目的主要研究人员Jens Ziehn解释说，要使运输是多式联运的，因此需要更简单，更可靠，更灵活，更容易计划。”该项目的主要研究人员Jens Ziehn解释说。当公共汽车迟到，自行车从车站消失或多个运输选项时，人工智能逐步确切地将人类计划变得压倒性，或者产生了太多的变量，无法手动考虑。
该技术将地理区域分为小单元，并使用短时间间隔来计算即时和未来的可用性概率。通过分析包括公共交通信息和历史共享车辆位置在内的开放数据源，该系统可以精确地预测运输选项。
从研究到现实世界的应用
这项研究的实际影响超出了学术研究。项目合作伙伴Raumobil GmbH已将这些AI预测集成到路线规划算法中，创建了一个移动应用程序，该应用程序可以从一开始到目的地推荐最佳的运输组合。该技术正在通过Karlsruhe的Regiomove应用程序进行测试，该应用程序为中部莱茵河地区服务。
也许最重要的是，预测功能已纳入一般的Bikeshare Feed规范（GBFS），这是共享运输数据的国际标准。这种集成意味着该技术最终可以为全球范围内的路由应用程序提供动力，从而改变了数百万人计划他们的日常旅行方式。
有希望的早期结果
公众对AI增强运输计划的反应是压倒性的。一项涉及1,500多名参与者的综合研究发现，将近90％的人认为共享运输的基于AI的预测是有用的或非常有用的。更重要的是，对于环境目标，大约有20％的受访者表示，在配备更好的计划工具时，他们偶尔会将汽车放在家里，而支持公共交通。
该项目由德国联邦研究，技术和空间部以350万欧元资助，代表了涉及多个研究机构和运输公司的协作努力。计划要求扩大整个Baden-Wã¼Rttemberg州的预测模型，并有可能实施更广泛的实施。
前面的道路
随着全世界应对气候变化和城市充血的努力，达基莫项目阐明了人工智能如何加速向可持续运输的过渡。通过使无汽车旅行与驾驶一样方便，该技术解决了减少运输排放的基本障碍之一。
该研究证实，当有可靠，智能的计划工具时，人们愿意改变其运输习惯。现在的问题是，这项创新能够迅速扩展到全球改变移动性系统。
关于《Fraunhofer IOSB开发了用于多模式路线规划的AI》的评论
暂无评论