FHWA(联邦高速公路管理局)的一个新项目旨在用人工智能改造高速公路。该技术有望在未来发挥作用的领域包括提高安全性、环境测绘、桥梁容量洞察力和智能停车。
探索性高级研究(EAR)项目目前正在征集提案，截止日期为12月5日。届时，其将授予合同或参与合作协议。该提案正在寻找“能够在美国的公路工程和多式联运运输领域带来变革和真正革命性进步”的研究项目。
此外，提案征集表明，“该项目将支持科学调查和研究，促进国家公路规划、设计、建设、运营、维护和管理中使用的科学和技术的当前知识和最先进的技术。从战略上讲，这项研究将促进并加速推动创新所需的革命性方法、方法和突破的发展，并大大提高公路运输的效率。”
据FWHA称，有必要进行早期研究，以支持人工智能的新兴进展，帮助解决公路运输中的复杂问题。因此，FHWA EAR项目现在正试图证明人工智能未经试验的进步的潜力，以解决公路运输中的全国性关键问题。
FHWA发现，AI应用有潜力解决关键公路运输问题和挑战的例子包括:
弱势道路使用者-利用人工智能分析数据或开发针对弱势道路使用者安全的解决方案，特别是针对研究不足的主题，如城市环境以外或传统服务不足的社区的安全。
行人、骑车人和微移动检测——使用机器视觉和其他AI技术分析行人、骑车人和微移动设备在道路和十字路口的运动，为所有出行者(包括使用轮椅等辅助设备的人)改善这些模式的信号性能。
行人寻路——使用人工智能高度自动化行人环境的动态映射，包括人行道、人行横道、路径、交通中心和其他公共和私人场所。
桥梁碰撞——使用人工智能，包括视频分析，来加深对车辆（特别是大型车辆）与桥梁和其他公路结构发生碰撞的根本原因的理解。
智能卡车停车-使用人工智能，包括视频分析，以高精度预测和预测休息站卡车停车位的可用性。对卡车停车位的高度精确预测将使驾驶员更容易找到停车位，从而提高安全性。
预测资产性能的基于物理指导的AI解决方案——通常，AI系统基于统计推断，因此其可能会提供违背现实物理约束的结果。将物理学整合到人工智能中可能有助于弥合收集数据和有效使用数据进行决策之间的差距。
解读传感器数据——资产所有者很难分析来自基础设施状态传感器的所有数据。该项可以探讨如何使用人工智能来提高，将原始传感器数据转换为资产所有者可操作信息的可靠性和自动化程度。
通过减少或消除对人工数据预处理的需要，或通过专家解释高速公路运输的复杂数据，显著提高处理数据或集成不同数据的能力。
将边缘计算与路边硬件相结合，以提高数据安全性和隐私性，提高分析速度，并减少高速公路运输中移动、存储和分析数据所需的资源。
以上是人工智能推动更安全的公路计划的详细内容。更多信息请关注PHP中文网其他相关文章！
