Microsoft
神盾

与北市交通局合作 无限方舟开启AI与交通专业的深度对话

  • 李逸涵
无限方舟将人工智能导入智能交通,建立交通模型作为管理决策依据。无限方舟提供

智能交通的大旗已经被高举了许多年,然而壅塞、空污、交通事故仍是人们生活中悬而未解的困扰。导入科技该如何解决上述问题,有赖与交通部门富有知识、深度的对话,得以建立出确实可以解决问题的方案。无限方舟科技股份有限公司以人工智能(AI)与数据分析见长,自去年起与台北市交通局配合,建立出多个交通模型,作为管理者在不同的情境发生时的决策依据。

无限方舟执行长刘菊芬表示,透过处理交通主管单位授权的交通数据,如车辆侦测器(Vehicle Detector;VD)等,搜集历史资料与实时开放资料,再加上Ubike、捷运旅次的起迄点调查(OD)等,进行道路特性研究、资料探勘(data mining)、交通数据分析等,让机器自主学习及演算之预测模块,将分析成果转化成不同交通运输系统之服务绩效指标,以贴近真实交通情形。

然而交通数据多元且杂乱,无法被整理、分析,质量不佳的数据可谓是资源的浪费。刘菊芬表示,将其整理为可运用的数据,提升政府资料被应用的程度,进一步对资料的特征进行萃取、建模、训练机器、反复测试,最后建立出多样的交通模型;道路关联性分析可以让维运人员从更宏观的角度了解掌握交通状况。

刘菊芬表示,影响交通服务水平的因素相当复杂,天候变化、道路意外、封街游行、天然灾害,甚至是运具间的彼此影响,大量数据训练出来的交通模型可以在各种情境发生时,快速模拟出最佳的应变方案,以供管理者决策时有所依据。在其它产业的应用上,能够提供预测资料予导航、出租车、物流、旅游业者,业者可优化其行车路径规划,降低外部成本,提高其客户人数,创造更高营收。

应用案例如信义区百货周年庆壅塞路段分析预警,交通模型能在各百货特殊活动时,进行外围交通管制措施、气候或国定连假等情境设定,预测对外围交通影响程度。

交通模型的建立有助预测及分流,提升道路的服务水平,然而道路面积有限,减缓壅塞虽解决了燃眉之急,长远看来仍须以运具减量为目标,多年的空污即是一个需要改善的问题。刘菊芬表示,透过车流壅塞点、平均塞车时间的数据分析,可以建立出与空气质量之间的模型公式,成为管理的手段与依据。