期刊名称：人工智能 创刊时间：2017年12月 主管单位：工业和信息化部 主办单位：中国电子信息产业发展研究院、赛迪工业和信息化研究院（集团）有限公司 刊期：双月刊 国内统一连续出版物号：CN 10-1530/TP 国际标准连续出版物号：ISSN 2096-5036 电话：010-88558766 email：aiview@ccidmedia.com
<正>党的十八大以来，全国交通运输基础设施建设成就瞩目，建成了全球最大的高速铁路网、高速公路网、世界级港口群，综合交通网络总里程突破600万公里，20万人口以上城市中高速公路覆盖率超过98%，以及100余项交通扶贫骨干通道基本建成。与此同时，随着智能交通在2014年被列入智慧城市建设十大智慧工程，我国交通运输科技创新能力开始同步显著提升。新一代信息技术在交通运输领域得到广泛应用。
智慧飞行区建设是近年来机场建设的新兴热点之一,但受制于技术发展的瓶颈,现阶段的智慧飞行区建设仍处于草创阶段,落地项目较少、建设成本高昂、运行效果不佳。随着“四型机场”建设目标的逐步推进,基于人工智能的智慧飞行区将迎来广阔的应用前景。为了更好地掌握智慧飞行区建设的发展现状和重点研究问题,本文基于中国知网、Engineering Village和Web of Science数据库的专业检索,全面汇总分析了2000—2022年智慧飞行区建设领域发表的32篇中文文献和95篇外文文献。结果显示,该领域自2015年起迅速发展,截至2022年5月底,来自16个国家的研究机构参与发表过智慧飞行区建设相关文献。中国是发表智慧飞行区建设相关文献最多的国家之一,研究方向主要为围界安防的可视化精准防范、工程施工的数字化全程掌控、风险隐患的智能化提前告警、运行资源的集约化共享管理、站坪交通的高效化车路协同。本文进一步对智慧飞行区建设研究中存在的空缺及未来重点关注问题提出建议。
人工智能思想、方法、技术正在引领包括交通运输系统及其学科等诸多领域的革命性变化。交通运输系统的高度随机性、模糊性、不确定性、复杂性等特点催生了交通人工智能的提出和发展,不仅能够为破解交通问题提供全新思路与科技支撑,同时也为人工智能理论和方法的系统性创新提供重要载体。本文从人工智能本质及其发展脉络以及交通系统应用问题与需求出发,概述了交通人工智能及其提出背景和专业内涵,从交通感知与预测、交通系统诊断与决策、交通智能管控,以及交通出行服务等方面综述了交通人工智能的研究现状,并探讨了交通人工智能的发展方向与趋势。研究成果旨在促进交通系统工程与人工智能学科的交叉融合发展,开辟交通人工智能创新研究领域,具有重要的前瞻性与引领性。
模仿学习是智能体从专家轨迹数据中学习获得尽可能靠近专家策略决策的智能学习方法。近年来,模仿学习已从早期的行为克隆发展到了逆强化学习、生成对抗模仿学习,以及多智能体模仿学习。而目前自动驾驶技术中传感器获取外界信息的能力与深度学习实现的感知环境能力都日趋完善,在决策部分,依靠基于规则的模型可应对大部分常见驾驶场景,但针对规则模型中不适用的极端场景,如何智能化实现安全决策,仍是当前研究的热点问题。本文综述了模仿学习在自动驾驶领域的代表性工作,详细讨论了它们的优势与不足并指出了它们未来的发展趋势。
本文回顾了国内外智能交通系统发展的历史过程,总结了智能交通系统发展演进的主要阶段,对每个阶段的重点发展内容、代际特征进行了解析。以电子化和信息化为特征的传统智能交通系统发展已经成熟,以网联化和协同化为特征的新一代智能交通系统正在发展之中,未来以数智化和自动化为特征的下一代智能交通系统发展已初见端倪。
随着人工智能、车联网等技术不断发展,交通智慧化建设不断推进,大幅提升了交通效率与出行的便利性。在智慧交通场景下,一些计算密集型车辆应用和技术（如自动驾驶,轨迹规划等）得以快速发展和应用。这些数据驱动与时延敏感的应用往往需要短时间内完成大量的数据处理和分析等计算任务。因此,这些新型应用在赋予了智能车辆更好的用户体验的同时,也对感知能力和计算能力有了更高的需求。近年来,基于移动边缘计算的任务卸载成为一种能够有效应对移动终端设备自身计算资源不足的新型模式。现有的研究工作主要关注于不同车辆之间的资源竞争或者不同边缘服务器的卸载选择问题。然而,实际的车辆任务卸载场景中,多边缘服务器的协同对于优化整个任务卸载系统的计算资源分配至关重要。本文针对基于多边缘服务器的车辆任务卸载场景,初步探索一个基于多智能体深度强化学习的任务协同框架,分布式地为每个边缘服务器学习任务卸载决策模型。特别地,为了增强多边缘服务器之间的协同能力,可以从以下两个方面对多智能体强化学习算法MADDQN进行优化。一方面,利用邻居信息增强各强化学习智能体的状态建模;另一方面,除了对当前时刻状态的观测,本文引入时空预测模块,挖掘各路口车流量的时空依赖,对未来时刻每个智能体所在路口的车流量进行预测,从而增强对未来时刻车辆任务负载的预测能力。
智能交通系统要求交通参与者能够实现全方位和高效率的信息传输,以缓解交通拥堵,提高行车安全,减少交通事故。轮胎作为车辆与道路唯一接触的部分,通过内置传感器,搭建能与车辆道路实时“沟通”的智能轮胎至关重要。本文针对道路运输系统中存在的超速、超载等问题,利用摩擦纳米发电原理,结合折纸技术,设计制造折纸-摩擦电自供能感绿色智能轮胎。结果表明：折纸结构的巧妙利用显著增加了摩擦起电和静电感应效应,对放大器件输出效率发挥着关键作用。此外,利用Ori-TENG输出的短路电流可应用于对行车速度的动态监测,在11～80 km/h的车速范围内,短路电流与车速间的相关性高达96%。该自供能绿色智能轮胎的研发为提高行车安全与车路协同水平提供了新思路。
边缘计算作为近年来与新一代通信技术、物联网、人工智能等技术协同爆发的新兴技术,能够在靠近智能交通用户的边缘提供低延迟和高可靠性的资源密集型服务。本文首先从技术特点、应用分类等多个方面介绍了边缘计算核心技术的研究现状,然后针对智能交通系统的特色需求对边缘计算赋能下的智能交通关键技术进行了分析与探讨,接着总结了边缘计算在智能交通中应用所面临的挑战,最后展望了未来的技术发展方向。边缘计算赋能的智能交通系统有望深入推动道路交通行业的数字化转型与智能化升级。
智能网联汽车是汽车产业发展的必然趋势,上海对智能网联汽车产业始终保持高度重视、积极支持、全力推动的态度。本文将从上海市智能网联汽车发展背景、应用场景、要素分析、现存问题,以及工作展望等方面,探索上海市智能网联汽车产业从道路测试向规模化示范应用迅猛发展的缘由。
智能汽车是全球汽车产业发展的战略方向,然而智能汽车事故频发给技术研究与应用带来了挑战。本文重点关注智能汽车事故,首先,对美国和中国智能汽车事故情况进行了深入分析,认为智能汽车事故与传统汽车事故存在明显特征差异;其次,分析了智能汽车事故数据特征,基于传统事故深度调查经验,综合提出了智能汽车事故深度调查流程;最后,结合近期发布的汽车安全监管沙盒制度,提出了智能汽车场景识别安全应对策略。研究成果将为智能汽车事故调查、安全研发与质量改进提供参考。
在智能交通云环境下,用户接入、数据共享、服务外包等核心业务方面均面临着隐私泄露问题。然而,现有的同态加密算法虽然为外包服务中隐私问题提供了解决方法,但该算法对密文无法执行复杂非线性运算。本文提出了一种基于全同态加密算法的神经网络预测方案,由模型训练、预处理、数据加密、密文运算、近似激活等五个过程组成。该预测方案通过改进BFV加密算法使得密文在运算时能更好地控制噪声增长;通过在神经网络中使用多项式函数替换非线性激活函数,解决了非线性激活函数给同态加密算法运算带来的计算问题。实验结果验证了基于全同态加密算法的神经网络预测方案的有效性。