AI演算法模型於交通運輸市場應用
https://bit.ly/2yVklBz
由於大眾對汽車及駕駛員安全、運輸成本降低以及自駕車發展的關注度日益提升，導致人
工智慧（AI）在運輸市場中快速成長。2017年市場價值為14億美元，預計到2023年將達35
億美元，2018-2023年的複合年均成長率（CAGR）為16.5%。AI在運輸業中涉及電腦視覺（
computer vision）、深度學習（deep learning）和自然語言處理（natural language
processing）。
AI系統將會嵌入攝影機、雷達偵測（RADAR）感測器以及光達（LiDAR）等硬體設備，進而
安裝在測試中的全自動駕駛車內，包括AI應用程式分為：人機界面（HMI）和先進駕駛輔
助系統（ADAS）。AI產品分為軟體和硬體。2013-2017年以軟體主導了市場且預計
2018-2023年期間也將持續主導地位，這要歸因於HMI應用程式中，軟體作為平台部署的情
形成長，譬如Microsoft Azure。
交通運輸之AI演算法模型，如下：
1. 類神經網路（ANNs）
說明：類人腦之神經網路，透過先前的經驗和變化權重的資料點（data point）來做出決
策。類神經網路可以透過處理大量資料解決複雜的問題，檢測非線性關係。
用途：部份較複雜的全球定位系統（GPS）透過GPS、加速儀（accelerometer）和磁量計
（magnetometer）搜集資料，利用類神經網路來決定運輸模式。類似於人類透過多個資料
點的考量來「感受」距離。此外，在公共場合中應用類神經網路模型可以幫助預測公車抵
達公車站的時間。
2. 類免疫系統（AIS）
說明：該演算法的靈感來自於人類生物學，特別是人體如何對又稱為抗原的致病原（
disease-causing agent）做出反應。AIS模擬了人體免疫系統的特徵抽取（feature
extraction）、圖形辨識（pattern recognition）、學習和記憶。
用途：AIS在圖形辨識、異常檢測（anomaly detection）、分群（clustering）、最佳化
（optimization）、規劃（planning）和排程（scheduling）。工程師利用AIS創建了即
時調整支援系統，以在網路受到干擾時，幫助公共運輸網路找到解決方案。
3. 模糊邏輯模型（Fuzzy Logic Model）
說明：模擬人類的決策制訂而來的，模糊邏輯指定資料於0到1之間的數值以展現不確定性
。該系統已經使用了30多年，最適用於條件模糊且每個動作的結果都是未知的情況。
用途：模糊邏輯具有模擬曖昧且不明確的交通及運輸規劃問題的潛力，同時具備交通控制
應用程式，因為模糊邏輯可以在十字路口發出時間訊號，決定汽車應該停留的時間長度。
4. 蟻群最佳化演算法（ACO）
說明：該演算法模擬了蟻群的行為，就是螞蟻根據自己選擇較短路徑以及其他路徑的螞蟻
透過費洛蒙分享經驗的選擇方式。該機制幫助螞蟻在兩點之間找尋最快路線。在電腦科學
中，這個問題也被稱為旅行推銷員問題（Traveling Salesman Problem），其中一個推銷
員必須拜訪X個城鎮，然後以最小的成本回到起點。
用途：蟻群演算法可以用於選擇更好的公共交通巴士路徑，也可以用於沿途接客的共乘平
台，如：Uber Pool。
5. 蜂群最佳化演算法（BCO）
說明：與ACO相似，該算法以蜜蜂的集體覓食運動為例，體現了有組織的團隊工作、協作
和緊密溝通。蜜蜂在蜂巢內的運動幫助科學家最佳化汽車的移動。
用途：蜂群演算法可以用於最佳化旅行路徑，減少通勤時間、等待次數、延遲以及空氣／
噪音汙染。如：AirB&B
企業合資及併購活動方面，大型汽車OEM製造商正收購具技術取向的新創產業，並且從自
動駕駛卡車及其他商業用車輛切入市場。譬如，特斯拉於2017年11月推出具有半自動功能
的電動卡車（semi-truck）。此外，nuTonomy Inc.、TuSimple Inc.和Nauto Inc.等新創
企業也正著手製造配有自動駕駛系統的商用車和客車。因此，製造商跨業整合會越來越多
及著重安全性考量的自駕車技術，正在擴展市場的進步。