前瞻研究：交通運輸行業人工智慧技術應用現狀及展望 智周核心版

隨著全球經濟的發展和城市化、現代化進程的推動，交通運輸行業將保持穩步發展狀態。在政策上，各國均積極推進智能交通系統建設。在技術上，使用人工智慧等高新技術實現智能交通。在產業上，加速交通產業生態圈的跨界融合，為出行者提供更加準確、完善和智能的服務。人工智慧技術的出現為提升運輸效率、保障運輸安全和降低運輸成本，最終實現智能交通帶來了新的思路，在交通運輸行業綻放光彩。作為行業中的領頭羊，交通運輸行業中多數世界500強企業已經著手部署相應的人工智慧解決方案。

作者 | 解雙羽、陸少游

一、交通運輸行業市場規模

據統計，2017年全球交通運輸行業總收入為4.8萬億美元，佔全球GDP的6%。與此同時，交通運輸行業基礎設施投資也在逐年增加。PwC預測，從2014年至2025年，全球交通運輸行業基礎設施投資將以平均每年約5％的速度增長。

二、人工智慧技術在交通運輸行業的應用

深度學習：機器學習中一種基於對數據進行表徵學習的演算法。通過對大量歷史數據（如圖像、文本和聲音）進行識別與分析，從而替代人力完成自動化操作。主要用於路況識別，高級駕駛輔助系統（ADAS），路線規劃等。

語音識別與自然語言處理：指機器理解並解釋人類寫作、說話方式的能力，是人工智慧技術的核心組成部分。從語音識別到文本分析，再到信息檢索、信息抽取，自然語言處理涉及到處理文字、語音的各個方面。主要應用於服務領域，如車載娛樂系統、貨物追蹤系統等。

計算機視覺：基於圖像處理的計算機視覺技術是通過攝像機獲取場景圖像，並藉助於計算機軟體構建一個自動化或半自動化的圖像/視頻理解和分析系統，從而模仿人的視覺功能以提供及時準確的圖像/視頻處理結果。在交通運輸行業中，計算機視覺技術主要應用於路況檢測，安檢掃描，流量監控，值機登記等。

機器人技術：在交通運輸行業，智能機器人可以代替傳統人力完成重複瑣碎的貨物分揀、搬運、包裝等工作，極大地減輕了人類繁重的體力勞動，提高了運輸效率。根據不同的應用場景，具體可以分為AGV機器人、碼垛機器人、分揀機器人。

大數據分析：大數據分析技術主要通過對大量非結構化或結構化數據進行分析，利用演算法探索數據間的未知聯繫和隱藏信息，從而幫助決策和判斷。從運輸設備的維護預測到運輸過程中的路線優化、時間預測，這些服務或功能都離不開大數據技術的支持。

三、人工智慧技術在交通運輸行業的應用分布

四、500強公司人工智慧技術落地案例簡述

馬士基航運：通過在冰級集裝箱船（Winter Palace ice-class container ship）上使用人工智慧情景感知技術，提高船舶的安全性、效率和可靠性的同時幫助海員消除來自船橋的視線限制，為未來的自動防撞系統提供研究基礎。

美國聯合航空公司：通過使用霍尼韋爾提供的IntuVue RDR-4000 三維氣象雷達系統、SmartRunway智能跑道系統和SmartLanding智能著陸系統，向飛行員及時提供飛行環境信息，同時增強飛行員在滑行、起飛和著陸過程中的情景感知能力。

DHL：全面部署物流機器人系統。Sawyer協作機器人可以通過高解析度攝像機、壓力感測器和自學習功能幫助倉庫工作人員自動化操作重複性任務。LocusBots機器人可以通過機器學習演算法自助規劃最佳行駛路徑，代替工作人員將貨物運送到指定位置，減少了工作人員的走動距離。PostBOT機器人內置感測器，可以在城市周圍避開障礙物，並能沿著路線安全地跟著快遞員完成送貨服務。

達美航空：通過使用空客提供的智慧天空開放性數據平台及相關預測性維護服務，達美航空可以預測飛機部件的故障概率，在部件出現問題前進行維護。從2013年到2017年，達美航空全年免於因維護而取消航班總計從169天升至324天，成功率高達95%。

美國郵政署：通過採用協調優化技術（COTs），綜合利用數據分析、物聯網、雲端資料庫、機器學習等技術或軟體平台優化投遞路線，預測潛在問題，實現部份平日投遞路線上的當日寄送，使包裹遞送更加高效、靈活。

五、人工智慧技術在交通運輸行業的發展局限

1. 投入收益不確定性：使用人工智慧技術解決方案往往需要較長時間才能獲得明顯受益，巨額的前期投入導致轉換應用成本高昂。

2. 流程架構重建風險性：交通運輸行業屬於勞動密集型行業，人工智慧技術的應用在提升行業自動化的同時也不可避免地增添了相關從業人員失業的風險。

3. 科技融合差異性：交通運輸行業涉及客運貨運、水陸空多種運輸場景，針對某一場景或企業的人工智慧技術解決方案往往不能通用。

六、人工智慧技術在交通運輸行業的發展趨勢

1. 全面無人化：在倉儲環節，機器人取代傳統人力完成貨物分揀、搬運等操作；在運輸環節，使用無人駕駛技術實現交通運輸自動化；在服務環節，自助值機、安檢、過關成為可能。

2. 出行服務化：在深刻理解公眾出行需求的基礎上，通過將各種交通模式全部整合在統一的服務體系與平台中，從而充分利用大數據決策，調配最優資源，為用戶規劃包括多種交通模式實時信息在內的無縫銜接出行路徑，並以統一的APP來對外提供服務。

特別鳴謝

菜鳥網路 高級演算法專家 本華

* 本文為「智周」系列報告「核心版」，相應「深度版」的推出計劃將在後續公布，敬請大家關注。針對「交通運輸行業人工智慧應用現狀及展望」這一主題，有哪些方向或主題，你希望在報告深度版中讀到更詳細的闡述與分析，歡迎留言，這將成為我們製作報告深度版的重要參考。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！