人工智能与机器学习缓解交通拥堵的应用方法

你是否觉得日常通勤不太顺畅？不妨对比一下波士顿的出行体验——那里的高速公路拥堵程度在全美常年位居前列。去年，这座新英格兰城市的居民平均在车里困了164个小时，寸步难行，而这项“特殊待遇”让每位驾车者付出了高达2291美元的代价。

然而，这比起全球拥堵最严重的城市仍不算夸张。莫斯科通勤者去年在交通堵塞中平均损失了210个小时，那才是真正让人头疼的地方。

这些数据来自华盛顿州柯克兰的互联汽车服务公司INRIX及其年度全球交通记分卡。该报告基于对38个国家、200多个城市的拥堵和流动趋势分析。在美国，去年调查发现全国通勤者平均在拥堵中浪费了97小时，每位驾车者为此付出的平均成本达1348美元。而由此带来的全国性损失，更是高达惊人的870亿美元。

面对这样的局面，城市规划者们开始将目光投向人工智能（AI）和机器学习（ML），力求找到缓解交通压力的新突破口。

话说回来，解决全球的交通问题无法依赖一个万能方案。每个城市都有自己独特的症结，正是这些复杂因素的叠加才导致了拥堵和瘫痪。要想用AI和ML来修复这些问题，需要精准对症、差异化施治的策略。

如今，不少城市正在尝试基于云的AI和ML驱动平台。这些平台能够无缝连接移动服务提供商、车辆、驾驶员和出行者，从而优化整个车队的运营效率。

不妨把这些平台想象成车队的“控制塔”。它们为移动供应商提供了一套强大的功能组合：从规划、监督、编排到远见预测和商业智能分析，全方位支持混合动力车队的服务交付。

当然，这项工作离不开城市和市政当局的监管。它们将借助这些第三方平台来统筹全局，而不是像今天这样，让叫车服务等环节被私人供应商各自为政。

还有一些解决方案则更聚焦于具体挑战，但它们同样能立刻发挥实效。例如迈阿密那些不可预测的吊桥——如果通勤者不幸赶上开桥和复位，通常要白白等上10到20分钟。

放眼全球，针对当今最棘手的交通问题的解决方案正逐步走向现实。虽然大多数人还在紧盯自动驾驶汽车的技术本身，但实际上，正是那些由AI和机器学习驱动的平台，正在引发一场交通系统的深层变革。

这些平台被要求在一个互联的车队系统中管理自动驾驶、人工驾驶、公共和私人等多类车辆。这套系统的精妙之处在于：它不仅能对特定路线上的特定车辆进行编程，还能协调所有车辆，让它们像一支训练有素的乐队一样协同工作。每一个平台都扮演着指挥家或控制塔的角色，精准掌控每一辆车的节奏。

在这些技术的加持下，车辆运营商可以灵活使用任何类型或品牌的车辆来规划、部署和管理服务。这种车队的编排让移动服务供应商能够提供乘客真正想要的服务，比如叫车、机器人出租车、微型交通和自动班车——所有这一切，都是为了让人能以最高效的方式从A点移动到B点。

这种运输模式对所有出行者都有好处。例如，公共交通公司可以利用平台将自动驾驶车队与人工驾驶车队结合，为火车站和汽车站提供“第一英里”和“最后一英里”的接驳服务，让日常公交变得更便捷。而私人乘车服务供应商也能借助这个平台来提升服务，自动班车还可以在大型规划社区里扮演公共交通工具的角色。

除了持续用AI和ML技术来提升平台的智能性和准确性之外，这些平台还有一个关键特性：车辆不可知性。这意味着，无论支持的是人类驾驶车辆还是自动驾驶车辆，平台都能适应，而后者在未来的份额还将越来越大。

当所有这些技术在一个平台上融为一体后，城市及其周边区域将享受到比私人驾车更便捷、也更舒适的共享按需服务。与此同时，这些区域的交通拥堵也有望得到真正有效的缓解。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：人工智能与机器学习缓解交通拥堵的应用方法要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题