根据分析公司Inrix收集到的车辆与智能手机数据,西雅图当地的司机每次遇到红灯时的平均等待时长约20秒,之后才能在绿灯之下重新恢复行驶。这样僵化的信号灯设计引发了一系列负面后果,导致西雅图的机动车每天向大气中排放至少1000吨二氧化碳。而在全新谷歌AI软件的辅助下,信号灯对于环境和驾驶员的负面影响正得到显著缓解。
除西雅图之外,来自全球四个大洲的十余座城市(包括雅加达、里约热内卢和汉堡)也都跟谷歌地图的驾驶数据及分析见解对当地交通信号进行了优化,希望减少车辆无谓等待所造成的碳排放。该项目使用AI算法分析地图用户数据,并初步调整了70个十字路口处的信号计时设置。根据谷歌对去年及今年测试调整前后交通流量进行的初步统计,由AI支持的信号灯转换策略每月让3000万辆/次汽车减少了30%的停车次数和10%的碳排放量。
谷歌日前公布了这些早期结果,并计划利用其数据和AI研究成果推动规模更大的可持续性项目。该公司正着手将地图应用中的省油路线功能推广至印度和印度尼西亚。这项功能将引导驾驶员选择车流较为松散、或者坡度较缓的路线,同时也在向比利时、荷兰、卢森堡、日本及德国西北部的空中交通管制器提供航班路线建议,希望借此减少温室气体排放。
谷歌还有其他一些气候推动措施,包括在航班和食谱搜索结果中显示预估的碳排放量数值。但此举令包括航空公司和牧场主在内的从业团体感到沮丧,他们指责谷歌的计算方式并不合理,有歪曲行业形象之嫌。但到目前为止,谷歌的Green Light绿灯出行计划倒是广受好评,只是此番发布的底层技术原理以及明年将该系统扩展至更多城市的方案可能需要接受更加严格的审查。
研究AI优化交通信号潜力的得克萨斯农工大学助理教授Guni Sharon认为,“这是个很有价值的目标,有望对现实世界产生巨大的影响。”但在他看来,要想在实际效果上更进一步,未来需要引入更加全面的AI和传感器系统,确保信号灯能够根据交通流量做实时调整。Sharon表示,谷歌的交通灯系统似乎仍采取了较为保守的方法,即继续沿用城市的现有基础设施,借此降低采用门槛和部署风险。谷歌在其“绿灯计划”网页中也提到,预计项目将会不断发展,并将在即将发表的论文中公布关于该项目的更多细节信息。
印度加尔各答市警署联合局长Rupesh Kumar在一份声明中指出,过去一年来,加尔各答的交通官员在13个十字路口按照绿灯计划的建议做出信号调整,切实提高了通勤满意度。Kumar表示同,“绿灯计划已经成为本地交通管理中的重要组成部分”,但他并未回应本周一《连线》杂志提出的置评请求。
在其他场景下,绿灯计划则更多提供保障、而非革新。英国大曼彻斯特交通局主管David Atkin指出,在当局看来,绿灯计划提出的很多建议帮不上多大的忙,因为其没有考虑到公交车、行人和某些需要划分通行优先级的道路。但他也承认,谷歌的这一项目至少能证实当地信号灯网络运转良好。
“无脑管理”新时代
长期以来,智能交通灯一直是许多驾驶员的梦想。事实上,技术升级成本、政府部门内部/各部门之间的协调难题,以及市政交通工程师数量不足等问题,正迫使司机们不断踩下刹车、无法享受效果更好的现有可行方案。谷歌在市政道路管理方面的努力正在获得认可,因为它免费且相对简单,也利用到了该公司无与伦比的交通数据储备。如今越来越多的驾驶者在出行时会打开这款导航软件,它在全球各地的极高人气也使其得以收集到大量宝贵的真实交通信息。
谷歌气候AI首席产品经理Juliet Rothenberg将绿灯计划的灵感,归功于公司一位研究员的妻子。这个主意源自大约两年前夫妻二人吃饭时的闲聊。“最终在对几十个可行方案进行讨论之后,这个选项逐渐脱颖而出。终于有一种方法,能够让新答案在城市环境中轻松推广开来。”
Rothenberg表示,谷歌已经优先挑选那些拥有专职交通工程师、并有能力远程控制交通信号的大城市进行试点,之后将陆续在全球范围内推广,逐步证明该技术能否在各种条件下正常起效。而一旦证明可行,这项新技术有望在全球范围内对碳排放产生重大影响。
通过地图数据,谷歌可以推断每座城市中数千个十字路口的信号灯计时与信号协调。由该公司科学家开发的AI模型则可分析过去几周的交通模式,确定哪些位置的信号需要调整——主要集中在市中心区域。之后,它会提供调整建议,降低车流行驶被信号灯打断的频率。系统中的过滤器则会阻止某些不太明智的建议,例如可能危及行人安全、或者对步行者不够友好的结论。
谷歌给出的建议往往并不复杂,大多是在特定时段内将当前绿灯到下一个交通灯变绿之间的持续时长再增加两秒,从而允许更多车辆不间断地通过两个路口。但也有一些建议相对复杂、涉及两个步骤,例如对当前灯光的持续时间以及当前信号与下一信号之间的间隔做补偿。
市政工程师可以登录谷歌的线上仪表板查看建议,将建议结果复制到照明控制程序当中,从而在几分钟之内实现远程应用。或者,工程师们也可以亲自前往路口控制箱处,根据建议调整非联网信号灯的切换策略。在这两种情况下,谷歌都会使用车流数据计算建议结论,这样市政方面就不必亲自收集数据(无论是通过传感器自动收集、还是采取繁琐的手动计数),更不必观察调整之后的车流行驶情况。
在某些城市,路口的信号灯设置可能已经有多年未做调整。Rothenberg表示,绿灯项目已经让常常被人忽视的路口指示信号问题得到更多市政管理者的关注。随着交通模式的变化,谷歌系统每隔几周就会进行一次更新。尽管目前还不具备实时调节的能力,但绿灯计划仍然远远优于那些根本就不具备可调节基础设施的糟糕现状。Rothenberg表示,绿灯计划由谷歌携手以色列理工大学及加州大学伯克利分校的交通工程学院共同开发,目前用户包括海法、布达佩斯、阿布扎比和巴厘岛。
为了验证谷歌的建议是否有效,城市可以使用视频片段或其他传感器进行交通计数。利用计算机视觉算法分析城市视频源,将可帮助谷歌及用户了解传统交通数据中不易察觉的某些模式。例如,谷歌工程师们亲眼见证了绿灯调整策略帮助布达佩斯减少了闯红灯现象,因为司机们用不着等待好几轮红绿灯切换周期才通过一个小小的路口。
绿灯计划的实际表现也力压其他同类方案。交通分析服务商Inrix公司的发言人Mark Burfeind表示,该公司的数据集涵盖了美国全部约30万个信号灯中的25万个,负责帮助25个政府机构研究时间设置及相关影响。但他们并没有主动提供建议,而是让交通工程师根据数据自行计算。Inrix的估算结果认可了这些微小变化对于气候造成的巨大影响:在西雅图所在的华盛顿州国王郡,每一秒红灯的年化燃油浪费量就高达19桶。
Rothenberg指出,谷歌拥有一支“规模庞大”的绿灯计划团队。其未来探索方向包括如何主动优化信号灯以满足行人需求,以及是否要通过地图用户当前正在通过采取绿灯调节策略的路口。在被问及谷歌最终是否会对这项服务收费时,她表示目前还没有这方面计划,而且项目尚处于早期阶段。但好消息是,绿灯计划这一路走来还没遇上过“红灯”。
好文章,需要你的鼓励
AMD CIO的职能角色早已超越典型的CIO职务,他积极支持内部产品开发,一切交付其他部门的方案都要先经过他的体验和评判。
医学生在选择专业时,应当考虑到AI将如何改变医生的岗位形态(以及获得的薪酬待遇)。再结合专业培训所对应的大量时间投入和跨专业的高门槛,这一点就更显得至关重要。
我们拥有大量数据,有很多事情要做,然后出现了一种有趣的技术——生成式AI,给他们所有人带来的影响。这种影响是巨大的,我们在这个领域正在做着惊人的工作。