FHWA(聯邦高速公路管理局)的一個新項目旨在用人工智能改造高速公路。該技術有望在未來發揮作用的領域包括提高安全性、環境測繪、橋梁容量洞察力和智能停車。

探索性高級研究(EAR)項目目前正在征集提案，截止日期為12月5日。屆時，其將授予合同或參與合作協議。該提案正在尋找“能夠在美國的公路工程和多式聯運運輸領域帶來變革和真正革命性進步”的研究項目。

此外，提案征集表明，“該項目將支持科學調查和研究，促進國家公路規劃、設計、建設、運營、維護和管理中使用的科學和技術的當前知識和最先進的技術。從戰略上講，這項研究將促進并加速推動創新所需的革命性方法、方法和突破的發展，并大大提高公路運輸的效率?！?/p>

高速公路交通的人工智能

據FWHA稱，有必要進行早期研究，以支持人工智能的新興進展，幫助解決公路運輸中的復雜問題。因此，FHWA EAR項目現在正試圖證明人工智能未經試驗的進步的潛力，以解決公路運輸中的全國性關鍵問題。

FHWA發現，AI應用有潛力解決關鍵公路運輸問題和挑戰的例子包括:

安全性和機動性

弱勢道路使用者-利用人工智能分析數據或開發針對弱勢道路使用者安全的解決方案，特別是針對研究不足的主題，如城市環境以外或傳統服務不足的社區的安全。

行人、騎車人和微移動檢測——使用機器視覺和其他AI技術分析行人、騎車人和微移動設備在道路和十字路口的運動，為所有出行者(包括使用輪椅等輔助設備的人)改善這些模式的信號性能。

行人尋路——使用人工智能高度自動化行人環境的動態映射，包括人行道、人行橫道、路徑、交通中心和其他公共和私人場所。

橋梁碰撞——使用人工智能，包括視頻分析，來加深對車輛（特別是大型車輛）與橋梁和其他公路結構發生碰撞的根本原因的理解。

智能卡車停車-使用人工智能，包括視頻分析，以高精度預測和預測休息站卡車停車位的可用性。對卡車停車位的高度精確預測將使駕駛員更容易找到停車位，從而提高安全性。

基礎設施現代化

預測資產性能的基于物理指導的AI解決方案——通常，AI系統基于統計推斷，因此其可能會提供違背現實物理約束的結果。將物理學整合到人工智能中可能有助于彌合收集數據和有效使用數據進行決策之間的差距。

解讀傳感器數據——資產所有者很難分析來自基礎設施狀態傳感器的所有數據。該項可以探討如何使用人工智能來提高，將原始傳感器數據轉換為資產所有者可操作信息的可靠性和自動化程度。

交叉領域

通過減少或消除對人工數據預處理的需要，或通過專家解釋高速公路運輸的復雜數據，顯著提高處理數據或集成不同數據的能力。

將邊緣計算與路邊硬件相結合，以提高數據安全性和隱私性，提高分析速度，并減少高速公路運輸中移動、存儲和分析數據所需的資源。