Weather-Aware AI Systems versus Route-Optimization AI: A Comprehensive Analysis of AI Applications in Transportation Productivity
Tatsuru Kikuchi
虽然最近的研究表明,人工智能路线优化系统使出租车司机的生产率提高了14%,但这项研究表明,这些发现只捕获了人工智能在交通方面潜力的一小部分。 我们研究了将深度学习气象预测与机器学习定位优化相结合的综合天气感知AI系统,将其性能与传统操作和仅限路由的AI方法进行比较。 利用来自不同天气条件下的10,000辆出租车操作的模拟数据,我们发现天气感知的人工智能系统使驾驶员收入增长了107.3%,而仅从路线优化就提高了14%。 天气预报贡献了最大的个人生产力增长,气象条件和需求之间有很强的相关性(r=0.575)。 经济分析显示,每个司机的年收入增长了1380万日元,快速回报期和更高的投资回报。 这些发现表明,目前的人工智能文献通过狭隘地关注路由算法,大大低估了人工智能的变革潜力,而天气智能代表了未开发的89亿美元的市场机会。 我们的结果表明,未来的人工智能实施应该采用全面的方法,同时应对多个操作挑战,而不是优化孤立的功能。
While recent research demonstrates that AI route-optimization systems improve taxi driver productivity by 14%, this study reveals that such findings capture only a fraction of AI's potential in transportation. We examine comprehensive weather-aware AI systems that integrate deep learning meteorological prediction with machine learning positioning optimization, comparing their performance against traditional operations and route-only AI approaches. Using simulation data from 10,000 taxi operation...
