启动人工智能项目，助力可持续出行

机器学习领域研究教授Slawomir Nowaczyk代表哈尔姆斯塔德大学应用智能系统研究中心 (CAISR)与我们签署了一项名为 FREEDOM 的两年期项目，该项目旨在研究和开发如何利用人工智能将互联汽车转变为可持续出行。在“车辆战略研究与创新、高效互联交通系统”战略的框架下，瑞典创新机构 Vinnova也为该项目提供了部分资金。们很高兴能开启本次合作，寻找新的见解，并创建数字服务，同时帮助汽车制造商更好地走向可持续。

数据驱动助力移动出行可视化，并提供新的见解

了解车辆和人的出行方式，可以创建新服务，并协助终端用户改变其驾驶习惯。例如，这些数据可以帮助终端用户做出更明智的决策，选择最佳路线和最佳出行时间，寻求汽车共享，选择最耐用的汽车引擎。以上这些都是基于对过去驾驶模式的分析，并将其与类似情况下他人的驾驶模式进行比较。

我们的目标是通过数据驱动的方法确定出行的一般模式，并量化影响整个系统效率的关键因素。这对我们来说确实是一个好机会，我们可以创建和提供新型数据驱动服务，并服务于汽车行业的可持续发展。

可持续出行为何如此重要？

乘用车的二氧化碳排放量占全球交通运输业的41%，已成为当今城市的一大挑战。但是同时，这也是一种机遇。世界各地的城市已经开始意识到这个绝佳的机会，并致力于从目前的化石燃料依赖过渡到依赖高效且可再生的能源。

在寻求保护地球和改善人类生活的解决方案时，我们的态度正在发生改变。然而这种改变并不容易。复杂的城市状况及其交通系统让人们不知道在特定情况下可以做什么和应该做什么。新型交通解决方案需要决策者具有精准的洞察力，而FREEDOM 项目则有助于获得那些基于数据的见解。

Slawomir Nowaczyk，项目伙伴哈尔姆斯塔德大学机器学习领域研究教授，表示："正确使用车辆数据会挖掘出巨大的潜力，我们的目标是探索-----减少所有的必要出行所产生的污染物和二氧化碳。一旦FREEDOM项目落成，我们就可以对数以万计的互联汽车数据进行分析，并惠及多方参与者。”

互联汽车数据的两个重要维度

出人意料的是，互联汽车数据仍是一种尚未开发的资源，基于互联汽车数据的机器学习则是实现多种出行倡议可持续发展的关键。机器学习算法将有助于开发可持续的、资源高效利用的服务，同时也可实现服务便利化，并减少成本消耗。

出行数据/互联数据有两个至关重要的维度：

• 空间维度：即位置或路线（例如，一辆车停在哪条街）
• 时间维度：即时间或持续时间（车辆什么时候停下的，或者它行驶了多长时间）。

Slawomir Nowaczyk再次表示："图谱神经网络（GNNs）是机器学习研究中一个新兴的、有前景的领域，处于深度神经网络和图论的交汇，它能够很好地解决时间和空间两方面的问题。FREEDOM项目为我们提供了一个难得的机会，将尖端的科学解决方案应用于重大的社会挑战。“

广泛利用互联汽车数据能够为可持续发展铺平道路

要想成功实现可持续出行的目标，需要就以下内容进行多方面的交流：技术开发，研究用户动机、需求和主要推动力，在业务，社会和环境方面为不同的利益相关者创造价值。

这就需要我们关注技术发展和社会环境之间的相互关系，利用技术手段满足用户的实际需求，消除顾虑，从而改变其习惯，提高使用意愿。我们的行动能促进气候的良好发展，同时又能够为汽车制造商带来商业价值。

该项目的一个重要成果就是对用户进行采访和观察研究，了解他们的出行偏好，了解他们关于转向电动出行、改变驾驶方式和日常出行习惯的希望和顾虑，因为可持续性并不是物体的固有属性。孤立的事物不具备可持续性，相反，可持续性是完整系统的一个新兴特征。重点不在于各个部分本身，而在于各部分如何协同工作，从而实现有效的整体结果。

研究和实践往往不是以技术为导向，就是以用户研究和设计为特征。这种定量和定性研究的独特结合将成为FREEDOM项目的基础，并促进可持续出行的发展。

如果您想进一步了解该项目并参与进来，请随时通过邮箱Natalie Lucca与我们联系。访问WirelessCar网站并阅读博客博客上的其他相关文章了解我们更多的工作资讯！