人工智能優化巴士路線以減少等候時間

長時間在巴士站等候會令乘客卻步，削弱公共交通的吸引力。在許多城市中，等候及轉乘延誤佔整個行程時間的很大部分 — 一項研究發現車外等候時間約佔17–40%總旅程時間。即使是微小的延誤也會抑制乘客量：倫敦的數據顯示，行程時間增加1%會導致公共交通使用量下降約0.61%。

為了解決這問題，現代以人工智能驅動的排班工具會分析實時及歷史數據（乘客模式、交通狀況、天氣等），以生成更智能的巴士時間表及路線。這些系統旨在「創造更準確可靠的時間表」，並承諾「減少等候時間及提升準時率」，為乘客帶來更佳體驗。

人工智能驅動的巴士路線優化系統

公共巴士排班及路線的人工智能方案

人工智能在多方面協助交通規劃者減少等候時間及延誤：

俄勒岡州波特蘭的一次試驗中，使用人工智能交通優先系統，在15英里路程內將巴士紅燈等候時間減少約80%，大幅加快行程速度。

— 波特蘭交通局研究

這些技術協同運作，保持巴士流動及乘客資訊透明。例如，智能巴士站及應用程式現可顯示人工智能增強的到站預測，讓通勤者清楚知道等候時間。

公共交通優化的人工智能方案

人工智能在交通領域的實際案例

主要交通營運商已開始受惠。以下是一些展示人工智能在公共交通中實際影響的精彩案例：

這些案例展示了人工智能的實際成效：更智能的排班、提升可靠性及縮短等候時間。許多國家的交通機構（從美國到歐洲及亞洲）均已採用這些工具並取得可量化的成功。

全球人工智能交通採用趨勢

優勢與未來展望

人工智能優化的交通系統帶來多重好處，超越單純節省時間。透過維持更穩定的車距及減少車輛聚集，人工智能系統確保巴士以規律間隔到達，避免乘客面對長時間且不可預測的空檔。

交通研究顯示，動態排班可縮短行程時間並提升乘客舒適度，分析亦指出燃料使用量減少10%帶來顯著的財務及環境效益。

— 交通研究院

營運商亦節省成本：減少空轉巴士及更順暢的服務意味著燃料及人力成本降低，釋放資源以擴展服務。事實上，分析指出燃料使用量減少10%（來自更佳排班）帶來顯著的財務及環境效益。

未來發展

展望未來，人工智能在交通領域將持續成長。先進模型可持續從實時數據（GPS、乘客計數等）學習，適應不斷變化的交通及需求。

人工智能在交通領域的優勢與未來展望

未來的「智慧城市」系統或將人工智能與物聯網感應器及5G網絡結合，使巴士路線及信號持續實時優化。早期項目報告指出，這些數碼技術令公共交通「更可持續及具吸引力」，尤其適用於需求較低或複雜的網絡。