在美國慶祝聯邦公路系統成立70週年之際,奎爾特希爾強調交通現代化

國家公路系統。資料來源:馬克·薩爾米恩托(Mark Sarmiento),美國交通部,ArcGIS Online
1956年6月29日,德懷特·D·艾森豪威爾總統簽署了《聯邦援助公路法案》,授權建立這套公路網絡。如今,該網絡承載著全美近25%的汽車交通量,並每年運輸價值數兆美元的貨物。Quarterhill Inc. 正是協助將這項基礎設施數位化的企業之一。
這套全長 41,000 英里(65,983 公里)的州際公路系統啟用七十週年後,美國汽車協會(AAA)報告指出,今年獨立日期間將有 7,220 萬名美國人外出旅行。主要關注事項包括老化的道路與橋樑、貨運安全與管理,以及隨著自動駕駛車隊規模擴大而需提升的安全性。
Quarterhill 成立於 1992 年,最初是一家無線技術公司,如今已成為智慧交通系統(ITS)產業的領導者,透過智慧基礎設施來提升交通流動性,藉此減輕交通壅塞、改善道路安全,並支持永續出行。
這家總部位於多倫多的公司表示,其人工智慧平台處理數十億筆交易,對數百萬輛商用車輛進行檢驗,並協助全球交通機構優化數千條車道的交通狀況。
Quarterhill 的 ITS 產品總監泰勒·海徹特(Tyler Haichert)回答了《機器人報告》(The Robot Report)提出的以下問題:
自動駕駛卡車車隊及其他自動駕駛車輛在美國的擴展情況如何?與其他國家相比又如何?
海徹特:美國已成為自動貨運最活躍的環境之一,主要原因在於企業能在明確界定的商業走廊中測試與部署技術,同時政策制定者正著手建立監管框架。這加速了實地測試與商業部署的進程。
得益於一個讓技術能在法規限制其發展之前先證明自身價值的生態系統,像 Kodiak 和 Aurora 這樣的企業已經在商業走廊上運作。 其他地區,包括歐洲部分地區,則採取「先監管、後部署」的模式。這種模式雖有其邏輯,但代價不小。當技術必須等待政策指引時,美國累積營運經驗與數據的速度,是其他地區難以匹敵的。
自動駕駛車輛帶來交通基礎設施的挑戰
自動駕駛車輛能帶來哪些潛在好處,又有哪些問題仍待解決?
海赫特(Haichert):火車運行於專用基礎設施上,路線可預測,班次固定,對公共資源的負擔極小。自動駕駛貨運有望為現有的高速公路網絡帶來類似的效率。在理想情況下,自動駕駛技術能延長營運時段、緩解長期駕駛員短缺的壓力,並透過車隊編隊行駛節省燃油——從而創造顯著的效益。
與許多早期技術一樣,卡車和貨運的自動化也引發了重要的基礎設施問題。隨著技術的普及,我們必須仔細考慮由誰來監督高速公路設計、交通管理以及專案資金。貨運業者將獲得可觀的成本節約,但公共機構則須應對道路磨損加劇、交通擁堵以及網路複雜性增加等問題。 自動駕駛技術將持續快速擴展,而我們的基礎設施需要具備相應的容量與支援系統,才能與之同步發展。
管理自動駕駛運輸會面臨哪些獨特的挑戰?
海赫特(Haichert):最棘手的問題之一在於基礎設施層面——確保我們能支援自動駕駛車輛周遭的一切運作。在天氣變化與多變的路況下,管理一個由自動駕駛卡車、編隊車隊以及傳統人工駕駛車輛實時共用同一車道的網絡,其複雜程度極高。 相較於消費級無人駕駛汽車,商用車輛因其體積與重量,承擔著更大的公共安全責任。一輛重達 80,000 磅(36,287 公斤)的自動駕駛貨運卡車,其影響與隨叫隨到的機器人計程車截然不同。
隨著這項技術的普及,相關機構需要可靠的機制來通報不斷變化的路況並確保法規遵循,使這些車輛能與其他道路使用者無縫且安全地共行。
自動駕駛開發商必須回應安全與社會層面的問題
監管環境如何跟上運輸技術的發展步伐?
海赫特(Haichert):在美國,自動駕駛運輸的許多領域中,技術發展速度都快於法規制定。這對新興技術而言並不罕見,而且正如我之前提到的,監管機構通常會讓業界先蒐集實際營運數據,再制定標準。這使得部署週期比自上而下的監管模式更快、更具參考價值。 隨著自動駕駛貨運從試點階段擴展至常態化商業營運,對標準化安全要求的壓力將日益增加。未來的挑戰在於,如何在促進創新與建立能增強公眾信心的統一安全標準之間,找到恰當的平衡點。
自動駕駛開發商如何應對部分司法管轄區及工會組織的反對聲浪?
海徹特(Haichert):儘管大部分討論都恰當地聚焦於對勞動力市場的影響,但值得注意的是,全美許多地區的卡車運輸業仍持續面臨長期存在的司機短缺問題。 美國卡車運輸協會預測,2026 年將短缺 82,000 名駕駛員。該產業面臨的供應問題,自動駕駛技術恐怕無法立即解決,但我相信對駕駛員的強勁需求將持續存在,特別是在區域運輸和最後一哩配送方面。
根據我的經驗,有效的自動駕駛技術將是對現有貨運生態系統的補充,而非取代。要建立公眾與業界的信任,不僅要證明其安全性,還必須證明它能在應對現實世界營運挑戰的同時,持續支持更廣泛的運輸勞動力。
Quarterhill 與運輸機構合作
有哪些實例能說明 Quarterhill 如何與自動駕駛貨運供應商及其他夥伴合作,以推動州際運輸與物流的現代化?
海徹特(Haichert):Quarterhill 的主要客戶是負責確保道路網絡安全與高效運作的公共運輸機構,無論道路上行駛的車輛類型為何。隨著自動駕駛貨運日益普及,這些機構將越來越需要能夠應對複雜挑戰、同時支援傳統與自動駕駛商用車輛的基礎設施及交通管理系統。
我們目前的工作包括符合 CVSA 商用車輛安全標準的虛擬稱重站篩查、交通監控及執法系統。這些系統已協助機構大規模管理車隊分類、合規性及營運透明度。 隨著自動駕駛貨運在整體運輸結構中的占比日益增加,相關基礎設施也必須隨之演進——包括識別與處理自動駕駛車輛、傳遞動態路況資訊,並為機構提供必要數據,以便對無法被要求靠邊停車的無人駕駛車輛執行安全標準。這正是我們正與合作機構夥伴共同積極解決的挑戰。
相關文章
加州自動駕駛合規:罰單、地理圍欄與 100 萬英里的新時代
Guident 在南佛羅里達州營運一輛 AuveTech 接駁車,並運用其遠端監控技術,管理西棕櫚灘的一條四英里路線以及博卡拉頓的一條一英里路線。| 圖片來源:Guident加州正重新定義無人駕駛車輛的監管格局,從科技產業的「快速行動、打破常規」心態,轉向嚴格的問責制與嚴謹的行駛里程要求。Guident 執行董事長兼執行長哈羅德·布勞恩(Harold Braun)在《機器人報告》(The Robo
Meta 在使用者強烈反對後取消了 AI 照片編輯功能
Meta,這家社交媒體巨頭,再次捲入關於人工智慧與使用者隱私之間微妙平衡的公開辯論。據 TechCrunch 報道,Meta 的 Superintelligence Labs 本週早些時候推出了一款新的 AI 影象生成器 Muse Image。然而,一個備受好評的關鍵功能——允許使用者透過“@”符號標記來修改和生成來自公開 Instagram 賬戶的影象——由於缺乏適當的通知機制,立即引發了使用者以及 CAA 等機構的強烈反對。面對強烈的批評,Meta 迅速撤銷了該決定,並於週五透過部落格文章宣佈將
DeepMind執行長哈西里斯:我每天睡六個小時,通常在凌晨1點左右感到精力充沛。
Fortune 最近刊登了對谷歌 DeepMind 執行長 Demis Hassabis 的採訪,揭示了他對休息和生產力的非傳統方法。Hassabis 透露,他睡眠時間非常少,將清醒時間劃分為兩個不同的工作階段。關於他的睡眠習慣,Hassabis 表示:“我目標睡六小時,但我的習慣非同尋常。我可以在白天有效運作。”他強調,睡眠少於六小時會對大腦健康產生負面影響。Hassabis 於 2010 年聯合創立了 DeepMind(後被谷歌收購),並因其在蛋白質結構預測方面的開創性工作榮獲 20
相關專題推薦
評論 (0)
0/500

國家公路系統。資料來源:馬克·薩爾米恩托(Mark Sarmiento),美國交通部,ArcGIS Online
1956年6月29日,德懷特·D·艾森豪威爾總統簽署了《聯邦援助公路法案》,授權建立這套公路網絡。如今,該網絡承載著全美近25%的汽車交通量,並每年運輸價值數兆美元的貨物。Quarterhill Inc. 正是協助將這項基礎設施數位化的企業之一。
這套全長 41,000 英里(65,983 公里)的州際公路系統啟用七十週年後,美國汽車協會(AAA)報告指出,今年獨立日期間將有 7,220 萬名美國人外出旅行。主要關注事項包括老化的道路與橋樑、貨運安全與管理,以及隨著自動駕駛車隊規模擴大而需提升的安全性。
Quarterhill 成立於 1992 年,最初是一家無線技術公司,如今已成為智慧交通系統(ITS)產業的領導者,透過智慧基礎設施來提升交通流動性,藉此減輕交通壅塞、改善道路安全,並支持永續出行。
這家總部位於多倫多的公司表示,其人工智慧平台處理數十億筆交易,對數百萬輛商用車輛進行檢驗,並協助全球交通機構優化數千條車道的交通狀況。
Quarterhill 的 ITS 產品總監泰勒·海徹特(Tyler Haichert)回答了《機器人報告》(The Robot Report)提出的以下問題:
自動駕駛卡車車隊及其他自動駕駛車輛在美國的擴展情況如何?與其他國家相比又如何?
海徹特:美國已成為自動貨運最活躍的環境之一,主要原因在於企業能在明確界定的商業走廊中測試與部署技術,同時政策制定者正著手建立監管框架。這加速了實地測試與商業部署的進程。
得益於一個讓技術能在法規限制其發展之前先證明自身價值的生態系統,像 Kodiak 和 Aurora 這樣的企業已經在商業走廊上運作。 其他地區,包括歐洲部分地區,則採取「先監管、後部署」的模式。這種模式雖有其邏輯,但代價不小。當技術必須等待政策指引時,美國累積營運經驗與數據的速度,是其他地區難以匹敵的。
自動駕駛車輛帶來交通基礎設施的挑戰
自動駕駛車輛能帶來哪些潛在好處,又有哪些問題仍待解決?
海赫特(Haichert):火車運行於專用基礎設施上,路線可預測,班次固定,對公共資源的負擔極小。自動駕駛貨運有望為現有的高速公路網絡帶來類似的效率。在理想情況下,自動駕駛技術能延長營運時段、緩解長期駕駛員短缺的壓力,並透過車隊編隊行駛節省燃油——從而創造顯著的效益。
與許多早期技術一樣,卡車和貨運的自動化也引發了重要的基礎設施問題。隨著技術的普及,我們必須仔細考慮由誰來監督高速公路設計、交通管理以及專案資金。貨運業者將獲得可觀的成本節約,但公共機構則須應對道路磨損加劇、交通擁堵以及網路複雜性增加等問題。 自動駕駛技術將持續快速擴展,而我們的基礎設施需要具備相應的容量與支援系統,才能與之同步發展。
管理自動駕駛運輸會面臨哪些獨特的挑戰?
海赫特(Haichert):最棘手的問題之一在於基礎設施層面——確保我們能支援自動駕駛車輛周遭的一切運作。在天氣變化與多變的路況下,管理一個由自動駕駛卡車、編隊車隊以及傳統人工駕駛車輛實時共用同一車道的網絡,其複雜程度極高。 相較於消費級無人駕駛汽車,商用車輛因其體積與重量,承擔著更大的公共安全責任。一輛重達 80,000 磅(36,287 公斤)的自動駕駛貨運卡車,其影響與隨叫隨到的機器人計程車截然不同。
隨著這項技術的普及,相關機構需要可靠的機制來通報不斷變化的路況並確保法規遵循,使這些車輛能與其他道路使用者無縫且安全地共行。
自動駕駛開發商必須回應安全與社會層面的問題
監管環境如何跟上運輸技術的發展步伐?
海赫特(Haichert):在美國,自動駕駛運輸的許多領域中,技術發展速度都快於法規制定。這對新興技術而言並不罕見,而且正如我之前提到的,監管機構通常會讓業界先蒐集實際營運數據,再制定標準。這使得部署週期比自上而下的監管模式更快、更具參考價值。 隨著自動駕駛貨運從試點階段擴展至常態化商業營運,對標準化安全要求的壓力將日益增加。未來的挑戰在於,如何在促進創新與建立能增強公眾信心的統一安全標準之間,找到恰當的平衡點。
自動駕駛開發商如何應對部分司法管轄區及工會組織的反對聲浪?
海徹特(Haichert):儘管大部分討論都恰當地聚焦於對勞動力市場的影響,但值得注意的是,全美許多地區的卡車運輸業仍持續面臨長期存在的司機短缺問題。 美國卡車運輸協會預測,2026 年將短缺 82,000 名駕駛員。該產業面臨的供應問題,自動駕駛技術恐怕無法立即解決,但我相信對駕駛員的強勁需求將持續存在,特別是在區域運輸和最後一哩配送方面。
根據我的經驗,有效的自動駕駛技術將是對現有貨運生態系統的補充,而非取代。要建立公眾與業界的信任,不僅要證明其安全性,還必須證明它能在應對現實世界營運挑戰的同時,持續支持更廣泛的運輸勞動力。
Quarterhill 與運輸機構合作
有哪些實例能說明 Quarterhill 如何與自動駕駛貨運供應商及其他夥伴合作,以推動州際運輸與物流的現代化?
海徹特(Haichert):Quarterhill 的主要客戶是負責確保道路網絡安全與高效運作的公共運輸機構,無論道路上行駛的車輛類型為何。隨著自動駕駛貨運日益普及,這些機構將越來越需要能夠應對複雜挑戰、同時支援傳統與自動駕駛商用車輛的基礎設施及交通管理系統。
我們目前的工作包括符合 CVSA 商用車輛安全標準的虛擬稱重站篩查、交通監控及執法系統。這些系統已協助機構大規模管理車隊分類、合規性及營運透明度。 隨著自動駕駛貨運在整體運輸結構中的占比日益增加,相關基礎設施也必須隨之演進——包括識別與處理自動駕駛車輛、傳遞動態路況資訊,並為機構提供必要數據,以便對無法被要求靠邊停車的無人駕駛車輛執行安全標準。這正是我們正與合作機構夥伴共同積極解決的挑戰。
Meta 在使用者強烈反對後取消了 AI 照片編輯功能
Meta,這家社交媒體巨頭,再次捲入關於人工智慧與使用者隱私之間微妙平衡的公開辯論。據 TechCrunch 報道,Meta 的 Superintelligence Labs 本週早些時候推出了一款新的 AI 影象生成器 Muse Image。然而,一個備受好評的關鍵功能——允許使用者透過“@”符號標記來修改和生成來自公開 Instagram 賬戶的影象——由於缺乏適當的通知機制,立即引發了使用者以及 CAA 等機構的強烈反對。面對強烈的批評,Meta 迅速撤銷了該決定,並於週五透過部落格文章宣佈將
DeepMind執行長哈西里斯:我每天睡六個小時,通常在凌晨1點左右感到精力充沛。
Fortune 最近刊登了對谷歌 DeepMind 執行長 Demis Hassabis 的採訪,揭示了他對休息和生產力的非傳統方法。Hassabis 透露,他睡眠時間非常少,將清醒時間劃分為兩個不同的工作階段。關於他的睡眠習慣,Hassabis 表示:“我目標睡六小時,但我的習慣非同尋常。我可以在白天有效運作。”他強調,睡眠少於六小時會對大腦健康產生負面影響。Hassabis 於 2010 年聯合創立了 DeepMind(後被谷歌收購),並因其在蛋白質結構預測方面的開創性工作榮獲 20





首頁






