Растущая сложность интеллектуальных транспортных систем (ИТС), которые включают в себя широкий спектр приложений и услуг, вызвала необходимость в высокопроизводительных современных аппаратных устройствах (MHD). Проблема производительности стала более заметной после интеграции методов машинного обучения (ML), развернутых в крупномасштабных условиях. Машинное обучение эффективно поддержало сферу ИТС, предоставив эффективные и оптимизированные решения проблем, которые в противном случае решались с использованием традиционных статистических и аналитических подходов. Потребность в развертывании аппаратного обеспечения ИТС в эпоху машинного обучения − сложная проблема, которая включает в себя временные, пространственные, экологические и экономические факторы. В этом обзоре рассматривается новейшая литература ИТС на основе машинного обучения, в которых использовались MHD, с упором на показатели эффективности.
