• 基于位置服務數據,AI如何預測交通流量?

    2020-01-08 09:29:36 來源: ITS114 評論:
    分享到:

    由地圖巨頭Here建立的人工智能高級研究所(IARAI),日前舉行了預測交通流量的Traffic4cast Challenge 2019挑戰賽,要求參賽者將基于機器學習的流量預測與交通研究相結合,并對未來的交通方式做出預測,旨在利用人工智能(AI)解決出行難點。競賽結果顯示了AI如何使用來自地圖和車輛位置數據,不斷的嘗試識別和模擬發現出行模式,以解決交通堵塞問題。

    造成交通堵塞的因素有很多,當司機做出簡單的決定會導致復雜的出行模式,這些出行模式取決于各種因素,比如一天中所處時間、路網情況、異常情況、假期、天氣狀況和工作日等等。有針對性地識別和分析交通出行模式,可以更準確地預測車輛在一天中的特定時段如何在特定道路上行駛。

    image.png

    IARAI公開了三個不同城市(柏林,伊斯坦布爾和莫斯科)一年內的交通流數據,流量數據由車輛監測網絡采集到的超1000億個數據點創建而成。這些可視化數據記錄了城市內早、晚高峰時期的交通狀況,每一幀都顯示了GPS軌跡的時空數據,還用三種不同的顏色代表交通流、行車速度、路線方向,需要依靠這三幅圖像進行交通預測。

    image.png

    人工智能,尤其是神經網絡非常擅長識別模式,可以幫助解決交通擁堵問題。它們通常不按照特定的程序而是通過詳盡案例(如數據庫)來“學習”然后識別。這種無需編程就可實現深度學習的能力意味著其內部工作原理是機器學習的奧秘之一,即所謂的AI“黑匣子”,所以即使是程序員也無法輕松理解或測試識別流程。

    比賽結果表明,神經網絡是交通預測和精確模擬交通流最有效的方法。來自韓國、牛津、蘇黎世和多倫多的優勝者從來自世界各地的40多個團隊、4,000多個參賽作品中脫穎而出。這些領先的參賽團隊都使用了神經網絡代替了“非黑匣子”的解決方案,例如支持向量機 、貝葉斯網絡和其他固定算法。

    Here的研究負責人,也是IARAI的創始合伙人Michael Kopp表示,這場比賽匯集了多個團隊通過預測交通流量來解決交通擁堵,是可持續性移動出行的核心。在數十億個真實數據點的基礎上運用AI技術和跨學科方法來解決交通問題,既新穎又起到示范作用,將會運用到更多的應用中。另外,比賽還證明了“黑匣子”機器學習對解決預測性問題最有效,為進一步研究AI學習方式提供了新起點。

  • 關鍵字: AI 預測交通流量
  •    責任編輯:劉艷
  • 關于我們
  • 聯系我們
  • 廣告贊助
  • 全年玻色固定公式规律 福建快3开奖视频 江苏省体彩11选五开奖结果 一码一肖100准 特四码公开资料 今日股票推荐股 安徽十选五开奖结果 优理宝股票手机软件 安卓来游戏天津麻将下载 天津十一选五多期结果 黑龙江11选5分布图一定牛