（圖片來源：intelligenttransport.com）

據(jù)外媒報道，西班牙埃爾切市米蓋爾埃爾南德斯大學（UMH）研究人員研發(fā)出基于神經(jīng)網(wǎng)絡的人工智能系統(tǒng)，可利用固定傳感器和互聯(lián)車輛的數(shù)據(jù)預測交通狀況，該新系統(tǒng)使提前15分鐘預測交通狀況成為可能。

為開展該項研究，UWICORE實驗室的研究人員在SUMO交通仿真平臺上實現(xiàn)了數(shù)字化并進行研究。該實驗室屬于UMH工程研究中心，而仿真平臺上的交通設置與西班牙阿利坎特（Alicante）至穆爾西亞自治區(qū)（Murcia）間A-7高速公路的交通設置一樣，全長97公里。此外，研究人員還與Levante交通管理中心（Levante Traffic Management Centre）合作，該中心提供了該路段12年內(nèi)所有交通傳感器的數(shù)據(jù)。

該路段交通流量大（有些地方平均每天會通行10萬輛車），交通傳感器數(shù)量多（總共99個），從而能夠每分鐘都精確地測量到交通流量。通過選取數(shù)據(jù)，研究人員研發(fā)出一種數(shù)字模擬裝置，可極其準確地生成A-7路段10天內(nèi)的交通狀況。為了實現(xiàn)該目標，UMH的研究人員還研發(fā)出一種新型校準法，能夠基于真實數(shù)據(jù)準確而真實地生成數(shù)字交通模擬設置。

憑借UMH創(chuàng)建的數(shù)字交通平臺，研究人員研發(fā)了基于深度神經(jīng)網(wǎng)絡的技術，利用網(wǎng)聯(lián)車輛的數(shù)據(jù)提前15分鐘預測交通狀況。研究人員分析了在交通中引入網(wǎng)聯(lián)車輛會如何影響交通強度、密度和車速預測的準確性。研究還證明，與目前部署在相關A-7路段的交通傳感器數(shù)據(jù)相比，僅用4%的網(wǎng)聯(lián)車輛數(shù)據(jù)就可以提升交通預測的準確性。UMH的研究人員還表示，將現(xiàn)有交通傳感器的數(shù)據(jù)與網(wǎng)聯(lián)車輛的數(shù)據(jù)結合使用時，可以顯著提高交通預測的準確性。例如，與固定傳感器提供數(shù)據(jù)進行交通狀況預測相比，僅將10%的網(wǎng)聯(lián)車輛數(shù)據(jù)與交通傳感器數(shù)據(jù)結合，預測誤差就可減少40%。

返回第一電動網(wǎng)首頁 >