Connect with us

Hi, what are you looking for?

Наука и технологии

Найден способ сделать модели автомобильного трафика более эффективными

Модели, которые предсказывают объем трафика в определенное время и в определенном месте, используются для информирования обо всем, от схемы светофора до приложения на вашем телефоне, которое сообщает вам, как добраться из пункта А в пункт Б. Исследователи из Университета штата Северная Каролина продемонстрировали метод. это снижает вычислительную сложность этих моделей, делая их работу более эффективной.

«Мы используем модели, чтобы предсказать, сколько трафика будет на любом участке дороги в любой конкретный момент времени », — говорит Али Хаджбабаи, соавтор статьи о работе и доцент кафедры гражданского строительства, строительства и экологического проектирования. в штате Северная Каролина. «Эти модели работают хорошо, но конкретные вопросы прогнозирования могут быть настолько сложными в вычислительном отношении, что их либо невозможно решить с ограниченными вычислительными ресурсами, либо они занимают так много времени, что прогноз становится доступным только тогда, когда он больше не нужен».

Отправной точкой для этой работы исследователей стал алгоритм, разработанный для упрощения сложных вычислительных задач, но они обнаружили, что его нельзя применить непосредственно к проблемам с дорожным движением.

«Поэтому мы модифицировали этот алгоритм, чтобы посмотреть, сможем ли мы найти способ использовать его в моделях, предсказывающих объем трафика в определенном месте и в определенное время», — говорит Хайбабайе. «И результаты порадовали».

В частности, исследователи разработали модифицированную версию алгоритма, которая эффективно разбивает более крупную модель прогнозирования трафика на набор более мелких задач, которые затем можно решать параллельно друг с другом.

Этот процесс значительно сокращает время выполнения модели прогнозирования. Однако степень повышения эффективности значительно варьируется в зависимости от того, насколько сложны вопросы прогнозирования. Чем сложнее вопрос, тем выше эффективность.

Модифицированный метод также улучшает время выполнения, позволяя модели распознавать, когда она достигла достаточно хорошего решения — решение не обязательно должно быть идеальным. Традиционно модели будут работать до тех пор, пока не будет найдено оптимальное решение или решение, очень близкое к оптимальному. Но для большинства целей результат, который находится в пределах 5% или даже 10% от оптимального решения, будет работать нормально.

«Наш подход здесь, по сути, устанавливает планки погрешностей вокруг оптимального решения и позволяет модели прекратить выполнение и сообщить результат, когда он подойдет достаточно близко», — говорит Хайбабайе.

Исследователи протестировали модифицированный алгоритм в сравнении с эталонным алгоритмом, используемым в потребительском программном обеспечении для решения вопросов, связанных с прогнозированием трафика.

«Наш модифицированный алгоритм превзошел эталонный тест по двум параметрам», — говорит Хайбабайе. «Во-первых, наш алгоритм использовал гораздо меньше компьютерной памяти. Во-вторых, время выполнения нашего алгоритма было на несколько порядков быстрее.

«На данный момент мы открыты для работы с планировщиками трафика и инженерами, которые заинтересованы в изучении того, как мы можем использовать этот модифицированный алгоритм для решения реальных проблем».

Статья опубликована в IEEE Transactions on Intelligent Transportation Systems.

Найден способ сделать модели трафика более эффективными

Теги: ИИ

В тренде