登录客服 |

扫描或点击关注
中金在线客服

使用财视扫码登陆 中金二维码

下次自动登录

登录
忘记密码?立即注册

其它账号登录:新浪QQ微信

手机网
首页>>汽车>>车市动态>>  正文
精华推荐 财经号
博客 热门话题 直播

隐者:底部不能错过的机会浩瀚:周五短线冲高回落

白云:本周如期终结五连阴 老K:大盘注意反弹高度

趋势:市场热点在两条主线武人:潜伏这类股最赚钱

第六感:继续上涨概率多大一哥:年线挣扎鹿死谁手

严为民:期待明日继续放量中和:底部机会?量呢?

股心:留意高潮后分化风险龙头:短线机会将持续!

龙一:题材回归找准切入点一休:大盘还将继续下行

  • 又一长租公寓爆雷!黄金疯涨,“中国大妈”解套了?
  • 2019年那些翻车的首富们超强台风“利奇马”逼近
  • 全球股市重挫,黄金抢占C位警惕,又一白马股"凉了"
  • 中国单身成年人口超2亿在朋友圈骂人被罚1000元
  • 人民币"破7",央行紧急声明亚洲“整容王国”套路多深
  • 教授建议降低法定婚龄一夜暴富的“锦鲤”女孩咋样了
  • 徐小明 天赢居 寒江钓客 洛阳上官 幽兰行天下
  • 老孙头谈股 秦国安 龍哥论市 蒋律 股海潜蛟
  • 山东虎子 牛家庄 孔明看市 A炼金师 先知窝窝
  • 灵枝 旗帜先明 短线高手 牛传千股 龙头1988
  • 鸿牛 短线王 律动天成 海西一狼 五域论湛
  • 狗蛋 李博文 波段龙一 股市猎枪 涨停板老黄
  • MORE图说财经

    劳伦斯伯克利国家实验室利用集成学习算法 实时准确预测交通流量

    2019-12-06 08:14:01 来源:盖世汽车 作者:佚名
    分享到
    关注中金在线:
    • 扫描二维码

      关注√

      中金在线微信

    在线咨询:
    • 扫描或点击关注中金在线客服

      盖世汽车讯 据外媒报道,城市交通大致会遵循一个与“朝九晚五”工作时间表相关的周期性模式。不过,如果有事故发生,该交通模式就会被打乱。对于交通工程师来说,设计一个准确的交通流量模型,以在发生事故时使用是一个很大的挑战,因为必须要实时适应不可预见的交通场景。

      
        

      (图片来源:劳伦斯伯克利国家实验室)

      现在,美国能源部的劳伦斯伯克利国家实验室(Lawrence Berkeley National Lab)的一组计算机科学家与加利福尼亚州运输部(California Department of Transportation,Caltrans)合作,采用高性能计算和机器学习技术,在发生事故时,帮助Caltrans实时做出决策。该研究是与加利福尼亚高级运输和公路合作伙伴(PATH)、加州伯克利大学的交通研究(ITS)合作进行的,是Connected Corridors项目的一部分,Connected Corridors旨在研究、开发和测试一个综合走廊管理方法(Integrated Corridor Management approach),用于管理加州的交通走廊。

      Caltrans和Connected Corridors正在洛杉矶县I-210试点实施该系统。研究人员采用南加州市、县和州的实时数据,目标是通过执行经过协调的多司法管辖区交通事故响应计划,以限制交通事故的负面影响,提高Caltrans的实时决策能力。该系统的首个版本将于2020年部署于阿卡迪亚、杜阿尔特、蒙罗维亚和帕萨迪纳等城市,并计划部署到该州的各地。

      伯克利大学计算研究部(CRD)数学家Sherry Li表示:“其实有很多种交通流量预测方法,而且每一种在适当的情况下都可发挥作用。为了减轻人工操作员(有些人有时会盲目信任某个特定模型)的负担,我们的目标是整合多个模型,以更稳定、准确地预测交通流量。为此,我们设计了一个结合不同子模型的集成学习(ensemble-learning)算法。”

      集成学习是一种将不同的学习者(单个模型)组合在一起,以提高该模型的稳定性和预测能力的技术。长期以来,机器学习研究人员一直在研究该技术。交通流量的特殊之处在于具备时间性;交通流量的测量值会随着时间变化而变化,不同的单个模型的预测结果也是如此。

      在伯克利大学实验室与Caltrans的合作项目中,该集成模型考虑了各个子模型之间的相互依赖性,并且分配了“投票份额”以平衡个体的性能和相互依赖性。相对于对较老历史的预测性能,该模型更看重对最近时间段的预测性能。最后,该合成模型在预测精度和稳定性方面优于测试中使用的任何单一模型。

      实时数据,实时决策

      该项目利用Caltrans传感器从加州高速公路上收集而来的数据,产生了新颖的算法,能够在15分钟的循环制基础上,进行准确预测。然后,该团队利用Connected Corridors系统收集的实时交通数据,验证并集成了该新算法。Connected Corridors系统是一个实时交通数据中心,可扩展机器学习库Spark Mllib,Spark Mllib会提供机器学习模型,可以在集成学习框架中使用此类模型。该研究的具体成果是在高速公路上安装传感器的地方预测了交通流量,进而能够预测高速公路入口的交通流量需求以及高速出口的交通流量。

      集成学习部分解决了交通中有不同类型车辆的问题,但是没有解决因施工或事故突然导致的交通变化问题。该研究小组利用在线(实时)学习技术,使该算法不仅能够学习过去的情况,还能够沿路实时适应新的交通状况。

      该算法还可以与上述技术相结合,以更准确、更及时地预测交通,并有助于实时控制交通,如改变交通路线、改变交通灯配置等纠正措施。

    热门搜索

    为您推荐