Uporaba strojnega učenja za iskanje rešitve za ponavljajoče se zastoje
mesto: Debrecen
Občinstvo: Srednje veliko mesto
Tema: Upravljanje prometa in povpraševanja
Korak v ciklu SUMP: 12. korak: Preglejte in se naučite lekcij
Več informacij:
eltis.org
Opis dejavnosti
Debrecen je želel razviti sistem samozdravljenja mesta, ki bi lahko zaznal in predlagal preprosto rešitev za različna prometna vprašanja. To pomeni, da je bil sistem strojnega učenja razvit za zasnovo zanesljivega programa semaforja (TLP). Sistem je sposoben izolirati vrste izboljšav infrastrukture, ki bi jih lahko izvedli, kot so; spremembe cestnih pasov, semaforjev, nove omejitve pri obračanju prometa itd. Rezultat je bil program Semafor (TLP), ki lahko obvladuje praktične primere največjega prometa - da prepreči nastanek zastojev v konicah. Obstaja tudi potencialna infrastrukturna sprememba, ki vključuje sekundarno razširitev pasu, ki jo je priporočil sistem ML.
Nova spoznanja
Največja težava ekipe je bila analiza celotnega prizadetega odseka ceste. Ker je odsek ceste, ki so ga preučevali med tem projektom, dolg 2 km, se je izkazalo, da je zelo težko zajeti vse potrebne informacije v natančnem trenutku, ko se je začela zastoja - ali ločiti natančen vzrok. Tako je ekipa izvedla več meritev na različnih odsekih ceste in jih nato izenačila, da je ustvarila realistične simulacije. Ta pristop je mogoče zlahka prenesti na katero koli drugo analizo razmer v prometu.