• 采购项目
  • 配套企业库
  • 销量查询
  • 盖世汽车社区
  • 盖世大学堂
  • 盖亚系统
  • 盖世汽车APP
  • 各国产业概览
  • 2025第八届智能辅助驾驶大会
  • 2025第四届中国车联网安全大会
  • 2025汽车智能玻璃创新技术及应用大会
正在热评
当前位置:首页 > 智能网联 > 正文

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

盖世汽车 余秋云 2019-12-06 07:58:39
核心提示:如何准确预测交通流量,以防止突发事故影响交通?美国能源部的劳伦斯伯克利国家实验室就利用了机器学习技术,研发出一个交通流量预测模型。

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。

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

(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。

试读已结束

如需阅读全部内容,请查看

下载所有附件相关文件(4)
智能网联汽车产业分析月刊

*特别声明:本文为技术类文章,禁止转载或大篇幅摘录!违规转载,法律必究。

本文地址:https://auto.gasgoo.com/news/201912/6I70138795LC601.shtml

文章标签: 黑科技 前瞻技术
 
23

好文章,需要你的鼓励

余秋云

网罗国际汽车技术新闻,做一个好“技”者
  • 文章数:3439
  • 阅读量:8952428

我有话说:

还没有评论,快来抢沙发吧!
更多项目 >采供项目