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。

（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，请登录查看

下载所有附件相关文件（4）

下载 车灯知多少.pdf

下载 比亚迪天神之眼搭载车型一览.jpg

下载 2024年度智驾（9大领域）供应商装机量排行.zip

下载 全球Robotaxi核心玩家及进展.jpg