Google menyelidik model AI baharu yang boleh meningkatkan kecekapan trafik sebanyak 30%

Google Research baru-baru ini menerbitkan artikel yang memperkenalkan hasil aplikasi model AI "panduan lalu lintas" yang mereka bangunkan menggunakan perisian simulasi sumber terbuka SUMO (Simulation of Urban Mobility)

Dilaporkan bahawa penyelidik Google menggunakan perisian SUMO untuk membina model asas kawasan T-Mobile Park dan Lumen Field di Seattle, dan menggunakan maklumat seperti volum kesesakan, lokasi lampu isyarat dan purata kelajuan jalan yang disediakan oleh Peta Google untuk melukis secara terperinci Peta haba

▲ Sumber gambar siaran akhbar rasmi Google (sama di bawah)

Pasukan penyelidik kemudian membahagikan peta haba kepada kawasan yang berbeza dan memperkenalkan "model tingkah laku pengguna" dan cadangan laluan yang disediakan oleh Jabatan Polis Seattle, dengan itu mewujudkan model "lencongan lalu lintas" yang boleh menetapkan laluan terbaik kepada pemilik kereta

Menurut kenyataan akhbar daripada IT House, penyelidik Google bekerjasama dengan Jabatan Pengangkutan Seattle di Amerika Syarikat untuk benar-benar menggunakan model kecerdasan buatan pengalihan trafik dalam berbilang acara berskala besar pada bulan Ogos dan November 2023 dan menggunakan "paparan panduan dinamik" Skrin (Isyarat Mesej Dinamik)", keputusan menunjukkan bahawa masa kesesakan telah dipendekkan secara purata selama 7 minit, dan kecekapan trafik berjaya dipertingkatkan sebanyak 30%

Menurut Google, kajian ini menunjukkan potensi "teknologi simulasi" dalam perancangan trafik untuk meningkatkan kecekapan trafik di tempat acara besar dan membolehkan perancang jalan memahami bahagian jalan yang kurang digunakan, dengan itu menambah baik persekitaran trafik secara keseluruhan

Atas ialah kandungan terperinci Google menyelidik model AI baharu yang boleh meningkatkan kecekapan trafik sebanyak 30%. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!