بقيادة الدكتور ستيفن فيكاس من جامعة أوريغون (UO) ، يعمل باحثو النقل على منح راكبي الدراجات قيادة أكثر سلاسة من خلال السماح لهم بالاتصال بإشارات المرور عبر تطبيق الهاتف المحمول.
يقدم أحدث تقرير من هذا الجهد البحثي متعدد المشاريع خوارزميات التعلم الآلي للعمل مع تطبيق الأجهزة المحمولة FastTrack. تم تطوير التطبيق واختباره في مراحل سابقة من المشروع ، ويسمح التطبيق لراكبي الدراجات بالتواصل بشكل سلبي مع إشارات المرور على طول ممر دراجات مزدحم في يوجين ، أوريغون. يأمل الباحثون في إتاحة تطبيقهم في نهاية المطاف في مدن أخرى.
"الهدف العام هو منح راكبي الدراجات استخدامًا أكثر أمانًا وفعالية لتقاطعات المدينة التي تحتوي على إشارات. يحاول المشروع الحالي استخدام خوارزميتين للتعلم العميق ، LSTM و 1D CNN ، لمعالجة التنبؤ بالسلاسل الزمنية. الهدف هو التنبؤ بالمرحلة التالية من إشارة المرور القادمة والمفعَّلة بالنظر إلى تاريخ مراحلها السابقة في تنسيق السلاسل الزمنية. قال فيكاس: "لقد شجعتنا النتائج".
يعتمد عملهم الأخير على مشروعين سابقين ، تم تمويلهما أيضًا من قبل المعهد الوطني للنقل والمجتمعات ، حيث نجح فيكاس وفريقه في بناء ونشر منتج للأجهزة والبرمجيات يسمى "Bike Connect" والذي سمح للأشخاص الذين يركبون الدراجات بالتقديم بدون استخدام اليدين تقدم المعلومات إلى إشارة مرور قادمة ، باستخدام سرعتها واتجاه السفر لزيادة احتمالية أن تكون الإشارة خضراء عند الوصول.
مشروع V2X: جلب الدراجات إلى المزيج، الذي اكتمل في عام 2018، ركز على إعطاء راكبي الدراجات زر اتصال افتراضي يمكنهم استخدامه على هواتفهم. خلال هذا المشروع، جمع الباحثون بيانات مفصلة في الوقت الحقيقي من إشارة تم تفعيلها في ممر الدراسة. المسار السريع: أدى السماح للدراجات بالمشاركة في مشروع نظام النقل الذكي، الذي اكتمل في عام 2019، إلى تطوير عرض في الوقت الفعلي للإشارات غير المشغلة التي تعرض معلومات GLOSA (استشارات السرعة المحسّنة للضوء الأخضر) - والتي يشار إليها غالبًا باسم "الخط الأخضر" موجة." بينما شائع التكنلوجيا متاح للسائقين، GLOSA غير متاح على نطاق واسع لراكبي الدراجات. هذا في الوقت الحقيقي عرض (مُثبَّتة بشكل مثالي على المقاود للعرض بدون استخدام اليدين) توفر لراكبي الدراجات معلومات في الوقت الفعلي حول ما إذا كان يجب إبطاء السرعة أو تسريعها أو الحفاظ عليها من أجل إصدار ضوء أخضر.
يعتمد مشروع 2021 على الدراسات السابقة:
- يستخدم البيانات التي تم جمعها من الإشارة المشغلة في المرحلة الأولى لتدريب واختبار خوارزميتين للتعلم الآلي للتنبؤ بمراحل الإشارة.
- إنه يضع الأساس لتوسيع تطبيق FastTrack ليشمل إشارات غير مشغلة ومُفعَّلة ، حيث من المحتمل أن يواجه راكبو الدراجات كلا النوعين من البنية التحتية أثناء الركوب.
دمج التعلم الآلي
اختار الباحثون استكشاف خوارزميتين منفصلتين للتعلم الآلي. كلاهما لهما سجل حافل مع تنبؤات السلاسل الزمنية: شبكات عصبية تلافيفية أحادية البعد (1D CNN قصيرة) ونماذج ذاكرة طويلة المدى (LSTM اختصار).
لقياس فعالية كل خوارزمية ، استخدموا ثلاثة مقاييس:
- الدقة معنية بـ "عندما يتنبأ النموذج أن الراكب سيصل إلى الضوء الأخضر ، كم مرة يكون ذلك صحيحًا؟" تشير درجة الدقة العالية إلى أن النموذج ليس عرضة لجعل المتسابق يضغط على المكابح ، ويخبر عن طريق الخطأ أن يتوقع اللون الأخضر.
- يسأل Recall "بالنسبة إلى جميع الأضواء الخضراء الفعلية التي واجهها الراكب ، كم عدد النماذج التي تم تصحيحها؟" تشير درجة الاستدعاء العالية إلى أن الراكب لا يفتقد الكثير من الخضر.
- أخيرًا ، الدقة هي ببساطة عدد التنبؤات الصحيحة.
سجل كل من LSTM و 1D CNN نتائج متطابقة تقريبًا في جميع المقاييس الثلاثة. كان الباحثون قادرين على التنبؤ بالمرحلة التالية بدقة تصل إلى 85٪ ، لكل من خوارزميات التنبؤ بالسلاسل الزمنية.
قال فيكاس: "نعتقد أننا في ملعبنا لأن نكون مقبولين من حيث إضافة مكون تنبؤ إلى تطبيق FastTrack الحالي". هذا من شأنه أن يفتح قدرة الموجة الخضراء على التقاطعات غير المحددة الوقت.
الخطوة التالية: زيادة تعقيد مجموعة البيانات وحجمها
بناءً على ما تعلموه ، فإن خطط الباحثين للخطوات التالية هي:
- الوصول إلى مجموعة بيانات ذات نطاق أكبر من الأيام ، ربما لموسم كامل. (حاليًا ، يركز الفريق عينه على "Better Naito" Parkway في بورتلاند ، أوريغون ، وهو ممر مناسب للدراجات يحتوي على تقاطعات مُفعَّلة متعددة لاستخلاص البيانات منها.) عادةً ما تؤدي المزيد من البيانات إلى نتائج أقوى عند النظر إلى خوارزميات التعلم الآلي .
- انتقل إلى مجموعة بيانات متعددة المتغيرات تتضمن التاريخ والوقت ، وربما الطقس أيضًا. لن يكون هذا تغييرًا كبيرًا في إعداد البيانات ، وقد يسمح بنموذج واحد يغطي جميع الفصول الأربعة.
يتطلب تطبيق FastTrack تغذية في الوقت الفعلي من إشارات المرور القادمة على مسار راكب الدراجة. المدن التي بها معدات قديمة أو ذات إدارة مرور أقدم أنظمة قد لا يتمكن (TMS) من توفير هذه الخلاصة. ومع ذلك ، فإن فيكاس وفريقه متفائلون. نظرًا لاستبدال المدن بالمعدات القديمة وإدخال نظام TMS حديث ، فإنها ستكون قادرة تمامًا على استخدام تطبيق FastTrack الفعال مع كل من التقاطعات الثابتة والمشغلة ، مما يمنح مجتمع ركوب الدراجات فرصًا للموجة الخضراء.
ELE تايمز
-
ELE تايمزhttps://www.eletimes.com/author/eletimes-newsتبتكر الهند تقنية تولد الهيدروجين مباشرة من المخلفات الزراعية
-
ELE تايمزhttps://www.eletimes.com/author/eletimes-newsتقول دراسة إن "الهيدروجين الأزرق" سيء على الأرجح بالمناخ
-
ELE تايمزhttps://www.eletimes.com/author/eletimes-newsأفضل ما في العالمين — الجمع بين الأنظمة الكلاسيكية والكمية لتلبية متطلبات الحوسبة الفائقة
-
ELE تايمزhttps://www.eletimes.com/author/eletimes-newsيقدم Mouser موقع Ethernet أحادي الزوج من Texas Instruments و Phoenix Contact