オレゴン大学（UO）のStephen Fickas博士が率いる交通研究者は、モバイルアプリを介して信号機と通信できるようにすることで、自転車に乗る人がよりスムーズに乗れるように取り組んでいます。
このマルチプロジェクトの研究活動から得られた最新のレポートでは、モバイルアプリFastTrackで動作する機械学習アルゴリズムが紹介されています。 プロジェクトの初期段階で開発およびテストされたこのアプリを使用すると、サイクリストはオレゴン州ユージーンの忙しい自転車回廊に沿って信号機と受動的に通信できます。 研究者は、最終的に自分のアプリを他の都市で利用できるようにすることを望んでいます。
「全体的な目標は、自転車に乗る人に、都市の信号交差点をより安全かつ効率的に使用できるようにすることです。 現在のプロジェクトでは、LSTMと1D CNNのXNUMXつの深層学習アルゴリズムを使用して、時系列予測に取り組んでいます。 目標は、時系列形式で前のフェーズの履歴を前提として、次の作動信号の次のフェーズを予測することです。 結果に勇気づけられた」とフィッカスは語った。
彼らの最新の作品は、同じく国立交通コミュニティ研究所によって資金提供されたXNUMXつの以前のプロジェクトに基づいており、フィッカスと彼のチームは、自転車に乗っている人がハンズフリーで提供できる「バイクコネクト」と呼ばれるハードウェアとソフトウェアの製品の構築と展開に成功しました。到着時に信号が緑色になる可能性を高めるために、進行速度と進行方向を使用して、次の信号機に情報を進めます。
2 年に完了したプロジェクト「V2018X: Bringing Bikes into the Mix」では、自転車に乗る人が自分の電話で使用できる仮想通話ボタンを提供することに焦点を当てていました。 このプロジェクト中、研究者は研究通路上の作動信号から詳細なリアルタイム データを収集しました。 ファストトラック: 2019 年に完了したスマート交通システム プロジェクトへの自転車参加の許可では、GLOSA (Green Light Optimized Speed Advisory) 情報を表示する非作動信号のリアルタイム ディスプレイが開発されました。波。" 一般的でありながら、 テクノロジー GLOSA はドライバーには利用可能ですが、自転車利用者には広く利用可能ではありません。 このリアルタイム ディスプレイ （理想的にはハンズフリーで表示するためにハンドルバーに取り付けられています）自転車に乗る人に、青信号を出すために減速するか、加速するか、速度を維持するかについてのリアルタイム情報を提供しました。
2021プロジェクトは、以前の研究に基づいています。
- 最初のフェーズで作動信号から収集されたデータを使用して、XNUMXつの機械学習アルゴリズムをトレーニングおよびテストし、信号フェーズを予測します。
- 自転車に乗るときにこれらのタイプのインフラストラクチャの両方に遭遇する可能性が高いため、FastTrackアプリを拡張して非作動信号と作動信号の両方を含めるための基礎を設定します。
機械学習を組み込む
研究者は、1つの別々の機械学習アルゴリズムを調査することを選択しました。 どちらも時系列予測で優れた実績があります。XNUMX次元畳み込みニューラルネット（略してXNUMXD CNN）と長短期記憶モデル（略してLSTM）です。
各アルゴリズムの有効性を測定するために、彼らはXNUMXつのメトリックを使用しました。
- 精度は、「モデルがライダーが青信号に到達すると予測する場合、それはどのくらいの頻度で正しいか」に関係しています。 プレシジョンスコアが高いということは、グリーンを期待するように誤って言われて、ライダーがブレーキを踏む傾向がないことを示しています。
- 「ライダーが実際に遭遇したすべての緑色のライトについて、モデルはいくつ正しくなりましたか？」と尋ねることを思い出してください。 高い再現率スコアは、ライダーが多くのグリーンを逃していないことを示しています。
- 最後に、精度は単に正しい予測の数です。
LSTMと1DCNNは、85つのメトリックすべてでほぼ同じ結果を記録しました。 研究者は、時系列予測アルゴリズムごとに、約XNUMX％の精度で次のフェーズを予測することができました。
「私たちは、既存のFastTrackアプリに予測コンポーネントを追加するという点で、受け入れられるという球場にいると信じています」とFickas氏は述べています。 これにより、固定時間以外の交差点でグリーンウェーブ機能が利用できるようになります。
次のステップ：データセットの複雑さとサイズを増やす
彼らが学んだことに基づいて、次のステップのための研究者の計画は次のとおりです。
- おそらくシーズン全体など、より広い範囲の日数のデータセットにアクセスできます。 （現在、チームはオレゴン州ポートランドの「Better Naito」パークウェイに注目しています。これは、データを引き出すための複数の作動交差点を含む自転車に優しい回廊です。）通常、機械学習アルゴリズムを見ると、データが多いほど結果が強くなります。 。
- 日付と時刻、そしておそらく天気も含む多変量データセットに移動します。 これはデータ準備に大きな変更を加えることはなく、XNUMXつの季節すべてをカバーする単一のモデルを可能にする可能性があります。
FastTrackアプリには、自転車に乗る人の進路にある今後の信号機からのリアルタイムフィードが必要です。 古い機器または古い交通管理を備えた都市 システム （TMS）はこのフィードを提供できない場合があります。 しかし、フィッカスと彼のチームは楽観的です。 都市が古い機器に取って代わり、最新のTMSを導入すると、固定交差点と作動交差点の両方で効果的なFastTrackアプリを完全に使用できるようになり、自転車コミュニティにグリーンウェーブの機会が与えられます。
ELEタイムズ
-
ELEタイムズhttps://www.eletimes.com/author/eletimes-newsインドは農業残渣から直接水素を生成する技術を革新します
-
ELEタイムズhttps://www.eletimes.com/author/eletimes-news研究によると、「青い水素」は気候に悪い可能性が高い
-
ELEタイムズhttps://www.eletimes.com/author/eletimes-news両方の長所—スーパーコンピューティングの需要を満たすためにクラシックシステムとクォンタムシステムを組み合わせる
-
ELEタイムズhttps://www.eletimes.com/author/eletimes-newsMouserがTexasInstrumentsとPhoenixContactのシングルペアイーサネットサイトを発表