UO(University of Oregon)의 Stephen Fickas 박사가 이끄는 교통 연구원들은 모바일 앱을 통해 교통 신호와 통신할 수 있도록 하여 자전거 운전자에게 보다 부드러운 승차감을 제공하기 위해 노력하고 있습니다.
이 다중 프로젝트 연구 노력에서 나온 최신 보고서는 모바일 앱 FastTrack과 함께 작동하는 기계 학습 알고리즘을 소개합니다. 프로젝트의 초기 단계에서 개발 및 테스트된 이 앱을 사용하면 자전거 이용자가 오리건 주 유진의 분주한 자전거 도로를 따라 교통 신호와 수동적으로 통신할 수 있습니다. 연구원들은 궁극적으로 다른 도시에서 앱을 사용할 수 있기를 희망합니다.
“전체적인 목표는 자전거 운전자가 도시의 신호 교차로를 보다 안전하고 효율적으로 사용할 수 있도록 하는 것입니다. 현재 프로젝트는 시계열 예측을 다루기 위해 1개의 딥 러닝 알고리즘인 LSTM과 XNUMXD CNN을 사용하려고 합니다. 목표는 시계열 형식의 이전 단계 이력을 고려하여 다가오는 작동 트래픽 신호의 다음 단계를 예측하는 것입니다. 우리는 결과에 고무되어 있습니다.”라고 Fickas가 말했습니다.
Fickas와 그의 팀은 자전거를 타는 사람들이 핸즈프리로 자전거를 탈 수 있도록 하는 "Bike Connect"라는 하드웨어 및 소프트웨어 제품을 성공적으로 구축 및 배포한 National Institute for Transportation and Communities의 자금 지원을 받은 두 개의 이전 프로젝트를 기반으로 합니다. 도착 시 신호가 녹색일 가능성을 높이기 위해 속도와 이동 방향을 사용하여 다가오는 교통 신호에 정보를 제공합니다.
2년에 완료된 V2018X 프로젝트: 자전거를 혼합으로 가져오기(Bringing Bikes into the Mix)는 자전거 운전자가 휴대폰에서 사용할 수 있는 가상 통화 버튼을 제공하는 데 중점을 두었습니다. 해당 프로젝트 동안 연구원들은 연구 통로에서 작동된 신호로부터 상세한 실시간 데이터를 수집했습니다. 패스트 트랙: 2019년에 완료된 스마트 교통 시스템 프로젝트에 자전거 참여 허용은 GLOSA(녹색광 최적화 속도 주의보) 정보를 표시하는 비작동 신호에 대한 실시간 디스플레이를 개발했습니다. 파도." 일반적인 반면 technology 운전자에게만 제공되는 GLOSA는 자전거 이용자에게는 널리 제공되지 않습니다. 이번 실시간 디스플레이 (핸즈프리 보기를 위해 핸들바에 이상적으로 장착됨) 자전거 운전자에게 신호를 보내기 위해 감속, 가속 또는 속도 유지에 대한 실시간 정보를 제공했습니다.
2021 프로젝트는 이전 연구를 기반으로 합니다.
- 첫 번째 단계에서 작동된 신호에서 수집된 데이터를 사용하여 두 가지 기계 학습 알고리즘을 훈련하고 테스트하여 신호 단계를 예측합니다.
- 비작동 신호와 작동 신호를 모두 포함하도록 FastTrack 앱을 확장하기 위한 토대를 마련합니다.
기계 학습 통합
연구원들은 두 가지 별도의 기계 학습 알고리즘을 탐색하기로 결정했습니다. 둘 다 1차원 컨볼루션 신경망(줄여서 XNUMXD CNN) 및 장단기 기억 모델(줄여서 LSTM)과 같은 시계열 예측에서 좋은 실적을 기록했습니다.
각 알고리즘의 효율성을 측정하기 위해 세 가지 측정항목을 사용했습니다.
- 정밀도는 "모델이 라이더가 녹색 신호등에 도착할 것으로 예측할 때 얼마나 자주 정확합니까?"와 관련이 있습니다. 높은 정밀도 점수는 모델이 라이더가 그린을 기대하도록 잘못 말해서 브레이크를 세게 밟는 경향이 없다는 것을 나타냅니다.
- 리콜은 "라이더가 마주한 모든 실제 녹색등에 대해 모델이 정확히 몇 개를 맞췄습니까?"라고 묻습니다. 높은 리콜 점수는 라이더가 그린을 많이 놓치고 있지 않다는 것을 의미합니다.
- 마지막으로 정확도는 단순히 정확한 예측의 수입니다.
LSTM과 1D CNN은 세 가지 지표 모두에서 거의 동일한 결과를 얻었습니다. 연구원들은 각 시계열 예측 알고리즘에 대해 대략 85%의 정확도로 다음 단계를 예측할 수 있었습니다.
Fickas는 "기존 FastTrack 앱에 예측 구성 요소를 추가하는 측면에서 수용할 수 있다고 생각합니다."라고 말했습니다. 이것은 비정시 교차로에 대한 녹색파 기능을 열 것입니다.
다음 단계: 데이터세트의 복잡성 및 크기 증가
그들이 배운 것을 바탕으로 연구원의 다음 단계 계획은 다음과 같습니다.
- 전체 시즌과 같이 더 넓은 날짜 범위의 데이터 세트에 액세스할 수 있습니다. (현재 팀은 오레곤주 포틀랜드에 있는 "Better Naito" Parkway에 주목하고 있습니다. 이 공원은 데이터를 끌어오기 위해 여러 교차로를 포함하는 자전거 친화적인 복도입니다.) 일반적으로 머신 러닝 알고리즘을 볼 때 더 많은 데이터가 더 강력한 결과로 이어집니다. .
- 날짜와 시간은 물론 날씨도 포함하는 다변수 데이터세트로 이동합니다. 이것은 데이터 준비에 큰 변화가 없을 것이며 XNUMX계절을 모두 포함하는 단일 모델을 허용할 수 있습니다.
FastTrack 앱은 자전거 운전자의 경로에서 다가오는 교통 신호의 실시간 피드를 필요로 합니다. 오래된 장비 또는 오래된 교통 관리가 있는 도시 시스템은 (TMS)에서 이 피드를 제공하지 못할 수 있습니다. 그러나 Fickas와 그의 팀은 낙관적입니다. 도시가 구형 장비를 교체하고 최신 TMS를 도입함에 따라 고정 교차로와 작동 교차로 모두에서 효과적인 FastTrack 앱을 완전히 사용할 수 있게 되어 자전거 커뮤니티에 녹색 물결 기회를 제공할 것입니다.
ELE 타임즈
-
ELE 타임즈https://www.eletimes.com/author/eletimes-news인도, 농업 잔류물에서 직접 수소를 생성하는 기술 혁신
-
ELE 타임즈https://www.eletimes.com/author/eletimes-news연구에 따르면 '청색 수소'는 기후에 좋지 않을 수 있습니다
-
ELE 타임즈https://www.eletimes.com/author/eletimes-news두 세계의 장점 - 고전 시스템과 양자 시스템을 결합하여 슈퍼컴퓨팅 요구 사항 충족
-
ELE 타임즈https://www.eletimes.com/author/eletimes-news마우저, 텍사스 인스트루먼트 및 피닉스컨택트의 단일 쌍 이더넷 사이트 발표