Liderados pelo Dr. Stephen Fickas, da University of Oregon (UO), os pesquisadores de transporte estão trabalhando para dar aos ciclistas passeios mais suaves, permitindo que eles se comuniquem com sinais de trânsito por meio de um aplicativo móvel.
O relatório mais recente resultante deste esforço de pesquisa de vários projetos apresenta algoritmos de aprendizado de máquina para trabalhar com seu aplicativo móvel FastTrack. Desenvolvido e testado nas fases anteriores do projeto, o aplicativo permite que os ciclistas se comuniquem passivamente com os semáforos ao longo de um corredor de bicicletas movimentado em Eugene, Oregon. Os pesquisadores esperam eventualmente disponibilizar seu aplicativo em outras cidades.
“O objetivo geral é dar aos ciclistas um uso mais seguro e eficiente dos cruzamentos sinalizados de uma cidade. O projeto atual tenta usar dois algoritmos de aprendizado profundo, LSTM e 1D CNN, para lidar com a previsão de séries temporais. O objetivo é prever a próxima fase de um semáforo acionado por vir, dado um histórico de suas fases anteriores no formato de série temporal. Estamos encorajados com os resultados ”, disse Fickas.
Seu trabalho mais recente baseia-se em dois projetos anteriores, também financiados pelo Instituto Nacional de Transporte e Comunidades, nos quais Fickas e sua equipe construíram e implantaram com sucesso um produto de hardware e software chamado "Bike Connect" que permitia que as pessoas em bicicletas dessem o viva-voz informações antecipadas para um semáforo próximo, usando sua velocidade e direção de viagem para aumentar a probabilidade de o sinal ficar verde na chegada.
O projeto V2X: Bringing Bikes into the Mix, concluído em 2018, teve como foco oferecer aos ciclistas um botão de chamada virtual que eles pudessem usar em seus telefones. Durante esse projeto, os pesquisadores coletaram dados detalhados em tempo real de um sinal atuado no corredor de estudo. O projeto Fast Track: Permitindo que as bicicletas participem de um sistema de transporte inteligente, concluído em 2019, desenvolveu uma exibição em tempo real para sinais não acionados mostrando informações GLOSA (Green Light Optimized Speed Advisory) - mais frequentemente referido como “verde aceno." Embora seja um comum tecnologia disponível para os motoristas, o GLOSA não está amplamente disponível para os ciclistas. Este tempo real exibição (idealmente montado em guidões para visualização sem as mãos) ofereceu aos ciclistas informações em tempo real sobre se deveriam desacelerar, aumentar ou manter a velocidade para fazer um sinal verde.
O projeto 2021 baseia-se nos estudos anteriores:
- Ele usa os dados coletados do sinal atuado na primeira fase para treinar e testar dois algoritmos de aprendizado de máquina para prever as fases do sinal.
- Ele estabelece as bases para estender o aplicativo FastTrack para incluir sinais não-atuados e atuados, já que os ciclistas provavelmente encontrarão esses dois tipos de infraestrutura durante a condução.
Incorporando aprendizado de máquina
Os pesquisadores optaram por explorar dois algoritmos de aprendizado de máquina separados. Ambos têm um bom histórico de previsão de séries temporais: Redes Neurais Convolucionais Unidimensionais (1D CNN para breve) e modelos de Memória Longa de Curto Prazo (LSTM para breve).
Para medir a eficácia de cada algoritmo, eles usaram três métricas:
- A precisão se preocupa com "quando o modelo prevê que o piloto chegará a um sinal verde, com que frequência isso está correto?" Uma pontuação alta de precisão diz que o modelo não é propenso a ter o piloto pisando forte no freio, erroneamente dito para esperar um green.
- A recordação pergunta "para todas as luzes verdes reais que o piloto encontrou, quantas o modelo acertou?" Uma alta pontuação de recall indica que o piloto não está perdendo muitos greens.
- Finalmente, a precisão é simplesmente o número de previsões corretas.
O LSTM e o 1D CNN obtiveram resultados quase idênticos em todas as três métricas. Os pesquisadores foram capazes de prever a próxima fase com aproximadamente 85% de precisão, para cada um dos algoritmos de previsão de série temporal.
“Acreditamos estar perto de sermos aceitáveis em termos de adição de um componente de previsão ao nosso aplicativo FastTrack existente”, disse Fickas. Isso abriria a capacidade de onda verde para interseções de tempo não fixo.
O que vem a seguir: aumentar a complexidade e o tamanho do conjunto de dados
Com base no que aprenderam, os planos dos pesquisadores para as próximas etapas são:
- Obtenha acesso a um conjunto de dados com um intervalo maior de dias, talvez uma temporada inteira. (Atualmente, a equipe está de olho na Parkway “Better Naito” em Portland, Oregon, um corredor adequado para bicicletas que contém vários cruzamentos acionados para extrair dados.) Normalmente, mais dados levam a resultados mais sólidos ao olhar para algoritmos de aprendizado de máquina .
- Mova para um conjunto de dados multivariado que inclui data e hora, e talvez o clima também. Isso não seria uma grande mudança na preparação de dados e pode permitir um único modelo que cubra todas as quatro estações.
O aplicativo FastTrack requer um feed em tempo real dos próximos sinais de trânsito no caminho do ciclista. Cidades com equipamentos mais antigos ou com gerenciamento de tráfego mais antigo sistemas (TMS) pode não ser capaz de fornecer este feed. No entanto, Fickas e sua equipe estão otimistas. À medida que as cidades substituem os equipamentos mais antigos e trazem um TMS moderno, elas serão totalmente capazes de usar um aplicativo FastTrack que é eficaz com interseções fixas e acionadas, dando à sua comunidade ciclista oportunidades de onda verde.
Horários ELE
-
Horários ELEhttps://www.eletimes.com/author/eletimes-newsÍndia inova tecnologia que gera hidrogênio diretamente a partir de resíduos agrícolas
-
Horários ELEhttps://www.eletimes.com/author/eletimes-newsEstudo diz que 'hidrogênio azul' é provavelmente ruim para o clima
-
Horários ELEhttps://www.eletimes.com/author/eletimes-newsO melhor dos dois mundos - combinando sistemas clássicos e quânticos para atender às demandas da supercomputação
-
Horários ELEhttps://www.eletimes.com/author/eletimes-newsMouser apresenta site Ethernet de par único da Texas Instruments e Phoenix Contact