Под руководством доктора Стивена Фикаса из Университета Орегона (UO) исследователи транспорта работают над тем, чтобы велосипедисты могли ездить более плавно, позволяя им общаться с помощью светофоров через мобильное приложение.
В последнем отчете этого многопроектного исследования представлены алгоритмы машинного обучения для работы с их мобильным приложением FastTrack. Приложение, разработанное и протестированное на ранних этапах проекта, позволяет велосипедистам пассивно общаться со светофорами в оживленном велосипедном коридоре в Юджине, штат Орегон. Исследователи надеются, что со временем их приложение будет доступно и в других городах.
«Общая цель - дать велосипедистам более безопасное и эффективное использование сигнальных перекрестков города. В текущем проекте делается попытка использовать два алгоритма глубокого обучения, LSTM и 1D CNN, для прогнозирования временных рядов. Цель состоит в том, чтобы спрогнозировать следующую фазу предстоящего активированного светофора с учетом истории его предыдущих фаз в формате временных рядов. Мы воодушевлены результатами », - сказал Фикас.
Их последняя работа основана на двух предыдущих проектах, также финансируемых Национальным институтом транспорта и сообществ, в которых Фикас и его команда успешно создали и развернули аппаратный и программный продукт под названием «Bike Connect», который позволил людям на велосипедах пользоваться громкой связью. заблаговременно получать информацию о приближающемся светофоре, используя скорость и направление движения, чтобы увеличить вероятность того, что сигнал будет зеленым по прибытии.
Проект V2X: «Введение велосипедов в микс», завершенный в 2018 году, был направлен на предоставление велосипедистам виртуальной кнопки вызова, которую они могли бы использовать на своих телефонах. В ходе этого проекта исследователи собрали подробные данные в режиме реального времени по активированному сигналу в коридоре исследования. Ускоренный путь: разрешение велосипедистам участвовать в проекте «умной транспортной системы», завершенном в 2019 году, в рамках которого был разработан дисплей в реальном времени для неактивных сигналов, отображающий информацию GLOSA (рекомендация по оптимизированной скорости зеленого света), которую чаще называют «зеленым светом». волна." В то время как общий technology доступна для водителей, GLOSA не является широко доступной для велосипедистов. Это в режиме реального времени дисплей (идеально установленный на руле для просмотра без помощи рук) предлагал велосипедистам информацию в реальном времени о том, следует ли замедлить, ускорить или поддерживать скорость, чтобы дать зеленый свет.
Проект 2021 года основан на предыдущих исследованиях:
- Он использует данные, собранные из сработавшего сигнала на первом этапе, для обучения и тестирования двух алгоритмов машинного обучения для прогнозирования фаз сигнала.
- Это закладывает основу для расширения приложения FastTrack, чтобы включить в него как неактивированные, так и задействованные сигналы, поскольку велосипедисты, вероятно, столкнутся с обоими этими типами инфраструктуры во время езды.
Внедрение машинного обучения
Исследователи решили изучить два отдельных алгоритма машинного обучения. Оба имеют хороший послужной список в области прогнозирования временных рядов: одномерные сверточные нейронные сети (сокращенно 1D CNN) и модели долгосрочной краткосрочной памяти (сокращенно LSTM).
Чтобы измерить эффективность каждого алгоритма, они использовали три показателя:
- Точность связана с тем, «когда модель действительно предсказывает, что гонщик прибудет на зеленый свет, как часто это верно?» Высокий показатель точности говорит о том, что модель не склонна к тому, чтобы гонщик резко нажимал на тормоза, если ему ошибочно сказали, что он ожидает зеленого цвета.
- Напомним, спрашивается: «Сколько всего зеленых огней встретил гонщик, сколько у модели получилось правильно?» Высокая оценка отзыва говорит о том, что гонщик не пропускает много зелени.
- Наконец, точность - это просто количество правильных прогнозов.
LSTM и 1D CNN показали почти одинаковые результаты по всем трем показателям. Исследователи смогли предсказать следующую фазу с точностью примерно 85% для каждого из алгоритмов прогнозирования временных рядов.
«Мы считаем, что находимся примерно на грани приемлемости с точки зрения добавления компонента прогнозирования в наше существующее приложение FastTrack», - сказал Фикас. Это откроет возможность использования зеленой волны для пересечений без фиксированного времени.
Что дальше: увеличение сложности и размера набора данных
Основываясь на том, что они узнали, исследователи планируют следующие шаги:
- Получите доступ к набору данных с большим диапазоном дней, возможно, за весь сезон. (В настоящее время команда рассматривает бульвар «Лучше Найто» в Портленде, штат Орегон, удобный для велосипедистов коридор, который содержит несколько задействованных перекрестков для извлечения данных.) Как правило, большее количество данных приводит к более сильным результатам при рассмотрении алгоритмов машинного обучения .
- Перейдите к многомерному набору данных, который включает дату и время, а также, возможно, погоду. Это не будет значительным изменением в подготовке данных и может позволить использовать единую модель, охватывающую все четыре сезона.
Приложению FastTrack требуется поток в реальном времени о приближающихся сигналах светофора на пути велосипедиста. Города со старым оборудованием или со старой системой управления дорожным движением системы (TMS) может не предоставить этот фид. Однако Фикас и его команда настроены оптимистично. По мере того, как города заменяют старое оборудование и внедряют современные TMS, они будут полностью способны использовать приложение FastTrack, которое эффективно как с фиксированными, так и с управляемыми перекрестками, предоставляя их велосипедному сообществу возможности для зеленой волны.
ЭЛЕ Таймс
-
ЭЛЕ Таймсhttps://www.eletimes.com/author/eletimes-newsИндия внедряет инновационные технологии, позволяющие получать водород непосредственно из сельскохозяйственных остатков
-
ЭЛЕ Таймсhttps://www.eletimes.com/author/eletimes-newsВ исследовании говорится, что «голубой водород» вреден для климата
-
ЭЛЕ Таймсhttps://www.eletimes.com/author/eletimes-newsЛучшее из обоих миров - сочетание классических и квантовых систем для удовлетворения требований суперкомпьютеров
-
ЭЛЕ Таймсhttps://www.eletimes.com/author/eletimes-newsMouser представляет сайт Ethernet с одной парой от Texas Instruments и Phoenix Contact