นำโดย Dr. Stephen Fickas จาก University of Oregon (UO) นักวิจัยด้านการขนส่งกำลังทำงานเพื่อให้นักปั่นจักรยานขี่ได้ราบรื่นยิ่งขึ้น โดยอนุญาตให้สื่อสารกับสัญญาณไฟจราจรผ่านแอพมือถือ
รายงานล่าสุดที่ออกมาของความพยายามในการวิจัยหลายโครงการนี้ได้แนะนำอัลกอริธึมการเรียนรู้ด้วยเครื่องเพื่อทำงานร่วมกับแอปบนอุปกรณ์เคลื่อนที่ FastTrack แอปนี้ได้รับการพัฒนาและทดสอบในช่วงก่อนหน้าของโครงการ ช่วยให้นักปั่นจักรยานสามารถสื่อสารกับสัญญาณไฟจราจรตามทางเดินจักรยานที่พลุกพล่านในเมืองยูจีน รัฐโอเรกอน นักวิจัยหวังว่าจะสามารถให้บริการแอปในเมืองอื่นๆ ได้ในที่สุด
“เป้าหมายโดยรวมคือการทำให้นักปั่นจักรยานใช้ทางแยกที่มีสัญญาณของเมืองได้อย่างปลอดภัยและมีประสิทธิภาพมากขึ้น โปรเจ็กต์ปัจจุบันพยายามใช้อัลกอริธึมการเรียนรู้เชิงลึกสองอัลกอริธึม LSTM และ 1D CNN เพื่อจัดการกับการคาดการณ์อนุกรมเวลา เป้าหมายคือเพื่อคาดการณ์ระยะต่อไปของสัญญาณไฟจราจรที่เปิดใช้งานที่กำลังจะเกิดขึ้น โดยพิจารณาจากประวัติของเฟสก่อนหน้าในรูปแบบอนุกรมเวลา เราได้รับการสนับสนุนจากผลลัพธ์” ฟิกกาสกล่าว
งานล่าสุดของพวกเขาสร้างขึ้นจากสองโครงการก่อนหน้านี้ ซึ่งได้รับทุนจากสถาบันแห่งชาติเพื่อการขนส่งและชุมชน ซึ่ง Fickas และทีมงานของเขาประสบความสำเร็จในการสร้างและใช้งานผลิตภัณฑ์ฮาร์ดแวร์และซอฟต์แวร์ที่เรียกว่า "Bike Connect" ซึ่งอนุญาตให้ผู้คนบนจักรยานสามารถให้แฮนด์ฟรีได้ ข้อมูลล่วงหน้าไปยังสัญญาณไฟจราจรที่กำลังจะเกิดขึ้น โดยใช้ความเร็วและทิศทางการเดินทางเพื่อเพิ่มโอกาสที่สัญญาณจะเป็นสีเขียวเมื่อเดินทางมาถึง
โครงการ V2X: Bringing Bikes into the Mix เสร็จสมบูรณ์ในปี 2018 โดยมุ่งเน้นที่การให้ปุ่มโทรเสมือนแก่นักปั่นจักรยานที่สามารถใช้บนโทรศัพท์ของตนได้ ในระหว่างโครงการนั้น นักวิจัยได้รวบรวมข้อมูลแบบเรียลไทม์โดยละเอียดจากสัญญาณที่เปิดใช้งานบนเส้นทางการศึกษา เส้นทางด่วน: การอนุญาตให้จักรยานเข้าร่วมในโครงการระบบขนส่งอัจฉริยะ ซึ่งสร้างเสร็จในปี 2019 ได้พัฒนาจอแสดงผลแบบเรียลไทม์สำหรับสัญญาณที่ไม่มีการสั่งงาน ซึ่งแสดงข้อมูล GLOSA (คำแนะนำด้านความเร็วที่เหมาะสมที่สุดสำหรับแสงสีเขียว) ซึ่งมักเรียกกันว่า "สีเขียว" คลื่น." ในขณะที่เป็นเรื่องธรรมดา เทคโนโลยี ใช้ได้กับผู้ขับขี่ GLOSA ไม่มีให้บริการอย่างกว้างขวางสำหรับนักปั่นจักรยาน แบบเรียลไทม์นี้ แสดงผล (ติดตั้งบนแฮนด์ฟรีเพื่อการรับชมแบบแฮนด์ฟรี) ให้ข้อมูลแบบเรียลไทม์แก่นักปั่นจักรยานว่าจะลดความเร็ว เพิ่มความเร็ว หรือรักษาความเร็วเพื่อให้ไฟเขียว
โครงการ 2021 สร้างขึ้นจากการศึกษาก่อนหน้านี้:
- ใช้ข้อมูลที่รวบรวมจากสัญญาณที่กระตุ้นในระยะแรกเพื่อฝึกและทดสอบอัลกอริธึมการเรียนรู้ด้วยเครื่องสองชุดเพื่อคาดการณ์เฟสสัญญาณ
- เป็นการวางรากฐานในการขยายแอป FastTrack ให้มีทั้งสัญญาณที่ไม่มีการสั่งงานและสัญญาณที่กระตุ้น เนื่องจากนักปั่นจักรยานมักจะพบกับโครงสร้างพื้นฐานทั้งสองประเภทนี้ขณะขี่
ผสมผสานการเรียนรู้ของเครื่อง
นักวิจัยเลือกที่จะสำรวจอัลกอริธึมแมชชีนเลิร์นนิงสองแบบแยกกัน ทั้งสองมีประวัติที่ดีด้วยการคาดการณ์อนุกรมเวลา: One-Dimensional Convolutional Neural Nets (1D CNN สำหรับระยะสั้น) และโมเดลหน่วยความจำระยะสั้นระยะยาว (LSTM สำหรับระยะสั้น)
ในการวัดประสิทธิภาพของแต่ละอัลกอริธึม พวกเขาใช้ตัวชี้วัดสามตัว:
- ความแม่นยำนั้นเกี่ยวข้องกับ “เมื่อตัวแบบคาดการณ์ว่าผู้ขับขี่จะมาถึงไฟเขียว บ่อยแค่ไหนที่มันถูกต้อง” คะแนนความเที่ยงตรงสูงกล่าวว่าโมเดลนี้ไม่มีแนวโน้มที่ผู้ขับขี่จะเหยียบเบรก มีคนบอกอย่างผิดพลาดว่าควรคาดหวังให้เบรกเป็นสีเขียว
- Recall ถาม "สำหรับไฟเขียวที่ผู้ขับขี่พบเห็นทั้งหมด มีกี่รุ่นที่ถูกต้อง" คะแนน Recall สูงบอกว่านักปั่นไม่พลาดกรีนมากมาย
- สุดท้าย ความแม่นยำเป็นเพียงจำนวนการคาดคะเนที่ถูกต้อง
LSTM และ 1D CNN ทำคะแนนได้เกือบเท่ากันในตัวชี้วัดทั้งสามตัว นักวิจัยสามารถทำนายระยะต่อไปได้อย่างแม่นยำประมาณ 85% สำหรับอัลกอริธึมการคาดการณ์อนุกรมเวลาแต่ละชุด
“เราเชื่อว่าเราอยู่ในสนามเบสบอลที่ยอมรับได้ในแง่ของการเพิ่มองค์ประกอบการทำนายลงในแอพ FastTrack ที่มีอยู่ของเรา” Fickas กล่าว สิ่งนี้จะเปิดความสามารถของคลื่นสีเขียวสำหรับทางแยกที่ไม่ระบุเวลา
ขั้นตอนต่อไป: การเพิ่มความซับซ้อนและขนาดของชุดข้อมูล
จากสิ่งที่พวกเขาเรียนรู้ แผนของนักวิจัยสำหรับขั้นตอนต่อไปคือ:
- เข้าถึงชุดข้อมูลที่มีช่วงวันที่กว้างขึ้น บางทีอาจเป็นทั้งซีซัน (ขณะนี้ ทีมงานกำลังจับตามองที่ “Better Naito” Parkway ในพอร์ตแลนด์ รัฐโอเรกอน ซึ่งเป็นทางเดินที่เป็นมิตรกับจักรยานซึ่งมีทางแยกหลายทางที่กระตุ้นเพื่อดึงข้อมูล) โดยทั่วไปข้อมูลที่มากขึ้นจะนำไปสู่ผลลัพธ์ที่ชัดเจนยิ่งขึ้นเมื่อดูอัลกอริธึมการเรียนรู้ด้วยเครื่อง .
- ย้ายไปยังชุดข้อมูลหลายตัวแปรที่มีวันที่และเวลา และอาจรวมถึงสภาพอากาศด้วย นี่จะไม่ใช่การเปลี่ยนแปลงครั้งใหญ่ในการเตรียมข้อมูล และอาจอนุญาตให้มีโมเดลเดียวที่ครอบคลุมทั้งสี่ฤดูกาล
แอป FastTrack ต้องการฟีดแบบเรียลไทม์จากสัญญาณไฟจราจรที่จะเกิดขึ้นบนเส้นทางของนักปั่นจักรยาน เมืองที่มีอุปกรณ์รุ่นเก่าหรือมีการจัดการจราจรที่เก่ากว่า ระบบ (TMS) อาจให้ฟีดนี้ไม่ได้ อย่างไรก็ตาม ฟิกกาสและทีมของเขามองโลกในแง่ดี เนื่องจากเมืองต่างๆ เข้ามาแทนที่อุปกรณ์รุ่นเก่าและนำ TMS ที่ทันสมัยมาใช้ พวกเขาจึงจะสามารถใช้แอป FastTrack ได้อย่างเต็มประสิทธิภาพทั้งทางแยกแบบตายตัวและทางแยกที่เปิดใช้งาน เปิดโอกาสให้ชุมชนนักปั่นได้มีโอกาสคลื่นสีเขียว
ELE ไทม์ส
-
ELE ไทม์สhttps://www.eletimes.com/author/eletimes-newsอินเดียคิดค้นเทคโนโลยีที่สร้างไฮโดรเจนโดยตรงจากสารตกค้างทางการเกษตร
-
ELE ไทม์สhttps://www.eletimes.com/author/eletimes-newsการศึกษากล่าวว่า 'ไฮโดรเจนสีน้ำเงิน' นั้นไม่ดีต่อสภาพอากาศ
-
ELE ไทม์สhttps://www.eletimes.com/author/eletimes-newsที่สุดของทั้งสองโลก—การผสมผสานระบบคลาสสิกและระบบควอนตัมเพื่อตอบสนองความต้องการด้านซูเปอร์คอมพิวเตอร์
-
ELE ไทม์สhttps://www.eletimes.com/author/eletimes-newsMouser นำเสนอเว็บไซต์อีเทอร์เน็ตคู่เดียวจาก Texas Instruments และ Phoenix Contact