Được dẫn dắt bởi Tiến sĩ Stephen Fickas của Đại học Oregon (UO), các nhà nghiên cứu giao thông đang làm việc để cung cấp cho người đi xe đạp những chuyến đi mượt mà hơn bằng cách cho phép họ giao tiếp với các tín hiệu giao thông thông qua một ứng dụng di động.
Báo cáo mới nhất từ nỗ lực nghiên cứu nhiều dự án này giới thiệu các thuật toán học máy để hoạt động với ứng dụng di động FastTrack của họ. Được phát triển và thử nghiệm trong các giai đoạn trước của dự án, ứng dụng cho phép người đi xe đạp giao tiếp thụ động với các tín hiệu giao thông dọc theo hành lang xe đạp đông đúc ở Eugene, Oregon. Các nhà nghiên cứu hy vọng cuối cùng sẽ cung cấp ứng dụng của họ ở các thành phố khác.
“Mục tiêu chung là cung cấp cho người đi xe đạp sử dụng an toàn và hiệu quả hơn các nút giao thông có báo hiệu của thành phố. Dự án hiện tại đang cố gắng sử dụng hai thuật toán học sâu, LSTM và 1D CNN, để giải quyết dự báo chuỗi thời gian. Mục đích là để dự đoán giai đoạn tiếp theo của tín hiệu giao thông sắp tới, được kích hoạt dựa trên lịch sử của các giai đoạn trước đó ở định dạng chuỗi thời gian. Chúng tôi được khuyến khích bởi kết quả, ”Fickas nói.
Công trình mới nhất của họ được xây dựng dựa trên hai dự án trước đó, cũng được tài trợ bởi Viện Giao thông vận tải và Cộng đồng Quốc gia, trong đó Fickas và nhóm của anh ấy đã xây dựng và triển khai thành công một sản phẩm phần cứng và phần mềm có tên “Bike Connect” cho phép mọi người đi xe đạp rảnh tay thông tin trước cho một tín hiệu giao thông sắp tới, sử dụng tốc độ và hướng di chuyển của họ để tăng khả năng tín hiệu sẽ có màu xanh khi đến nơi.
Dự án V2X: Đưa xe đạp vào cuộc sống hỗn hợp, hoàn thành vào năm 2018, tập trung vào việc cung cấp cho người đi xe đạp một nút gọi ảo mà họ có thể sử dụng trên điện thoại của mình. Trong dự án đó, các nhà nghiên cứu đã thu thập dữ liệu thời gian thực chi tiết từ tín hiệu được kích hoạt trên hành lang nghiên cứu. Đường đua nhanh: Cho phép xe đạp tham gia vào dự án Hệ thống giao thông thông minh, hoàn thành vào năm 2019, đã phát triển màn hình thời gian thực cho các tín hiệu không được kích hoạt hiển thị thông tin GLOSA (Tư vấn tốc độ tối ưu hóa ánh sáng xanh) — thường được gọi là “đường xanh sóng." Trong khi một điểm chung công nghệ dành cho người lái xe, GLOSA không được cung cấp rộng rãi cho người đi xe đạp. Thời gian thực này trưng bày (lý tưởng được gắn trên ghi đông để xem ở chế độ rảnh tay) cung cấp cho người đi xe đạp thông tin thời gian thực về việc giảm tốc độ, tăng tốc hoặc duy trì tốc độ để bật đèn xanh.
Dự án năm 2021 được xây dựng dựa trên các nghiên cứu trước đó:
- Nó sử dụng dữ liệu thu thập được từ tín hiệu được kích hoạt trong giai đoạn đầu tiên để huấn luyện và kiểm tra hai thuật toán học máy để dự báo các giai đoạn tín hiệu.
- Nó đặt nền tảng để mở rộng ứng dụng FastTrack bao gồm cả tín hiệu không được kích hoạt và được kích hoạt, vì người đi xe đạp có khả năng gặp phải cả hai loại cơ sở hạ tầng này khi đi xe.
Kết hợp học máy
Các nhà nghiên cứu đã chọn khám phá hai thuật toán học máy riêng biệt. Cả hai đều có thành tích tốt với dự báo theo chuỗi thời gian: Mô hình Nets thần kinh hợp lệ một chiều (viết tắt là 1D CNN) và mô hình Bộ nhớ ngắn hạn dài (viết tắt là LSTM).
Để đo lường hiệu quả của từng thuật toán, họ đã sử dụng ba số liệu:
- Precision quan tâm đến việc "khi mô hình dự đoán rằng người lái sẽ đến đèn xanh, tần suất chính xác là bao nhiêu?" Điểm Chính xác cao nói rằng mô hình này không dễ bị người lái lao vào phanh, bị nhầm lẫn là mong đợi màu xanh lá cây.
- Nhắc lại câu hỏi "đối với tất cả các đèn xanh thực tế mà người lái gặp phải, bao nhiêu mô hình đã đúng?" Điểm số Nhớ lại cao nói rằng người lái không bỏ lỡ nhiều rau xanh.
- Cuối cùng, Độ chính xác chỉ đơn giản là số lần dự đoán đúng.
LSTM và 1D CNN cho kết quả gần giống nhau trên cả ba chỉ số. Các nhà nghiên cứu có thể dự đoán giai đoạn tiếp theo với độ chính xác khoảng 85%, cho mỗi thuật toán dự báo chuỗi thời gian.
Fickas nói: “Chúng tôi tin rằng chúng tôi đang ở trong bối cảnh có thể chấp nhận được khi thêm thành phần dự đoán vào ứng dụng FastTrack hiện có của chúng tôi. Điều này sẽ mở ra khả năng làn sóng xanh cho các giao lộ không cố định theo thời gian.
Tiếp theo là gì: Tăng độ phức tạp và kích thước của tập dữ liệu
Dựa trên những gì họ học được, kế hoạch của các nhà nghiên cứu cho các bước tiếp theo là:
- Có được quyền truy cập vào tập dữ liệu với phạm vi ngày lớn hơn, có thể là cả mùa. (Hiện tại, nhóm đang theo dõi Parkway “Better Naito” ở Portland, Oregon, một hành lang thân thiện với xe đạp có chứa nhiều nút giao thông được điều khiển để lấy dữ liệu từ đó.) Thông thường, nhiều dữ liệu hơn dẫn đến kết quả tốt hơn khi xem xét các thuật toán máy học .
- Di chuyển đến một tập dữ liệu đa biến bao gồm ngày và giờ, và có lẽ cả thời tiết. Đây sẽ không phải là một thay đổi lớn đối với việc chuẩn bị dữ liệu và có thể cho phép một mô hình duy nhất bao gồm cả bốn mùa.
Ứng dụng FastTrack yêu cầu nguồn cấp dữ liệu thời gian thực từ các tín hiệu giao thông sắp tới trên đường dành cho người đi xe đạp. Các thành phố có thiết bị cũ hơn hoặc có Quản lý giao thông cũ hơn hệ thống (TMS) có thể không cung cấp được nguồn cấp dữ liệu này. Tuy nhiên, Fickas và nhóm của anh ấy rất lạc quan. Khi các thành phố thay thế các thiết bị cũ hơn và sử dụng TMS hiện đại, họ sẽ hoàn toàn có khả năng sử dụng ứng dụng FastTrack hiệu quả với cả giao lộ cố định và giao lộ, mang đến cho cộng đồng đi xe đạp cơ hội làn sóng xanh.
ELE lần
-
ELE lầnhttps://www.eletimes.com/author/eletimes-newsẤn Độ đổi mới công nghệ tạo ra hydro trực tiếp từ bã nông nghiệp
-
ELE lầnhttps://www.eletimes.com/author/eletimes-newsNghiên cứu cho biết 'Hydrogen xanh' có khả năng gây hại cho khí hậu
-
ELE lầnhttps://www.eletimes.com/author/eletimes-newsTốt nhất của cả hai thế giới — Kết hợp Hệ thống cổ điển và lượng tử để đáp ứng nhu cầu siêu máy tính
-
ELE lầnhttps://www.eletimes.com/author/eletimes-newsMouser trình bày Trang web Ethernet một cặp từ Texas Instruments và Phoenix Contact