当前位置:新闻首页  彩计划下载

                                                                  勞倫斯伯克利國家實驗室利用集成學習算法 實時準確預測交通流量-btv新闻频道

                                                                  2019年12月06日 9:09 来源:btv新闻频道 编辑:彩计划下载

                                                                  彩计划下载

                                                                  【广播寻找走失导游】

                                                                  集成學習是一種將不同的學習者(單個模型)組合在一起┊,以提高該模型的穩定性和預測能力的技術▽ππ。長期以來π,機器學習研究人員一直在研究該技術♂?⊿。交通流量的特殊之處在於具備時間性;交通流量的測量值會隨着時間變化而變化♂↑,不同的單個模型的預測結果也是如此♂π□。

                                                                  彩计划下载

                                                                  該項目利用Caltrans傳感器從加州高速公路上收集而來的數據▽□〇,產生了新穎的算法△,能夠在15分鐘的循環制基礎上♂?,進行準確預測?。然後∵∵,該團隊利用Connected Corridors系統收集的實時交通數據□,驗證並集成了該新算法⊙﹡。Connected Corridors系統是一個實時交通數據中心↑﹡┊,可擴展機器學習庫Spark Mllib↑,Spark Mllib會提供機器學習模型◇,可以在集成學習框架中使用此類模型△。該研究的具體成果是在高速公路上安裝傳感器的地方預測了交通流量〇π,進而能夠預測高速公路入口的交通流量需求以及高速出口的交通流量∴∟。

                                                                  伯克利大學計算研究部(CRD)數學家Sherry Li表示:「其實有很多種交通流量預測方法π〇⊙,而且每一種在適當的情況下都可發揮作用〇┊。為了減輕人工操作員(有些人有時會盲目信任某個特定模型)的負擔♂♀,我們的目標是整合多個模型⌒♂,以更穩定、準確地預測交通流量♂⌒。為此⊙,我們設計了一個結合不同子模型的集成學習(ensemble-learning)算法♂□⌒。」

                                                                  Caltrans和Connected Corridors正在洛杉磯縣I-210試點實施該系統〇⌒。研究人員採用南加州市、縣和州的實時數據↑,目標是通過執行經過協調的多司法管轄區交通事故響應計劃┊,以限制交通事故的負面影響⊿∵,提高Caltrans的實時決策能力♂♂π。該系統的首個版本將於2020年部署于阿卡迪亞、杜阿爾特、蒙羅維亞和帕薩迪納等城市□☆,並計劃部署到該州的各地∵∟⊙。

                                                                  彩计划下载

                                                                  該算法還可以與上述技術相結合◇◇▽,以更準確、更及時地預測交通⌒,並有助於實時控制交通♀◇,如改變交通路線、改變交通燈配置等糾正措施∟△。

                                                                  集成學習部分解決了交通中有不同類型車輛的問題∵⊿∟,但是沒有解決因施工或事故突然導致的交通變化問題┊↑〇。該研究小組利用在線(實時)學習技術◇♀,使該算法不僅能夠學習過去的情況☆♂?,還能夠沿路實時適應新的交通狀況□□。

                                                                  在伯克利大學實驗室與Caltrans的合作項目中▽┊□,該集成模型考慮了各個子模型之間的相互依賴性♀,並且分配了「投票份額」以平衡個體的性能和相互依賴性?〇♂。相對於對較老歷史的預測性能♂┊▽,該模型更看重對最近時間段的預測性能↑〇⊿。最後∟♀,該合成模型在預測精度和穩定性方面優於測試中使用的任何單一模型↑△。

                                                                  推荐阅读:90后单眼女教师