谷歌研究院新成果——交通疏导AI模型 平均缩减7分钟拥堵时长！

财联社12月26日讯（编辑 周子意）大型赛事和娱乐演出过后的交通疏通始终是个令人头疼的问题。人们会在拥挤的街道中穿行，造成的更多拥堵和事故至今仍未很好解决。

谷歌研究院最新发文称，解决这个问题的一种方法是使用仿真模型，也就是现实世界交通网络的虚拟复制品（有时被称为“数字双胞胎”），模型试图捕捉从街道和十字路口的布局到车辆流动的每一个细节。

该研究院称其团队使用这些模型来量化路线的可持续性影响，测试疏散计划，并在沉浸式视图中显示模拟交通。

使用这些模型能够使交通专家尽可能缓解拥堵、减少事故、并改善司机、乘客和行人的体验。

该领域长期存在的挑战在于交通模型的校准与匹配。而综合交通数据的可用性、谷歌地图详细的道路网络数据、交通科学的进步、以及校准技术等多重因素，正在为全球范围内的交通网络高效运算铺平道路。

新模型

谷歌通过开源软件——模拟城市交通（SUMO）建立了一个基础模型，将区域锁定在西雅图T-Mobile Park及Lumen Field附近。

基于SUMO的模型能够帮助描述交通动态，例如，驾驶员如何做出车辆跟随、变道、或限速遵守等决定。

此外，研究人员还引入了来自谷歌地图的数据，绘制了该区域内的交通网络结构和各种静态分段属性（例如，车道数量，速度限制，交通灯的存在）的热力图。

（注：无赛事日和赛事当日的热力地图差异）

在此之后，研究团队将热力地图再划分为多个小区域，并引入“用户行为模型”及西雅图警察局提供的路线建议，从而建立了一项能够分配最佳路线的“交通疏导”模型。

现实运用

为了在现实世界中测试这项技术，谷歌研究院与西雅图交通部（SDOT）合作开发了基于虚拟模型的交通疏通计划。

研究所指出，我们的目标是帮助大型体育和娱乐活动中成千上万的参与者快速安全地离开体育场区域。在大型赛事期间，该模型重新规划了30%的交通路线，让车辆驶离中心拥堵区域的平均时间缩短了7分钟。

谷歌声称，这项研究能够展现仿真模型在交通规划方面的潜力，从而在大型活动场合提升交通效率；并能够让道路规划者了解利用率低的路段，从而改善整体交通环境，实现更好的流量分布。