谷歌研究院新成果——交通疏導AI模型 平均縮減7分鍾擁堵時長！

財聯社12月26日訊（編輯 周子意）大型賽事和娛樂演出過后的交通疏通始終是個令人頭疼的問題。人們會在擁擠的街道中穿行，造成的更多擁堵和事故至今仍未很好解決。

谷歌研究院最新發文稱，解決這個問題的一種方法是使用仿真模型，也就是現實世界交通網絡的虛擬複製品（有時被稱為「數字雙胞胎」），模型試圖捕捉從街道和十字路口的佈局到車輛流動的每一個細節。

該研究院稱其團隊使用這些模型來量化路線的可持續性影響，測試疏散計劃，並在沉浸式視圖中顯示模擬交通。

使用這些模型能夠使交通專家儘可能緩解擁堵、減少事故、並改善司機、乘客和行人的體驗。

該領域長期存在的挑戰在於交通模型的校準與匹配。而綜合交通數據的可用性、谷歌地圖詳細的道路網絡數據、交通科學的進步、以及校準技術等多重因素，正在為全球範圍內的交通網絡高效運算鋪平道路。

新模型

谷歌通過開源軟件——模擬城市交通（SUMO）建立了一個基礎模型，將區域鎖定在西雅圖T-Mobile Park及Lumen Field附近。

基於SUMO的模型能夠幫助描述交通動態，例如，駕駛員如何做出車輛跟隨、變道、或限速遵守等決定。

此外，研究人員還引入了來自谷歌地圖的數據，繪製了該區域內的交通網絡結構和各種靜態分段屬性（例如，車道數量，速度限制，交通燈的存在）的熱力圖。

（注：無賽事日和賽事當日的熱力地圖差異）

在此之后，研究團隊將熱力地圖再劃分爲多個小區域，並引入「用户行為模型」及西雅圖警察局提供的路線建議，從而建立了一項能夠分配最佳路線的「交通疏導」模型。

現實運用

爲了在現實世界中測試這項技術，谷歌研究院與西雅圖交通部（SDOT）合作開發了基於虛擬模型的交通疏通計劃。

研究所指出，我們的目標是幫助大型體育和娛樂活動中成千上萬的參與者快速安全地離開體育場區域。在大型賽事期間，該模型重新規劃了30%的交通路線，讓車輛駛離中心擁堵區域的平均時間縮短了7分鍾。

谷歌聲稱，這項研究能夠展現仿真模型在交通規劃方面的潛力，從而在大型活動場合提升交通效率；並能夠讓道路規劃者瞭解利用率低的路段，從而改善整體交通環境，實現更好的流量分佈。