Trang nhất






Thăm dò ý kiến
Bạn đánh giá trang Web này thế nào?
Trợ giúp online
Thống kê
Số người đang online: 21
Lượt truy cập: 18959106
Hoạt động KHCN và Hợp tác Quốc tế Thành tựu KHCN mới Chi tiết tin tức
Các nhà nghiên cứu Hàn Quốc-Hoa Kỳ phát triển hệ thống AI dự đoán điều kiện giao thông thời gian thực
Số lần xem: 583

Kết quả hình ảnh cho Korean-USA researchers develop AI system that predicts real-time traffic conditions 0Một nhóm các nhà nghiên cứu liên kết với Viện Khoa học và Công nghệ Quốc gia Ulsan (UNIST) tại Hàn Quốc đã trình bày một công nghệ trí tuệ nhân tạo (AI) có thể dự đoán các điều kiện giao thông trong 5 - 15 phút tiếp theo với tỉ lệ lỗi dưới 2,5mph (4km/h).

Kết quả hình ảnh cho Korean-USA researchers develop AI system that predicts real-time traffic conditions 0

 

Sự phát triển của công nghệ đột phá được dẫn dắt bởi Giáo sư Sungahn Ko và nhóm nghiên cứu của ông tại Trường Kỹ thuật Điện và Máy tính tại UNIST, cùng với các nhóm nghiên cứu đối tác tại Đại học Purdue và Đại học Bang Arizona ở Hoa Kỳ. Công nghệ mới hiện đang được Mạng phát thanh giao thông (TBN) ở Ulsan sử dụng để cung cấp thông tin giao thông cho cư dân địa phương. Hệ thống mới này sẽ sớm được cung cấp cho các thành phố khác của Hàn Quốc, bao gồm Gwangju, Busan, Daejeon và Incheon, vào cuối năm nay. Hệ thống phân tích hình ảnh tương tác mới cho phép thăm dò, giám sát và dự báo tắc nghẽn giao thông dựa trên dữ liệu phát hiện xe. Thông qua sự hợp tác giữa ba trường đại học, nhóm đã rút ra các yêu cầu nhiệm vụ, kết hợp mô hình Bộ nhớ ngắn hạn (LSTM: Long Short-Term Memory) để dự báo tắc nghẽn và thiết kế một phương pháp trọng số để phát hiện nguyên nhân gây ra tắc nghẽn và hướng lan truyền tắc nghẽn.

 

Kết quả hình ảnh cho Korean-USA researchers develop AI system that predicts real-time traffic conditions 0

 

Hệ thống mới chủ yếu bao gồm hai mô-đun: một mô-đun phân tích và dự đoán tình hình giao thông; và mô đun kia để hiển thị hoá kết quả. Không giống như các hệ thống dự đoán giao thông trước đây dựa vào xác suất và thống kê để phân tích các dữ liệu giao thông trong quá khứ để dự đoán, hệ thống mới cung cấp độ chính xác cao hơn bằng cách thêm thuật toán học sâu (Học sâu là một phần của một nhóm các phương pháp học máy rộng hơn dựa trên các mạng thần kinh nhân tạo) xem xét các tình huống giao thông thời gian thực. Hệ thống này cung cấp dự đoán giao thông thời gian gần thực và dự đoán dựa trên dữ liệu phát hiện xe trực tiếp để hiển thị các nguyên nhân gây ra tắc nghẽn và hướng lan truyền tắc nghẽn. Các tình huống giao thông được dự đoán bởi hệ thống AI sau đó được hiển thị để dễ hiểu. Mức độ tắc nghẽn và tốc độ lái xe trung bình, ví dụ, được mô tả bằng cách sử dụng màu sắc và hình dạng.

Sự phát triển của hệ thống mới đã đạt được thông qua sự hợp tác chặt chẽ với một số đối tác, bao gồm Cơ quan Cảnh sát Quốc gia Hàn Quốc, Cơ quan Giao thông đường bộ Hàn Quốc (KoROAD), Mạng lưới Phát thanh Giao thông Ulsan (TBN) và Cục Giao thông và Xây dựng của Ulsan. Nghiên cứu về hệ thống mới đã được công bố trên tạp chí IEEE, “Giao dịch về trực quan hóa và đồ họa máy tính”.

Giáo sư Ko cho biết, "Công nghệ trực quan hóa dữ liệu mới sẽ được triển khai trên trang web của Trung tâm thông tin giao thông đô thị (UTIC) để mọi người có thể dễ dàng hiểu được tình hình giao thông đường bộ. Công nghệ này, có thể sử dụng một lượng lớn dữ liệu giao thông, cũng có thể được sử dụng để tìm tuyến đường tối ưu trong các tình huống giao thông xấu, kết hợp với các dịch vụ truyền phát giao thông hoặc các chương trình hướng dẫn giao thông. Trong tương lai, chúng tôi dự định thực hiện các thí nghiệm nghiêm ngặt hơn bằng cách dự báo với các yếu tố khác, như thời tiết và tai nạn, để phát triển các mô hình dự báo chính xác hơn”.

Nhà nghiên cứu của UNIST, Chunggi Lee, nói thêm, “Hệ thống mới đã học được tốc độ trung bình trong quá khứ ở một số vị trí giao thông nhất định trong các khu vực bị tắc nghẽn trên các con đường gần đó và điều kiện giao thông trong giờ cao điểm. Sử dụng hệ thống này sẽ cho phép các chương trình hướng dẫn giao thông thông báo cho người lái biết tình trạng giao thông hiện tại có thể thay đổi như thế nào trong 5 phút tiếp theo”.

Trần Mạnh Khải
Nguồn:traffictechnologytoday.com