设为首页 - 加入收藏
您的当前位置:首页 > 垫江县 > 广东队包揽全运马术三项赛冠军 正文

广东队包揽全运马术三项赛冠军

来源:当代体育网 编辑:白山市 时间:2019-07-16 02:23
我相信很多人都经历过没有停车位的驾驶。虽然谷歌地图可以根据历史数据预测繁忙程度,并帮助规划在一定程度上找到停车位的路线,但人们仍然需要更多的自适应解决方案。根据雷锋的说法,卡内基梅隆大学的科学家进行了一项研究并描述了一种人工智能系统,可以在最近发表的一篇论文中实时预测停车占用情况。 据了解,他们没有选择从停车传感器收集数据(研究人员认为这些传感器容易出现故障和错误),而是使用停车计时器来预测空车位的可能性。 95%的付费停车场由智能定时器管理,这使得他们的模型比依赖传感器的系统更加通用。研究人员写道,该研究使用了一种数据驱动方法,该方法集成了与交通相关的多个实时和历史数据源,包括停车条件,交通状况,道路特征,天气和网络拓扑,最终通过深度神经网络。该方法预测短期内停车位的占用情况。他们使用卷积神经网络算法,对节点,边缘,属性和其他图形结构进行操作,以模拟停车场位置,交通流量,停车需求,道路连接和停车场之间的统计关系。该系统将长期依赖学习与递归神经网络算法LSTM(长期短期记忆)和多层解码器相结合,以从交通相关数据源(例如停车计时器交易,交通速度和天气条件)中提取停车信息。并输出占用预测。研究人员根据匹兹堡市的数据对该市进行了培训,该市有39个街区和97个街道停车收费表。历史停车数据来自匹兹堡停车管理局,而交通速度数据和实时天气条件由汽车公司Inrix的交通信息渠道和WeatherUnderground API提供。 在测试中,在30分钟前预测停车位时,模型比其他基线方法表现更好。他们将这一优势归因于天气和交通速度数据,特别是天气数据,这提高了休闲区预测的准确性。 “一般来说,在停车容量较大的社区,预测误差较低,”该论文的共同作者写道。 “因为较高的停车容量通常会导致入住率的差异较小,因此该模型在商业区的表现更好。商业区的停车需求通常是固定的,它更能抵抗天气和特殊事件等异常情况,这使得预测更加有效。“据报道,研究团队将在未来进一步完善这一预测模型。
        1  2  3  4  5  6  7  8  9  10  

s , kb

Copyright © 2016 Powered by 广东队包揽全运马术三项赛冠军,当代体育网   sitemap

Top