详细内容或原文请订阅后点击阅览
交通算法降低疯狂的通勤
在通勤者的欢迎新闻中，研究人员开发了一种预测算法，可以帮助城市规划人员改善交通拥堵。在混乱中提出的新的“数据驱动的宏观移动模型”（D3M）：非线性科学跨学科杂志，比现有模型具有更快的模拟速度和更容易的数据要求。 “想象一个系统，不仅会对流量做出反应[…]
来源:宇宙杂志在通勤者的欢迎新闻中，研究人员开发了一种预测算法，可以帮助城市规划人员改善交通拥堵。
交通拥堵在混乱中提出的新的“数据驱动的宏观移动模型”（D3M）（D3M）与现有模型相比，非线性科学跨学科杂志具有更快的模拟速度和更容易的数据要求。
混乱：非线性科学跨学科杂志 混乱 非线性科学跨学科杂志“想象一个系统不仅对当地的交通做出反应，还可以模拟拥塞如何以复杂的，通常是意外的方式在整个城市中传播。
“网络中一部分的果酱可能会触发瓶颈距离公里 - 不是因为当地的拥挤，而是由于变化流量的涟漪效应。
“我们的模型捕获了这些动力学，提供了系统级的远见而不是零散的反应。”
现有的交通流量算法通常需要详细的旅行信息，并确定车辆如何使用僵化的规则在交叉口中移动。
“而不是使用固定方程进行流动动力学，我们直接从现实世界流量数据中校准了模型参数，”同样来自KHAS的合着者Toprak Firat说。
D3M而不是依靠城市规划者（例如道路拥堵水平）常规收集的数据。
“这允许D3M将其行为调整到每个城市的观察到的条件，从而使其比具有硬编码假设的模型更灵活，更现实，” Firat说。
他们发现D3M的性能比合成基准测试中的常规模型更准确，最多要快3倍。
它还可以准确地代表伊斯坦布尔，伦敦，英国和美国纽约市的各种交通状况，使用现实世界中的数据进行测试。
研究人员现在计划在现实世界中测试该模型，目的是尽快将其带到真实的城市。