在智慧城市創(chuàng)新不斷變化的格局中,研究人員提出了殘差時空圖卷積神經(jīng)網(wǎng)絡(luò)(RST-GCNN),這可能有助于用戶更高效地找到路邊停車位。該成果發(fā)表在《國際傳感器網(wǎng)絡(luò)雜志》上。
這一新模型有望改變城市駕車體驗,并通過提高停車位預(yù)測能力,或許有助于減少擁堵和污染。隨著城市不斷應(yīng)對加劇的擁堵、污染以及對高效城市生活的永恒追求,人工智能(AI)可能有望緩解駕駛者的日常困擾,甚至幫助我們擺脫交通僵局。
受人腦結(jié)構(gòu)啟發(fā)的神經(jīng)網(wǎng)絡(luò)在解決圖片和模式識別、醫(yī)學(xué)診斷、自然語言處理與翻譯以及語音識別等諸多領(lǐng)域中的復(fù)雜問題中日益應(yīng)用。本文討論的RST-GCNN代表了神經(jīng)網(wǎng)絡(luò)技術(shù)的一種復(fù)雜應(yīng)用,旨在應(yīng)對城市面臨的永恒挑戰(zhàn)——停車位供應(yīng)狀況。
與傳統(tǒng)模型不同,RST-GCNN集成了殘差結(jié)構(gòu),高效地將來自圖表和卷積模塊的時空信息相結(jié)合。根據(jù)其開發(fā)者——中國杭州城市大學(xué)的陳冠霖、張勝、翁文勇和楊吳堅的說法,RST-GCNN能夠通過識別停車數(shù)據(jù)集中的模式來預(yù)測長期停車位占用率。
該團隊已經(jīng)在真實世界的Melb-Parking數(shù)據(jù)集上測試了他們的方法,并驗證了系統(tǒng)的有效性。工作表明,與基準(zhǔn)模型相比,新方法在預(yù)測停車位占用率方面表現(xiàn)出更出色的性能。這一新方法對城市駕駛者具有巨大潛力,并可用于優(yōu)化自動化停車搜索過程,最終減少擁堵、優(yōu)化交通運輸效率,在汽車仍然是交通主要方式的繁忙城市發(fā)揮作用。
未來,該團隊將擴展這一方法應(yīng)用到更大的停車數(shù)據(jù)集上,并致力于進一步提高預(yù)測準(zhǔn)確性。未來的版本將嵌入天氣、溫度、假日時段和交通停車的其他變數(shù),從而拓展其適用范圍和應(yīng)用價值。
本文譯自 techxplore,由 BALI 編輯發(fā)布。
(免責(zé)聲明:本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網(wǎng)站出現(xiàn)的信息,均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性,但不保證有關(guān)資料的準(zhǔn)確性及可靠性,讀者在使用前請進一步核實,并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏,概不負任何法律責(zé)任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時,應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明,并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后,將會依法盡快聯(lián)系相關(guān)文章源頭核實,溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 )