DalšíDalší průvodce
Umělá inteligence v optimalizaci cen a dynamické stanovení cen
Aplikace
PRŮVODCE aplikacemi
Umělá inteligence dynamicky upravuje načasování semaforů v reálném čase na základě skutečných požadavků na vozidlo a chodce, místo aby se spoléhala na pevné plány.
Poslechněte si tento návodAI-vyprávěný · ~2 min
The payoff is shorter waits, less stop-and-go, lower emissions, and smoother urban travel.
Tradiční dopravní signály běží na základě pevných časových plánů stanovených roky předem, které špatně odpovídají nepředvídatelnému reálnému provozu. Systémy založené na umělé inteligenci využívají senzory, kamery a data připojených vozidel ke snímání aktuální poptávky na každé křižovatce a podle toho upravují dobu zeleně. Mnoho systémů používá učení zesílení, kdy se agent naučí politiku řízení signálu metodou pokusu a omylu v simulaci, což je odměňováno za snížení celkového zpoždění vozidla. Koordinace více křižovatek je těžší, protože změna jednoho světla se vlní na sousedy, takže multiagentní přístupy umožňují spolupráci signálů podél koridorů. Projekt Green Light společnosti Google, nasazený ve městech jako Seattle a Manchester, používal AI k doporučení úprav načasování a v pilotních studiích hlásil smysluplné snížení zastávek a emisí na křižovatkách.
Projekt Green Light společnosti Google analyzoval jízdní vzorce, aby doporučil přečasování signálu ve městech a omezil počet zastávek na rušných křižovatkách.
Pittsburghský adaptivní systém Surtrac používal decentralizované AI řadiče ke zkrácení doby cestování a volnoběhu podél koridorů.
Města udělují tranzitnímu signálu prioritu, takže AI rozsvítí zelená, když se zpožděný autobus blíží ke křižovatce.
Preempce nouzového vozidla využívá signály koordinované umělou inteligencí k uvolnění cesty pro sanitky a hasičské vozy.
Jak se propojená a autonomní vozidla rozšiřují, signály budou jednat přímo s blížícími se auty, což potenciálně umožní méně tvrdých zastávek a dokonce i koordinované křižovatky bez signálu z dlouhodobého hlediska. Očekávejte těsnější spojení priority tranzitu, preempce nouzového vozidla, bezpečnosti chodců a cyklistů a celoměstské optimalizace. Snímání chránící soukromí a okrajová umělá inteligence na místních řadičích sníží závislost na cloudové konektivitě, díky čemuž je nasazení adaptivního řízení levnější v měřítku v menších obcích.
Newsletter zdarma
Tři ověřené příběhy ze světa AI každý všední den ráno, psané srozumitelnou angličtinou. Navždy zdarma, bez reklam.
Jeden e-mail každý všední den. Odhlásit se můžete jedním kliknutím. Vaši adresu nikdy neprodáváme ani nesdílíme.
Otestujte se
Okamžitá zpětná vazba ke každé odpovědi a sdílitelný certifikát s ověřitelným ID po absolvování kurzu.
Podpořte bezplatnou AI vzdělávání. AI Understanding je nezisková organizace 501(c)(3) — žádné reklamy, žádná platba za přístup, nikdy. Darujte
Umělá inteligence dynamicky upravuje načasování semaforů v reálném čase na základě skutečných požadavků na vozidlo a chodce, místo aby se spoléhala na pevné plány. Odměnou je kratší čekání, méně zastavování a rozjíždění, nižší emise a hladší cestování po městě.
Pevné časové plány jsou nastaveny předem a nepřizpůsobují se proměnlivým dopravním podmínkám na křižovatce v reálném čase.
Posílení učení umožňuje agentovi naučit se zásady ovládání metodou pokusu a omylu, což je odměňováno za snížení zpoždění vozidla.
Odměna obvykle penalizuje celkové zpoždění nebo délku fronty a tlačí na agenta, aby udržoval provoz v pohybu.
Signály jsou vzájemně závislé, takže změna na jednom světle se vlní po proudu, což vyžaduje multiagentní koordinaci pro zelené vlny.
Projekt Green Light použil AI k analýze jízdních vzorů a doporučil přečasování signálu, aby se snížily zastávky a emise.
Učte se dál
Pro toto téma bylo vybráno více průvodců
DalšíDalší průvodce
Umělá inteligence v optimalizaci cen a dynamické stanovení cen
Aplikace