Il prossimoProssima guida
L'intelligenza artificiale nell'ottimizzazione dei prezzi e nei prezzi dinamici
Applicazioni
GUIDA alle applicazioni
L’intelligenza artificiale regola dinamicamente i tempi del semaforo in tempo reale in base alla domanda effettiva di veicoli e pedoni, invece di fare affidamento su orari fissi.
Ascolta questa guidaNarrato dall'IA · ~2 min
The payoff is shorter waits, less stop-and-go, lower emissions, and smoother urban travel.
I segnali stradali tradizionali funzionano secondo piani temporali fissi stabiliti con anni di anticipo, che mal corrispondono al traffico imprevedibile del mondo reale. I sistemi basati sull’intelligenza artificiale utilizzano sensori, telecamere e dati dei veicoli connessi per rilevare la domanda attuale a ogni incrocio e regolare di conseguenza i tempi verdi. Molti sistemi utilizzano l'apprendimento per rinforzo, in cui un agente apprende una politica di controllo del segnale attraverso tentativi ed errori nella simulazione, ricompensato per aver ridotto il ritardo totale del veicolo. Coordinare più intersezioni è più difficile, poiché cambiando una luce si propagano quelle vicine, quindi gli approcci multi-agente consentono ai segnali di cooperare lungo i corridoi. Il progetto Green Light di Google, implementato in città come Seattle e Manchester, ha utilizzato l'intelligenza artificiale per consigliare modifiche temporali, segnalando riduzioni significative delle fermate e delle emissioni degli incroci negli studi pilota.
Il progetto Green Light di Google ha analizzato i modelli di guida per consigliare di modificare il segnale nelle città, riducendo le fermate agli incroci trafficati.
Il sistema adattivo Surtrac di Pittsburgh utilizzava controller IA decentralizzati per ridurre i tempi di viaggio e di inattività lungo i corridoi.
Le città concedono la priorità al segnale di transito in modo che l’IA estenda il semaforo verde quando un autobus in ritardo si avvicina a un incrocio.
La prevenzione dei veicoli di emergenza utilizza segnali coordinati dall’intelligenza artificiale per liberare il percorso nel traffico dalle ambulanze e dai camion dei pompieri.
Con la diffusione dei veicoli connessi e autonomi, i segnali negozieranno direttamente con le auto in avvicinamento, consentendo potenzialmente meno fermate brusche e persino incroci coordinati senza segnali a lungo termine. Aspettatevi una più stretta fusione tra priorità di trasporto pubblico, prevenzione dei veicoli di emergenza, sicurezza di pedoni e ciclisti e ottimizzazione a livello cittadino. Il rilevamento che preserva la privacy e l’intelligenza artificiale sui controllori locali ridurranno la dipendenza dalla connettività cloud, rendendo il controllo adattivo più economico da implementare su larga scala nei comuni più piccoli.
Newsletter gratuita
Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.
Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.
Mettiti alla prova
Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.
Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione
L’intelligenza artificiale regola dinamicamente i tempi del semaforo in tempo reale in base alla domanda effettiva di veicoli e pedoni, invece di fare affidamento su orari fissi. Il risultato sono attese più brevi, meno stop-and-go, minori emissioni e spostamenti urbani più fluidi.
I piani orari fissi vengono stabiliti in anticipo e non si adattano alle condizioni variabili del traffico in tempo reale a un incrocio.
L'apprendimento per rinforzo consente a un agente di apprendere le politiche di controllo attraverso tentativi ed errori, premiati per la riduzione del ritardo del veicolo.
La ricompensa solitamente penalizza il ritardo totale o la lunghezza della coda, spingendo l'agente a mantenere il traffico in movimento.
I segnali sono interdipendenti, quindi un cambiamento in una luce si propaga a valle, richiedendo un coordinamento multi-agente per le onde verdi.
Il progetto Green Light ha utilizzato l'intelligenza artificiale per analizzare i modelli di guida e consigliare la riattivazione del segnale per ridurre le fermate e le emissioni.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
L'intelligenza artificiale nell'ottimizzazione dei prezzi e nei prezzi dinamici
Applicazioni