AI katika Uboreshaji wa Mawimbi ya Trafiki
AI hurekebisha muda wa mwanga wa trafiki kwa wakati halisi kulingana na mahitaji halisi ya gari na watembea kwa miguu, badala ya kutegemea ratiba zisizobadilika.
Muhtasari
The payoff is shorter waits, less stop-and-go, lower emissions, and smoother urban travel.
Dive ya kina
Ishara za kawaida za trafiki huendeshwa kwa mipango ya muda iliyowekwa miaka mapema, ambayo inalingana vibaya na trafiki isiyotabirika ya ulimwengu halisi. Mifumo inayotegemea AI hutumia vitambuzi, kamera na data ya gari iliyounganishwa ili kuhisi mahitaji ya sasa katika kila makutano na kurekebisha nyakati za kijani kibichi ipasavyo. Mifumo mingi hutumia ujifunzaji wa kuimarisha, ambapo wakala hujifunza sera ya udhibiti wa mawimbi kwa kujaribu na kufanya makosa katika uigaji, hutuzwa kwa kupunguza ucheleweshaji wa jumla wa gari. Kuratibu makutano mengi ni vigumu zaidi, kwa kuwa kubadilisha ripu moja ya mwanga hadi majirani, kwa hivyo mbinu za mawakala wengi huruhusu mawimbi kushirikiana kwenye korido. Mradi wa Google wa Green Light, uliosambazwa katika miji kama Seattle na Manchester, ulitumia AI kupendekeza marekebisho ya wakati, kuripoti upunguzaji wa maana wa vituo na utoaji wa hewa chafu kwenye makutano katika masomo ya majaribio.
Ufahamu wa Kiufundi
Mbinu ya kawaida huangazia kila makutano kama wakala wa uimarishaji wa mafunzo. Jimbo husimba urefu wa foleni, hesabu za magari na awamu ya sasa; vitendo huchagua awamu ya ishara ya kuamsha au kupanua; na tuzo huadhibu kuchelewa kwa kusanyiko au urefu wa foleni. Wakala hufunza katika viigaji vidogo kama vile SUMO, sera za kujifunza zinazolingana na mahitaji yanayobadilika-badilika. Uratibu wa mawakala wengi hushiriki taarifa kati ya makutano ya jirani ili mawimbi ya kijani kuunda kwenye korido zenye shughuli nyingi badala ya kuboresha kila mwanga kwa kutengwa.
Athari za kimkakati
Tengeneza chaguzi
Muundo wa kiwango cha programu huamua kama AI inaboresha matokeo halisi.
Timu na mtiririko wa kazi
Ujumuishaji mzuri wa mtiririko wa kazi hutengeneza faida za tija ambazo watumiaji wanaweza kuamini.
Risk and safety
Kesi za utumiaji zilizopangwa vizuri hupunguza uchovu wa mabadiliko na hatari ya utekelezaji.
Mustakabali wa AI katika Uboreshaji wa Mawimbi ya Trafiki
Magari yaliyounganishwa na yanayojiendesha yanapoenea, mawimbi yatajadiliana moja kwa moja na magari yanayokaribia, uwezekano wa kuwezesha vituo vichache vya kusimama na hata makutano yaliyoratibiwa bila mawimbi kwa muda mrefu. Tarajia muunganisho mgumu zaidi wa kipaumbele cha usafiri, uzuiaji wa gari la dharura, usalama wa watembea kwa miguu na wapanda baiskeli, na uboreshaji wa jiji zima. Hisia za kuhifadhi faragha na makali ya AI kwa vidhibiti vya ndani vitapunguza utegemezi wa muunganisho wa wingu, na kufanya udhibiti unaobadilika kuwa nafuu kusambaza kwa kiwango kikubwa katika manispaa ndogo.
Utekelezaji wa Ulimwengu Halisi
Mradi wa Google wa Green Light ulichanganua mifumo ya uendeshaji ili kupendekeza urejeshaji wa saa wa mawimbi katika miji, kupunguza vituo kwenye makutano ya watu wengi.
Mfumo wa urekebishaji wa Surtrac wa Pittsburgh ulitumia vidhibiti vya AI vilivyogatuliwa kupunguza muda wa kusafiri na kukaa bila kufanya kazi kwenye korido.
Miji hupeana mawimbi ya usafiri kipaumbele kwa hivyo AI kupanua taa za kijani wakati basi lililochelewa linapokaribia makutano.
Uzuiaji wa gari la dharura hutumia mawimbi yaliyoratibiwa na AI ili kusafisha njia ya ambulensi na magari ya zimamoto kupitia trafiki.
Hatari & Walinzi
Kuweka kiotomatiki mchakato uliovunjika kunaweza kukuza shida zilizopo.
Timu zinaweza kufanya otomatiki kupita kiasi na kuondoa uamuzi unaohitajika wa kibinadamu.
Ubora unaweza kuyumba ikiwa matokeo hayatatathminiwa mara kwa mara.
Ramani ya Utekelezaji
Ramani ya mtiririko wa kazi wa sasa na utambue hatua ya msuguano wa juu zaidi.
Bainisha vituo vya ukaguzi vya binadamu kabla ya otomatiki kamili.
Fundisha watumiaji kuhusu maekelezo, njia za kupanda na viwango vya ubora.
Fuatilia matokeo ya kiwango cha kazi ili kuthibitisha thamani endelevu.
Endelea Kuchunguza
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the AI in Traffic Signal Optimization quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Mwongozo unaofuata
AI katika Uboreshaji wa Bei na Bei Inayobadilika
Maswali yanayoulizwa mara kwa mara
What is AI in Traffic Signal Optimization?
AI hurekebisha muda wa mwanga wa trafiki kwa wakati halisi kulingana na mahitaji halisi ya gari na watembea kwa miguu, badala ya kutegemea ratiba zisizobadilika. Mafanikio ni kusubiri kwa muda mfupi, kidogo kuacha-na-kwenda, uzalishaji mdogo, na usafiri rahisi wa mijini.
Ni kizuizi gani kikuu cha ishara za trafiki za muda maalum?
Mipango ya muda huwekwa mapema na haibadilishi kulingana na hali ya trafiki ya wakati halisi kwenye makutano.
Ni mbinu gani ya kujifunza kwa mashine inayotumiwa kwa kawaida kujifunza sera za udhibiti wa mawimbi?
Mafunzo ya kuimarisha huruhusu wakala kujifunza sera za udhibiti kwa majaribio na makosa, na kuzawadiwa kwa kupunguza kuchelewa kwa gari.
Katika wakala wa mafunzo ya kuimarisha trafiki, tuzo huwa na adhabu gani kwa kawaida?
Zawadi kwa kawaida huadhibu kucheleweshwa kwa jumla au urefu wa foleni, hivyo kusukuma wakala kuweka trafiki kusonga mbele.
Kwa nini kuratibu makutano mengi ni ngumu kuliko kuboresha moja?
Mawimbi yanategemeana, kwa hivyo badiliko kwenye mwanga mmoja hutiririka chini ya mkondo, na kuhitaji uratibu wa wakala mbalimbali kwa mawimbi ya kijani kibichi.
Je! Mradi wa Green Light wa Google uliundwa kufanya nini?
Project Green Light ilitumia AI kuchanganua mifumo ya uendeshaji na kupendekeza urejeshaji wa muda wa mawimbi ili kupunguza vituo na utoaji wa moshi.