米国エネルギー省(DOE)のアルゴンヌ国立研究所の研究者らは、ローレンスバークレー国立研究所が主導するモビリティシステムの設計・計画に関するプロジェクトの一環として、交通状況を予測するAIシステムを開発中だ。
ロサンゼルスの交通網を対象に設計されたAIシステムは、従来のものに比べて劇的に多くのセンサーを利用していて、アルゴンヌ国立研究所のスーパーコンピュータを活用することで、高速で正確な予測を実現している。
向こう1時間の交通状況をミリ秒以内に予測
研究者らは、カリフォルニアの高速道路に設置した1万1160個ものセンサーからデータを取得。約半年ぶんデータを使用してモデルをトレーニングした。
スーパーコンピュータを利用することでモデルのトレーニング時間を大幅に削減でき、高性能なデスクトップコンピュータで1週間かかる工程を3時間で完了する。
こうして作成されたAIシステムは、過去1時間のデータからミリ秒以内に、向こう1時間の交通状況を予測可能だ。
交通網全体のダイナミクスを捉える
あるエリアの交通状況は、付近の交通の速度と流れの影響を受ける。このため、システムはエリアごとの交通のパターンと同時に、交通の速度と流れも予測している。モデルの予測を自動的に改善するグラフベースのディープラーニングを利用することで、交通網全体のダイナミクスを捉えられるようになった。
また、大規模なネットワークをいくつかの小規模なネットワークに分割することで、それぞれを個別にトレーニングすることができ、予測の速度と精度が大幅に向上している。
大規模な交通網の予測を瞬時に行える同手法は、渋滞の多い都市の交通最適化に寄与しそうだ。
参照元:Building a better traffic forecasting model/ Argonne National Laboratory
- Original:https://techable.jp/archives/142447
- Source:Techable(テッカブル) -海外・国内のネットベンチャー系ニュースサイト
- Author:YamadaYoji