【前沿】预测分析在交通领域的应用分析 - 国际前沿 - 智慧交通网 ITS114.COM|中国智能交通领先的门户网站
  • 【前沿】预测分析在交通领域的应用分析

    2019-08-14 09:34:18 来源: ITS114 评论:
    分享到:

    随着机器学习和人工智能技术的兴起,意味着算命先生将面临失业的危机。

    blob.png

    自从行业机构逐渐意识到大数据对未来的洞察力之后,科学家们一直致力于研究其对未来的预测能力。随着自动化、机器学习、人工智能等技术的发展,要实现对未来的预测并不是科学家们的空想。

    目前,我们正处于预测分析的时代。

    预测分析结合了机器学习(ML)和人工智能(AI)技术,通过分析大量的历史数据来实现对未来事件的预测。虽然该技术几乎适用于任何行业,但在交通领域的应用,比如出行模式的选择更具有引导性。它可以通过优化网络性能使城市变得更加高效,它可以协助交通机构为公众带来更好的出行体验,同时还可以平衡城市交通流量,利用其预测能力,缓解交通拥堵。

    但是这里存在几个问题:这项技术如何真正落地应用?必须满足哪些条件才能确保预测最高的准确性和可靠性?还有,我们的城市是否真的可以从预测分析中获益?

    数据处理

    虽然预测分析可以广泛应用于交通行业的各个领域,但我们重点关注只有两个关键类别:服务预测分析(预测性维护)和运营预测分析。前者协助交通机构预先防范设备故障并提高客户满意度,而后者则协助城市以更可靠的方式和更低的成本为交通管理提供更强大的解决方案。

    在预测性维护模型中,建模和预测的来源通常来自历史数据和外部变量,例如旅客吞吐量、交通流量和气象条件。数据涵盖所有设备相关的历史记录,甚至是每台机器的组件级别,比如自动售票机的智能卡读卡器,投币式保险柜,硬币处理单元等元素。这项数据与其他历史数据(如修复日志)一起提供预测分析引擎的ML部件。引擎吸收数据后,根据每个设备的行为和性能历史数据,挖掘频繁模式、关联和相关性,然后在专用算法的帮助下,构建资产的基本预测模型。其中,该模型必须在10次中做出至少8次正确的预测,才能被认为是准确的。更重要的是,预测工具可以对设备的剩余寿命进行预测,并生成生命周期管理表提供给交通机构或代理商,使其可以在其故障之前采取主动预防措施进行维护。

    只需轻按“开启”按钮即可进行有效的预测分析。例如,预测性模型的可靠性通常取决于数据的数量和质量。这里的问题是,并非所有代理商都能提供强大的数据源。即使代理机构确实拥有大量的设备数据,也可能会被破坏或丢失,这些数据可能没办法全部收集起来,或者数量不足以进行预测分析。同时,也并非所有设备都可以收集、存储和传输大量实时数据到中央处理系统。

    Cubic公司在美国的预测性维护试验给予了我们很重要的学习经验,无论是在亚特兰大,还是在洛杉矶,缺乏合适的硬件设施是各个机构之间普遍存在的问题。因此,有效的预测分析程序可能需要代理商和技术开发商回到硬件本身,来找出改进或促使数据生成的方法。在其他情况下,预测分析程序可能还涉及到数据实时收集的初步阶段,以补充现有数据库,同时改进数据样本的现状。

    交通机构可以将预测技术和人的专业知识组合在一起,从而进一步确保预测引擎的准确性。这种方法在预测性维护的早期阶段尤为重要。当模型将特定设备标记为可能失败时,研究人员可以通过生成磨损程度的报告来保证预测的准确性,并给出可能发生故障的结论。这种验证不仅有助于优化预测算法,而且还通过其反馈的关键循环信息,不断提高预测质量。

    blob.png

    多任务处理

    今年早些时候,澳大利亚人口最多的城市——新南威尔士州计划将斥资数百万美元以加强该地区道路网络的监测和管理。该计划要求Cubic提供交通拥堵智能管理计划,即运营预测分析的应用示例。该城市将利用数据驱动的交通管理平台来预测交通流量,减少拥堵,及时响应交通事件的应急处置。到2020年底,该计划完成后,悉尼将成为世界上第一个基于预测分析模型管理交通网络的城市。

    事实上,要预测悉尼这么大城市的交通网络、交通模式和事故是一个很棘手的问题,这里涉及几个问题。首先,预测引擎必须汇聚整个城市所有交通数据,包括行人,私家车,公共交通工具,第三方运输服务(如乘车服务,小型摩托车和微型交通),以及整个城市交通基础设施端点(交通摄像头、交通和路灯、停车场、公共汽车站、火车站等)。最重要的是,这个系统必须足够智能,同时还要涵盖了可能影响模型变化的动态信息,例如天气和季节性活动(黑色星期五,足球比赛,假日等)。

    虽然“智慧城市”的概念吸引了许多城市规划者和代理商参与规划和建设,但并不是所有城市都可以完成。由于各个城市的基础设施存在较大差距,各系统之间缺乏信息共享,路网监控覆盖不足,因此,城市地区的创新步伐往往达不到预测的理想环境。在这种情况下,预测引擎不仅需要分析,理解和模仿实际的交通系统,还需要用到基于AI的模拟来填补信息空白的地方。而随着城市智能基础设施的升级和代理商的投资推动,这些信息空白的地方可以得到填补,从而保证了预测的准确性。

    同时,值得庆幸的是,尽管各个层面的复杂性很高,但预测模型很容易扩展。换句话说,尽管建立基础模型的时间和资源的初始投入很大,但是一旦完成了工作,该模型就可以应用于城市,逐步改善城市生活质量。例如,如果新城市中基础模型的初始准确度为70%,则可以使用新数据源调整预测算法可以产生更好的结果。

    未来的重点

    由于预测是基于不断调整和重新评估信息的复杂的动态算法,因此确保运算模型中预测的准确性并非易事。但是通过分析各类交通事件的AI模拟效果,并针对类似的历史情景进行基准测试,其预测结果存在一定的可靠性。这里有一个很重要的点,如果要在预测网络中响应某个交通事件,例如由于车辆故障将其他驾驶员重新定向到新路线的做法,可能会无意中影响到其他因素。因此,在评估预测分析模型的有效性时,并不是围绕单个交通事件实现单一收益,提高交通网络整体效率始终是首要考虑因素。

    虽然目前Cubic对悉尼交通管理平台的口号是“预测未来30分钟,行动响应5分钟”,但实际上,实现长期的预测只是时间问题。随着机器学习、人工智能、以及即将到来的5G技术,未来实现1小时,12小时,甚至一天的预测都将成为可能。

    随着时间的推移,可以合理地预期城市的预测能力将成倍增长,为交通信号灯立即识别并优先考虑应急车辆的自动化城市交通网络奠定基础,同时,智慧道路还可以适应不断变化的交通状况,驾驶员的手机主动提醒前方道路障碍物,为避免碰撞,将自动重定向到另一条路线,自动驾驶汽车永远不会陷入交通拥堵状态。

    对未来预测的愿景无疑是令人期待的,但要记住,预测分析无法在真空环境中运行。如果没有适当的监管环境,不同利益相关方的聚集,以及城市基础设施的投资,即使是最先进的分析技术也无法发挥作用。


    (文/国际智能交通  译/梁兰春)

  • 关键字: 预测分析
  •    责任编辑:刘艳
  • 延伸阅读!

  • 每周新闻精选

  • 关于我们
  • 联系我们
  • 广告赞助