captcha


آمار مطالب

کل مطالب : 92
کل نظرات : 0

آمار کاربران

افراد آنلاین : 1
تعداد اعضا : 0

کاربران آنلاین


آمار بازدید

بازدید امروز : 52
باردید دیروز : 373
بازدید هفته : 427
بازدید ماه : 1555
بازدید سال : 13226
بازدید کلی : 58433
مصرف برق نیمه شب در مورد تراکم ترافیک صبح برای ما چه می گوید؟

برای پیش بینی اینکه احتمالاً ترافیک صبح متوقف می شود ، ممکن است بررسی کنیم که ما به جای داده های زمان سفر ، از وسط شب استفاده می کنیم. محققان دانشگاه کارنگی ملون با تجزیه و تحلیل میزان مصرف برق خانگی در آستین ، تگزاس ، توانستند پیش بینی کنند که چه موقع ترافیک صبحگاهی برخی از قسمت های بزرگراه های آستین را خفه می کند.


پیش بینی زمان شروع ترافیک و چقدر طول خواهد کشید به دلیل تغییرات روز به روز دشوار است. تجزیه و تحلیل داده های سفر در زمان واقعی ، اطلاعات کافی را برای اهداف پیش بینی فراهم نمی کند زیرا زمان عزیمت رانندگان و رفتارهای مسافرتی متفاوت است و باعث ایجاد تقاضای همیشگی در سیستم های بزرگراه می شود. مسائل اساسی ، در اوج صبح ، ترافیک بزرگراه ها فقط در عرض چند دقیقه در نزدیکی تنگناها خراب می شوند. محققان برای درک بهتر جریان ترافیک ، ارتباطات بین سیستمهای شهری ، یک مفهوم اصلی در تحقیقات شهر هوشمند را با بررسی چگونگی درهم آمیختن سیستم حمل و نقل آستین با برق آن ، مورد بررسی قرار دادند. سیستم کردند.

در این مطالعه ، شان کیان ، استادیار مهندسی عمران و محیط زیست و دکتری دانش آموز Pinchao ژانگ مدلی را ایجاد کرد که داده های زمان مصرف برق را استخراج می کند و سپس از هوش مصنوعی (AI) برای پیش بینی جریان ترافیک استفاده می کند. این مطالعه ممکن است اولین کسی باشد که تلاش می کند روابط مکانی و مکانی الگوهای استفاده در حمل و نقل و انرژی را کشف کند.

آنها در این کار مقدماتی ، داده های برق بهای 79 روزه از 322 خانوار ناشناس در آستین را تجزیه و تحلیل کردند. مدل آنها کاربران را بر حسب زمان و میزان برق مورد استفاده آنها طبقه بندی می کرد. به عنوان مثال ، افرادی که احتمالاً زود به رختخواب می رفتند ، در دسته دیگری از جغدها در شب قرار داشتند. با استفاده از هوش مصنوعی ، این مدل ویژگی های مهم را در مورد دسته های کاربران و نحوه ارتباط هر دسته با تراکم ترافیک می آموزد ، و سپس پیش بینی ها را انجام می دهد. این پیش بینی ها بطور قابل توجهی دقیق تر از پیش بینی های انجام شده فقط با استفاده از داده های ترافیک در زمان واقعی هستند. وقتی خانواده ها از روز به روز الگوهای استفاده خود را تغییر می دادند ، این امر در زمان شروع ازدحام منعکس می شد.

کیان می گوید: "نتایج ما نشان می دهد که زمان اوج ازدحام صبح به طور واضح با انواع خاصی از الگوهای مصرف برق ارتباط دارد." به عنوان مثال ، یک الگوی شامل خانوارهایی بود که میزان مصرف برق آنها از 2 صبح به بعد افزایش یافته است ، اما بعد از ساعت 6 صبح کاهش یافته است این می تواند نشان دهد که ممکن است آن دسته از خانواده ها تا ساعت 6 صبح مجبور به ترک محل کار شوند که این ارتباط مثبت با ازدحام صبحگاهی است که از ابتدا شروع می شود.

کیان می گوید: "ویژگی دیگر این مطالعه این است که به هیچ وجه شخصی که از خانواده ها استفاده نشود ، نیاز دارد." این نشان می دهد که می توان بهره وری سیستم را بهبود بخشید در حالی که حریم شخصی حفظ می شود.

نتایج این مطالعه قانع کننده است ، اما محدودیت هایی نیز وجود دارد. اطلاعات بیشتری مورد نیاز است. یک نمونه بزرگتر از داده های خانگی جمع آوری شده برای مدت زمان طولانی تر ، قابلیت های پیش بینی مدل را بهتر آموزش می دهد. اطلاعات آب و هوا و حادثه بر ترافیک تأثیر می گذارد و این مدل ها در مدل فعلی مورد استفاده قرار نمی گیرند. علاوه بر این ، تکثیر این مطالعه در سایر شهرها ممکن است مشکل ساز باشد زیرا بدست آوردن داده های مصرف برق از شرکت های تأمین انرژی بسیار دشوار است. در این مطالعه ، شرکت خیابان پیکان داده های برق آستین را از طریق یک بستر به اشتراک گذاری داده های باز ارائه داد.

در حالی که این مدل تراکم ترافیک را پیش بینی می کند ، شاید مهمتر از همه ، آن را اثبات مفهوم برای جفت شدن سیستم های حمل و نقل و انرژی برای پیش بینی نحوه عملکرد سیستم ها فراهم می کند. آموزش روابط بین نحوه استفاده مردم از سیستم های شهری می تواند منجر به پیش بینی و مدیریت تقاضای متقابل سیستم شود.

کیان می گوید: "ما در پیش بینی ترافیک به بهره‌برداری از انرژی نگاه کردیم. اما شما همچنین می توانید از جریان ترافیک برای پیش بینی بهره‌برداری از انرژی استفاده کنید." رسانه ها.

بنیاد ملی علوم ، پژوهشکده Traffic21 دانشگاه کارنگی ملون و تحرک 21 ، یک مرکز ملی حمل و نقل دانشگاه USDOT بودجه این تحقیق را تأمین می کند. این مطالعه با عنوان "سیستم های شهری وابسته به کاربر وابسته به کاربر: با استفاده از داده های مصرف برق در زمان روز برای پیش بینی تراکم جاده صبح" اخیراً در بخش تحقیقات حمل و نقل منتشر شده است .

برای پیش بینی اینکه احتمالاً ترافیک صبح متوقف می شود ، ممکن است بررسی کنیم که ما به جای داده های زمان سفر ، از وسط شب استفاده می کنیم. محققان دانشگاه کارنگی ملون با تجزیه و تحلیل میزان مصرف برق خانگی در آستین ، تگزاس ، توانستند پیش بینی کنند که چه موقع ترافیک صبحگاهی برخی از قسمت های بزرگراه های آستین را خفه می کند.


پیش بینی زمان شروع ترافیک و چقدر طول خواهد کشید به دلیل تغییرات روز به روز دشوار است. تجزیه و تحلیل داده های سفر در زمان واقعی ، اطلاعات کافی را برای اهداف پیش بینی فراهم نمی کند زیرا زمان عزیمت رانندگان و رفتارهای مسافرتی متفاوت است و باعث ایجاد تقاضای همیشگی در سیستم های بزرگراه می شود. مسائل اساسی ، در اوج صبح ، ترافیک بزرگراه ها فقط در عرض چند دقیقه در نزدیکی تنگناها خراب می شوند. محققان برای درک بهتر جریان ترافیک ، ارتباطات بین سیستمهای شهری ، یک مفهوم اصلی در تحقیقات شهر هوشمند را با بررسی چگونگی درهم آمیختن سیستم حمل و نقل آستین با برق آن ، مورد بررسی قرار دادند. سیستم کردند.

در این مطالعه ، شان کیان ، استادیار مهندسی عمران و محیط زیست و دکتری دانش آموز Pinchao ژانگ مدلی را ایجاد کرد که داده های زمان مصرف برق را استخراج می کند و سپس از هوش مصنوعی (AI) برای پیش بینی جریان ترافیک استفاده می کند. این مطالعه ممکن است اولین کسی باشد که تلاش می کند روابط مکانی و مکانی الگوهای استفاده در حمل و نقل و انرژی را کشف کند.

آنها در این کار مقدماتی ، داده های برق بهای 79 روزه از 322 خانوار ناشناس در آستین را تجزیه و تحلیل کردند. مدل آنها کاربران را بر حسب زمان و میزان برق مورد استفاده آنها طبقه بندی می کرد. به عنوان مثال ، افرادی که احتمالاً زود به رختخواب می رفتند ، در دسته دیگری از جغدها در شب قرار داشتند. با استفاده از هوش مصنوعی ، این مدل ویژگی های مهم را در مورد دسته های کاربران و نحوه ارتباط هر دسته با تراکم ترافیک می آموزد ، و سپس پیش بینی ها را انجام می دهد. این پیش بینی ها بطور قابل توجهی دقیق تر از پیش بینی های انجام شده فقط با استفاده از داده های ترافیک در زمان واقعی هستند. وقتی خانواده ها از روز به روز الگوهای استفاده خود را تغییر می دادند ، این امر در زمان شروع ازدحام منعکس می شد.

کیان می گوید: "نتایج ما نشان می دهد که زمان اوج ازدحام صبح به طور واضح با انواع خاصی از الگوهای مصرف برق ارتباط دارد." به عنوان مثال ، یک الگوی شامل خانوارهایی بود که میزان مصرف برق آنها از 2 صبح به بعد افزایش یافته است ، اما بعد از ساعت 6 صبح کاهش یافته است این می تواند نشان دهد که ممکن است آن دسته از خانواده ها تا ساعت 6 صبح مجبور به ترک محل کار شوند که این ارتباط مثبت با ازدحام صبحگاهی است که از ابتدا شروع می شود.

کیان می گوید: "ویژگی دیگر این مطالعه این است که به هیچ وجه شخصی که از خانواده ها استفاده نشود ، نیاز دارد." این نشان می دهد که می توان بهره وری سیستم را بهبود بخشید در حالی که حریم شخصی حفظ می شود.

نتایج این مطالعه قانع کننده است ، اما محدودیت هایی نیز وجود دارد. اطلاعات بیشتری مورد نیاز است. یک نمونه بزرگتر از داده های خانگی جمع آوری شده برای مدت زمان طولانی تر ، قابلیت های پیش بینی مدل را بهتر آموزش می دهد. اطلاعات آب و هوا و حادثه بر ترافیک تأثیر می گذارد و این مدل ها در مدل فعلی مورد استفاده قرار نمی گیرند. علاوه بر این ، تکثیر این مطالعه در سایر شهرها ممکن است مشکل ساز باشد زیرا بدست آوردن داده های مصرف برق از شرکت های تأمین انرژی بسیار دشوار است. در این مطالعه ، شرکت خیابان پیکان داده های برق آستین را از طریق یک بستر به اشتراک گذاری داده های باز ارائه داد.

در حالی که این مدل تراکم ترافیک را پیش بینی می کند ، شاید مهمتر از همه ، آن را اثبات مفهوم برای جفت شدن سیستم های حمل و نقل و انرژی برای پیش بینی نحوه عملکرد سیستم ها فراهم می کند. آموزش روابط بین نحوه استفاده مردم از سیستم های شهری می تواند منجر به پیش بینی و مدیریت تقاضای متقابل سیستم شود.

کیان می گوید: "ما در پیش بینی ترافیک به بهره‌برداری از انرژی نگاه کردیم. اما شما همچنین می توانید از جریان ترافیک برای پیش بینی بهره‌برداری از انرژی استفاده کنید." رسانه ها.

بنیاد ملی علوم ، پژوهشکده Traffic21 دانشگاه کارنگی ملون و تحرک 21 ، یک مرکز ملی حمل و نقل دانشگاه USDOT بودجه این تحقیق را تأمین می کند. این مطالعه با عنوان "سیستم های شهری وابسته به کاربر وابسته به کاربر: با استفاده از داده های مصرف برق در زمان روز برای پیش بینی تراکم جاده صبح" اخیراً در بخش تحقیقات حمل و نقل منتشر شده است .

تعداد بازدید از این مطلب: 639
|
امتیاز مطلب : 0
|
تعداد امتیازدهندگان : 0
|
مجموع امتیاز : 0


می توانید دیدگاه خود را بنویسید

تعداد صفحات : 0



عضو شوید


نام کاربری :
رمز عبور :

فراموشی رمز عبور؟

عضویت سریع

براي اطلاع از آپيدت شدن وبلاگ در خبرنامه وبلاگ عضو شويد تا جديدترين مطالب به ايميل شما ارسال شود