貴州省はアリババクラウドの最適アルゴリズムを使用して交通渋滞を減らし、赤信号の時間を86%削減する予定

貴州省はアリババクラウドの最適アルゴリズムを使用して交通渋滞を減らし、赤信号の時間を86%削減する予定

朝のラッシュアワーには交通量が多く、午後は非常に空いています。しかし、なぜ信号が変わる頻度は同じままなのでしょうか?多くの人がそのような混乱に遭遇すると思います。実際、この問題は現在、多くのデータ愛好家によって挑戦されています。ビッグデータに基づくインテリジェントなアルゴリズムにより、信号の持続時間を自動的かつインテリジェントに設定できるため、交通渋滞が緩和されます。

このチャレンジには、データ愛好家の 3,743 チームが参加しました。コンテストの想定では、その中で最も優れたアルゴリズムは、すべての車両の信号待ち時間を 86% 短縮できるとされています。これは、貴州省とアリババクラウドが最近共同で開始したクラウド貴州天池スマート交通アルゴリズムチャレンジの理論的結論です。

北京大学、フランスの橋梁道路大学、温州大学、香港科技大学のデータサイエンティストの3チームが、それぞれ1位から3位を獲得しました。優勝チームのインテリジェント信号制御アルゴリズムはまだ実用化されていないが、理論的には、将来の交通量予測に基づいて信号方式を最適化することで、南明区の信号交差点での車両の全体的な待ち時間を大幅に短縮できる。

ビッグデータを活用して信号の持続時間をインテリジェントに調整し、このデータを社会全体に公開して最適なアルゴリズムを取得します。これらは、雲上貴州が人々にもたらした 2 つの主要な革新的なインスピレーションであり、インターネット + アプリケーションの典型的な例の 1 つでもあります。

既存の都市信号制御システムは交差点での交通誘導のニーズをある程度満たすことができますが、都市の車両の増加に伴い、都市の混雑はますます深刻になっています。従来の信号制御システムには明らかな欠点があります。たとえば、信号時間は比較的固定されており、交通量の変化に応じて信号の表示状態と時間を調整することはできません。

貴州省は、信号の持続時間をインテリジェントに制御することで交通を規制することを選択しました。

貴州省とアリババクラウドの協力により、都市交通はすでにセンサーを通じてデジタル化されている。例えば、貴州省貴陽市南明区の交通流データがコンテストで公開されました。バスのGPS情報、タクシーのGPS情報を含み、AutoNaviの一般市民向けナビゲーションデータと組み合わせ、ユーザーのプライバシーを完全に無感覚化し保護することを前提に、貴陽市の交差点の全体的な交通の流れをシミュレートします。

データ愛好家は、これらの交通ビッグデータを使用して、アリババクラウドコンピューティングがサポートするクラウド貴州プラットフォームを通じて貴陽市の信号制御システムのアルゴリズムモデリングを構築し、交通の流れの状況に応じて信号照明戦略をリアルタイムで制御して、渋滞を最小限に抑え、交通を高速化することができます。参加者は、過去 7 日間のデータを活用して、各信号交差点の将来の交通量を予測し、交通量を予測して信号機の状態を合理的に調整する必要があります。

ビッグデータが豊富になったことで、クラウドコンピューティングを通じて都市管理を最適化することが可能になりました。以前、アリババグループのCTOである王建博士は、「データ自体に価値があるかどうかは関係ありません。使用されなければ価値はありません。コンピューティングを通じて、データに価値を持たせることができます。」と述べています。

「ビッグデータとクラウドコンピューティングを利用して市民の衣食住や交通に役立てることは、将来の都市管理の重要な部分となるだろう」。アリババグループのシニアデータサイエンティストで、クラウド貴州プロジェクトに携わるミン・ワンリ氏は、交通データを活用して渋滞を緩和することが1つの方向性だと述べた。さらに、バスの運行スケジュール、タクシーの差別化価格設定、物流や速達のニーズへの対応、さらには一部の危険物輸送や緊急対応の指揮にも応用できる。 「アリババクラウドはクラウドコンピューティング機能をさらに開放し、国家インターネット+戦略を実行します。」

<<:  カオスに基づくデジタル画像暗号化アルゴリズム

>>:  Weiboはどのように実装されていますか? Weiboの背後にあるアルゴリズム

ブログ    
ブログ    

推薦する

NASA、狭い場所でも移動できる折り紙ロボットを開発

将来のある時点で、人類は火星探査の旅に出る可能性が高いでしょう。最近、NASAの研究者らが、コンパク...

...

...

MySQL ページング最適化の「ページング アルゴリズムを最適化する INNER JOIN メソッド」はどのような状況で有効になりますか?

最近、偶然にMySQLのページング最適化のテストケースを見ました。テストシナリオを詳しく説明せずに、...

Google が 11 の言語をカバーする TyDi QA コーパスをリリース

[[315942]]多言語の質問応答技術の研究を促進するために、Google は 11 種類の言語を...

CLIP と LLM を使用したマルチモーダル RAG システムの構築

この記事では、オープンソースの Large Language Multi-Modal モデルを使用し...

アメリカン・エキスプレスはAIを活用して不正行為を検出し、セキュリティを強化

アメリカン・エキスプレスは長年にわたり、人工知能と認知技術のリーダーとして活躍してきました。大規模で...

...

人工知能:「全能」ではない

[[391544]]私の国の人工知能の研究と応用は世界でも比較的進んでいます。メディアは、中国はこの...

...

AIを安全で信頼できるものにするためには、まずアルゴリズムの一般化能力を理解することから始める

ディープラーニング システムは、新しいデータに対してどの程度のパフォーマンス (一般化) を発揮しま...

RadOcc: レンダリング支援蒸留によるクロスモーダル占有知識の学習

原題: Radocc: レンダリング支援蒸留によるクロスモダリティ占有知識の学習論文リンク: htt...

...

人工知能は創造的な仕事を促進できるでしょうか?

今日、ほぼすべての AI 作業は機械学習の成功に基づいています。機械学習には分析を検討するための十分...

...