UTS列车AI预测悉尼地铁疫情表现
2020-10-14
悉尼科技大学已经转向人工智能模型改变了城市的铁路网络,在大流行保持旅客安全上的需求模式。 从大学的数据科学研究所特聘陈方教授说,她的研究小组观察了多种因素促成了“初

悉尼科技大学已经转向人工智能模型改变了城市的铁路网络,在大流行保持旅客安全上的需求模式。

从大学的数据科学研究所特聘陈方教授说,她的研究小组观察了多种因素促成了“初级延时”的传播对一个火车到二次延迟沿着线或整个网络的影响的其他服务。

说起在英特尔AI首脑会议2020年,陈说,除了正常的因素造成的延误,如火车平台(被称为停留时间)天气,信号问题和拦劫,过去几个月已经看到新的因素出现,例如在火车上和站台上的能力降低遏制sprea对于未在运输用于NSW自身延迟模型捕获的冠状病毒的d。

的数据上旅行者号从不同来源获得,如内置重量传感器上沃勒塔火车,或CCTV对AI分析平台。

陈表示,铁路网络意味着增加了从单一的社会疏远站和车厢导致只有几秒钟的停留时间延迟的规模和复杂性可能会对整个网络一个连锁效应。

“铁路运营是在性能越来越依赖于可用性实时从复杂的数据集,并做出最佳决策,以派生的见解的领域,”她说。

利用神经网络中,团队从单一一天的时间表含提取从数据多种功能UDING船队类型,吞吐量,占用时间和运行时间余量训练模型,并产生估计的导通时间率。

“根据我们的实验,我们的模型可以实时实现98%以上的平均准确数据,”陈先生说。

结合与旅客吞吐量的AI视频分析,这也是准确的98%左右相比,列车占用的手动报告这项工作,该小组随后开始开发模式,以提高停留时间在车站。

“我们热衷于探讨我们是否能够系统地提高了平台的停留时间,以及它将如何影响整个网络的性能,如果我们能做到这一点,”陈先生说。[123 ]

“即使改进的停留时间只有几秒钟,它仍然是更重要的是有一个准确的ARRIVAL和发车时间。”

从模型的数据可用于在大流行,其中乘客已敦促避免在高峰时段行驶,试图限制冠状病毒的传播更加有效地管理游客的需求。[ 123]

Chen表示该解决方案还可以通过延迟的更好的管理有利于整个悉尼地铁网络

“这是困难的 - 几乎是不可能的 - 以避免一次延迟,但也可以考虑如何减少一次延迟所以对于整个网络的影响较小,”她补充。

关注菲娱2官网(www.ynmzfcw.com)。