[공지사항]을 빙자한 안부와 근황 
Show more

दैनिक अर्क्सिव

यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है।
यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है।
पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।

कैलिफ़ोर्निया ट्रैफ़िक डेटा का उपयोग करके कृत्रिम बुद्धिमत्ता एल्गोरिदम के आधार पर राजमार्ग यातायात प्रवाह की भविष्यवाणी

Created by
  • Haebom

लेखक

जुनसेओंग ली, जेगवान चो, यूंजू चो, सियोयून चोई, येजिन शिन

रूपरेखा

यह अध्ययन कैलिफ़ोर्निया हाईवे 78 (सैन डिएगो में मेलरोज़ ड्राइव और एल-कैमिनो रियल के बीच 7.24 किलोमीटर का खंड) पर जुलाई से नवंबर 2022 तक पाँच महीनों के लिए 30-सेकंड अंतराल वाले ट्रैफ़िक डेटा का उपयोग करते हुए मल्टीपल लीनियर रिग्रेशन (एमएलआर) और रैंडम फ़ॉरेस्ट (आरएफ) एल्गोरिदम पर आधारित एक ट्रैफ़िक वॉल्यूम पूर्वानुमान मॉडल प्रस्तुत करता है। डेटा संग्रह अंतराल को 30 सेकंड से 15 मिनट तक बदलकर R^2, MAE और RMSE सूचकांकों का उपयोग करके मॉडल के प्रदर्शन का मूल्यांकन किया गया, और MLR और RF दोनों मॉडलों ने 10-मिनट के अंतराल पर सर्वश्रेष्ठ प्रदर्शन दिखाया।

____T30571_____, Limitations

Takeaways: यह प्रदर्शित करके कि 10 मिनट के अंतराल डेटा का उपयोग करने वाले एमएलआर और आरएफ मॉडल कैलिफोर्निया राजमार्ग 78 पर यातायात की मात्रा की भविष्यवाणी करने में प्रभावी हैं, यह भविष्य में यातायात की भीड़ को कम करने और कुशल यातायात प्रबंधन योजनाओं को तैयार करने में योगदान दे सकता है।
Limitations: यह अध्ययन एक विशिष्ट क्षेत्र (कैलिफ़ोर्निया हाईवे 78 का एक भाग) और एक सीमित अवधि (5 महीने) के आँकड़ों पर आधारित था, इसलिए इसे अन्य क्षेत्रों या अवधियों के लिए सामान्यीकृत करना कठिन है। इसके अतिरिक्त, विचारित एल्गोरिदम MLR और RF तक सीमित हैं, और उनके प्रदर्शन की तुलना और विश्लेषण के लिए अधिक विविध और परिष्कृत एल्गोरिदम लागू किए जाने चाहिए। डेटा संग्रह अंतराल के अनुकूलन के परिणाम एक विशिष्ट क्षेत्र तक सीमित हो सकते हैं, और अन्य क्षेत्रों या स्थितियों के अलग-अलग इष्टतम अंतराल हो सकते हैं।
👍