預測交通擁堵，TranSEC助力城市交通“智”變

TranSEC是由美國能源部太平洋西北國家實驗室（Pacific Northwest National Laboratory）開發的、旨在幫助城市交通工程師獲取其所在城市交通模式資訊的工具。

目前，以街道為單位的公開的交通訊息並不完整，交通工程師通常依靠孤立的交通量觀測值、碰撞和車速資料來確定交通狀況。而TranSEC可以將這些交通資料進行整合，繪製出實時的街道級交通流。

協助開發TranSEC的電腦科學家Arif Khan說：“它（TranSEC）的神奇之處在於，可以幫助交通工程師評估大城市的街道水平。”“不像其他的模型只能在某一特定區域工作，TranSEC是行動式的，可以應用到任何有交通流的城市區域。”

TranSEC能夠繪製出實時的街道級交通流

 

TranSEC是評估街道運輸狀態的工具，它優於其他交通監控設施的地方在於，能夠將那些不完整、甚至是碎片的交通訊息整合，並作出接近實際的實時街道運輸水平的評估。

利用1500平方英里洛杉磯市區的公共交通資料進行訓練，該團隊將建立交通擁堵模型所需的時間減少了一個數量級——從數小時縮短到幾分鐘，並通過PNNL的高效能運算資源的提速功能使得近實時的流量分析變得可行。

利用PNNL的資料驅動方法，使用者可以在運輸控制中心定期上傳實時資料並定期更新TranSEC。利用PNNL的資料驅動方法，人們還可以計算出天氣等因素對道路狀況的影響指數。

該隊在今年8月的虛擬城市計算研討會（SIGKDD）上分享了他們的研究成果。同為與會者的馬里蘭大學高階交通技術中心的研究工程師Mark Franz表示：“TranSEC可能會引發交通監測和預測系統移動效能的正規化轉變”。

TranSEC的機器學習功能意味著，隨著越來越多的資料將被獲取和處理，其對街道級交通狀況的評估和預測結果將變得更加精準。這種分析能力可以幫助交通工程師瞭解交通干擾因素是如何在網路中傳播的，工程師也可藉此做出正確決策並及時糾正決策。

就像情景感知可以幫助駕駛員做出決策一樣，TranSEC的方法也可以在系統範圍內提供情景感知，以幫助減少城市交通擁堵。

PNNL電腦科學家、TranSEC專案的首席研究員Robert Rallo說：“能夠預測一個小時或更長時間內道路情況的能力非常有價值，因為它可以知道阻塞將在何處發生。”

雖然執行整個國家所有城市的交通模型需要更高效能的計算資源，但TranSEC具有可擴充套件性。TranSEC專案經理Katherine Wolf說：“我們正在努力使TranSEC在全國各地都能使用。”

參考：

1.http://techxplore.com/news/2020-12-machine-tool-tracks-urban-traffic.html

2.http://www.newswise.com/doescience/?article_id=742660&returnurl=aHR0cHM6Ly93d3cubmV3c3dpc2UuY29tL2FydGljbGVzL2xpc3Q