在智慧城市創(chuàng)新不斷變化的格局中，研究人員提出了殘差時(shí)空?qǐng)D卷積神經(jīng)網(wǎng)絡(luò)(RST-GCNN)，這可能有助于用戶更高效地找到路邊停車位。該成果發(fā)表在《國(guó)際傳感器網(wǎng)絡(luò)雜志》上。
這一新模型有望改變城市駕車體驗(yàn)，并通過(guò)提高停車位預(yù)測(cè)能力，或許有助于減少擁堵和污染。隨著城市不斷應(yīng)對(duì)加劇的擁堵、污染以及對(duì)高效城市生活的永恒追求，人工智能(AI)可能有望緩解駕駛者的日常困擾，甚至幫助我們擺脫交通僵局。
受人腦結(jié)構(gòu)啟發(fā)的神經(jīng)網(wǎng)絡(luò)在解決圖片和模式識(shí)別、醫(yī)學(xué)診斷、自然語(yǔ)言處理與翻譯以及語(yǔ)音識(shí)別等諸多領(lǐng)域中的復(fù)雜問(wèn)題中日益應(yīng)用。本文討論的RST-GCNN代表了神經(jīng)網(wǎng)絡(luò)技術(shù)的一種復(fù)雜應(yīng)用，旨在應(yīng)對(duì)城市面臨的永恒挑戰(zhàn)——停車位供應(yīng)狀況。
與傳統(tǒng)模型不同，RST-GCNN集成了殘差結(jié)構(gòu)，高效地將來(lái)自圖表和卷積模塊的時(shí)空信息相結(jié)合。根據(jù)其開(kāi)發(fā)者——中國(guó)杭州城市大學(xué)的陳冠霖、張勝、翁文勇和楊吳堅(jiān)的說(shuō)法，RST-GCNN能夠通過(guò)識(shí)別停車數(shù)據(jù)集中的模式來(lái)預(yù)測(cè)長(zhǎng)期停車位占用率。
該團(tuán)隊(duì)已經(jīng)在真實(shí)世界的Melb-Parking數(shù)據(jù)集上測(cè)試了他們的方法，并驗(yàn)證了系統(tǒng)的有效性。工作表明，與基準(zhǔn)模型相比，新方法在預(yù)測(cè)停車位占用率方面表現(xiàn)出更出色的性能。這一新方法對(duì)城市駕駛者具有巨大潛力，并可用于優(yōu)化自動(dòng)化停車搜索過(guò)程，最終減少擁堵、優(yōu)化交通運(yùn)輸效率，在汽車仍然是交通主要方式的繁忙城市發(fā)揮作用。
未來(lái)，該團(tuán)隊(duì)將擴(kuò)展這一方法應(yīng)用到更大的停車數(shù)據(jù)集上，并致力于進(jìn)一步提高預(yù)測(cè)準(zhǔn)確性。未來(lái)的版本將嵌入天氣、溫度、假日時(shí)段和交通停車的其他變數(shù)，從而拓展其適用范圍和應(yīng)用價(jià)值。
本文譯自 techxplore，由 BALI 編輯發(fā)布。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。 ）
