Специалисты Донского государственного технического университета (ДГТУ) в Ростове-на-Дону разработали систему, обеспечивающую высокоточные прогнозы движения автомобилей с погрешностью всего 6%. Система автоматически анализирует ключевые факторы, влияющие на дорожную ситуацию и автомобильный трафик, и интегрируется в программу Smart Cities.
По информации, РИА Новости, современные модели прогнозируют количество транспортных средств с погрешностью 25-30%, что вызывает заторы и неэффективное управление дорожным движением. Например, если модель предсказывает 100 автомобилей, на самом деле их может быть от 70 до 130, что приводит к задержкам и пробкам.
Система, разработанная ДСТУ, прогнозирует дорожные условия в 4-5 раз точнее благодаря историческим данным и учёту непредвиденных событий. При средней погрешности в 6% система предсказывает количество автомобилей с точностью от 94 до 106.
Модель использует сверточные и рекуррентные нейроети с долгой краткосрочной памятью, механизм внимания и алгоритм оптимизации для анализа пространственных и временных данных. В будущем планируется расширение возможностей модели и интеграция системы в стратегии управления дорожным движением.
«Допустим, светофор запрограммирован пропускать 100 автомобилей за один цикл. Но когда фактически прибывает 130 машин, на участке возникает перегрузка. 30 автомобилей вынуждены ждать следующего цикла, создавая цепную реакцию затора. На следующий цикл к этим 30 машинам добавятся другие автомобили, и всего за 20–30 минут на ровном месте образуется серьёзный затор», — пояснила доцент кафедры «Организация перевозок и дорожного движения» Донского государственного технического университета (ДГТУ) Анастасия Феофилова.