グーグル研究院の新成果、交通整理AIモデルで渋滞時間を平均7分削減！

就放荡不羁就h

大規模な試合や娯楽公演後の交通整理は常に頭の痛い問題だ。人々は混雑した街を通り抜け、より多くの渋滞や事故をもたらしたが、今も解決されていない。
グーグル研究院の最新発表によると、この問題を解決する方法の1つは、シミュレーションモデル、つまり現実世界の交通ネットワークの仮想レプリカ（「デジタル双子」と呼ばれることもある）を使用して、モデルは街や交差点のレイアウトから車の流れまでの細部を捕捉しようとしているという。
同研究院によると、チームはこれらのモデルを使用してルートの持続可能性の影響を定量化し、疎開計画をテストし、シミュレーション交通を没入ビューに表示したという。
これらのモデルを使用すると、交通専門家はできるだけ渋滞を緩和し、事故を減らし、運転手、乗客、歩行者の体験を改善することができます。
この分野における長期的な課題は、交通モデルのキャリブレーションとマッチングにある。交通データの可用性、グーグルマップの詳細な道路ネットワークデータ、交通科学の進歩、および校正技術などの多重要素を総合して、世界範囲内の交通ネットワークの効率的な演算のために道路を舗装している。
新規モデル
グーグルはオープンソースソフトウェアであるシミュレーション都市交通（SUMO）を通じてシアトルT-Mobile ParkとLumen Field付近にエリアをロックするための基礎モデルを構築した。
SUMOベースのモデルは、運転者がどのように車両追従、車線変更、または制限速度遵守を行うかなどの交通動態を記述するのに役立ちます。
また、研究者はグーグルマップからのデータを導入し、このエリア内の交通ネットワーク構造と各種の静的セグメント属性（例えば、車線数、速度制限、交通灯の存在）の熱力学図を描いた。
（注：試合日と試合当日のホットマップの違いはありません）
その後、研究チームは熱力地図を複数の小領域に再分割し、「ユーザー行動モデル」とシアトル警察署が提供するルートアドバイスを導入し、最適なルートを割り当てることができる「交通誘導」モデルを構築した。
現実的な運用
グーグル研究院は現実世界でこの技術をテストするため、シアトル交通省（SDOT）と協力して仮想モデルに基づく交通疎通計画を開発した。
研究所は、私たちの目標は、大規模なスポーツや娯楽活動の何千人もの参加者が競技場のエリアを迅速かつ安全に離れるのを支援することだと指摘しています。大規模な大会期間中、同モデルは30%の交通ルートを再計画し、中心渋滞エリアからの平均時間を7分短縮した。
グーグルは、この研究は交通計画におけるシミュレーションモデルの潜在力を示し、大規模なイベントの場で交通効率を高めることができると主張している。また、道路計画者に利用率の低い区間を理解させ、全体の交通環境を改善し、より良い流量分布を実現することができる。