RAST運動算法可以實時改善流量預測

每個人都討厭運動。特別是，大城市遭受了多餘的車輛的困擾，在高峰時段將Crozstown的簡單散步變成了奧德賽。一部分問題是流量非常複雜，系統的一個部分可以產生波浪效應，可以改變整個城市的交通模型。試圖改善當地道路網的城市規劃師通常可以爭取預測可以造成的所有後果。

在 混亂卡迪爾（Kadir）的幾個研究人員在伊斯坦布爾擁有一所大學，為交通建模開發了一種更有效，更靈活的算法。二重奏解決這個問題的願望不僅源於簡單的好奇心。

托普拉克·菲拉特（Toprak Firat）的作者說：“我們居住在伊斯坦布爾，生活在世界上最重要的城市之一。” “在這裡，流量不僅是一個學術問題；這是日常生活的一部分，它給了我們強大的動力。”

儘管存在交通流算法，但他們通常需要有關旅行的詳細信息，並依靠嚴格的規則來確定車輛如何通過交叉路口。這導致了作者想要避免的僵化算法。取而代之的是，他們開發了一個模型，他們稱其為由數據控制（D3M）控制的宏觀移動性模型，該模型僅基於城市規劃人員經常收集的簡單觀察結果，例如，如何包裝街道。

Firat說：“我們沒有將固定方程式用於流動的動力學，而是直接從流量的真實數據中校準模型的參數。” “這使D3M可以將其行為調整到每個城市的觀察到的條件上，這使其比具有堅定假設的模型更靈活，更現實。”

研究人員檢查了他們的模型關於合成控制指標以及倫敦，伊斯坦布爾和紐約的交通的真實數據。在參考測試中，D3M模型比通常的模型更準確，並且三倍更快。在實際測試中，這可以準確地代表這些截然不同的城市運動的各種條件。

更快的建模速度和更簡單的數據要求意味著城市規劃人員擁有開發最佳智能城市的工具。

作者Deniz Eroglu說：“關鍵的突破是，城市現在可以進行複雜的流量建模而無需昂貴的數據收集。”

“城市規劃者可以檢查場景“如果，如果是”，例如由於事故或維護而關閉的臨時關閉，並在花費數百萬美元的建築上之前查看移動的預測效果。”

但是，這座城市居民可以直接感受到真正的影響力，他們可以實時從交通的預後中受益，從而有助於旅行。

Eroglu說：“想像一下，一個系統不僅會對地方一級的交通做出反應，還可以模仿擁塞如何以復雜的（通常是出乎意料的方式）在整個城市中傳播。”

“網絡中一部分的果醬可以以公里的形式發射狹窄的位置，而不是由於局部積累，而是由於流動流的波浪效應。我們的模型反映了這種動態，在系統級別提供了遠見，而不是部分反應。”

作者計劃實時檢查他們的模型，以實現對真實城市的預測流量。