卡內(nèi)基梅隆使用先進(jìn)的基于車輛的傳感器數(shù)據(jù)來感知交通

卡內(nèi)基梅隆大學(xué)土木與環(huán)境工程系的研究人員與優(yōu)步先進(jìn)技術(shù)集團(tuán)(Uber ATG)合作，更好地了解先進(jìn)的基于車輛的傳感器數(shù)據(jù)如何為高分辨率交通流量測量提供信息。

Henry Carner，Anne Molloy，Robert和Christine Pietrandrea副教授Sean Qian以及研究助理Shuguan Yang，他們都是卡內(nèi)基梅隆大學(xué)的移動數(shù)據(jù)分析中心(MAC)的成員，共同撰寫了一份由Uber Advanced Technologies Group的Allison Plummer 提供的白皮書。為了這項研究的目的，優(yōu)步為MAC提供了選擇數(shù)據(jù)的訪問權(quán)限，包括沿著帶區(qū)的兩個路段的車輛行駛速度和交通密度。

研究人員創(chuàng)建了一個案例研究，展示了先進(jìn)的基于車輛的傳感器如何提供給定區(qū)域內(nèi)交通狀況的信息。使用歷史數(shù)據(jù)，他們選擇了至少三輛配備傳感器的車輛通過特定路段的情況。從第一輛車和第三輛車通過給定點時的信息提供了他們的方法的輸入，然后能夠輸出這些時間之間的交通密度的準(zhǔn)確預(yù)測。

正如白皮書所述，MAC展示了今天收集傳感器數(shù)據(jù)的方式，無論開發(fā)人員收集它，都可以在概念上為流量估算和智能城市提供新的機(jī)會。

MAC負(fù)責(zé)人錢先生和楊計劃繼續(xù)使用更大的數(shù)據(jù)集在更大的道路網(wǎng)絡(luò)上測試這種方法。他們有興趣比較使用基于車載的浮動傳感器的數(shù)據(jù)與更傳統(tǒng)的固定傳感器的效果。