谷歌介绍“交通疏导”AI 模型研究成果：平均缩短 7 分钟拥堵时间、提升 30% 交通效率

2 月 25 日消息，谷歌研究院日前发文，介绍了一项利用开源模拟软件 SUMO（Simulation of Urban Mobility）打造的“交通疏导”AI 模型应用成果。

据悉，谷歌研究人员使用 SUMO 软件建立了西雅图 T-Mobile Park 及 Lumen Field 地区的基础模型，并利用了谷歌地图提供的“拥堵量”、“红绿灯位置”、“道路平均行驶速度”等信息绘制了完整的热力地图。

▲ 图源 谷歌官方新闻稿（下同）

在此之后，研究团队将热力地图划分为不同的区域，并引入“用户行为模型”及西雅图警察局提供的路线建议，从而建立了一项可为车主分配最佳路线的“交通疏导”模型。

从新闻稿获悉，谷歌研究人员与美国西雅图交通部合作，在 2023 年 8 月及 11 月在多项大型活动中实际应用了这项交通疏导 AI 模型，配合“动态引导显示屏（Dynamic Message Signs）”，平均缩短了 7 分钟拥堵时间，成功提升 30% 交通效率。

谷歌声称，这项研究能够展现“模拟技术”在交通规划方面的潜力，从而在大型活动场合提升交通效率，并能够让道路规划者了解“利用率低”的路段，从而改善整体交通环境。