眾所周知，洛杉磯因交通擁堵而臭名昭著，通常在全國交通熱點(diǎn)研究中排名第一。估計表明，安吉利諾斯人一年要多呆120個小時。對于駕駛員來說，這是一場噩夢，但如果您要設(shè)計一個新系統(tǒng)來快速預(yù)測并可能重定向該交通，則LA交通系統(tǒng)確實(shí)具有其優(yōu)勢。

來自美國能源部(DOE)阿爾貢國家實(shí)驗(yàn)室(Argonne National Laboratory)的研究人員著手在由能源部勞倫斯·伯克利國家實(shí)驗(yàn)室(LBNL)的合作者牽頭的一項有關(guān)移動系統(tǒng)設(shè)計和規(guī)劃的大型項目的框架下開展這項工作。

該團(tuán)隊使用一種稱為機(jī)器學(xué)習(xí)的人工智能(AI)技術(shù)，利用Argonne的超級計算機(jī)從大型加利福尼亞高速公路系統(tǒng)上從11160個傳感器獲取的近一年的數(shù)據(jù)中提取交通模式。然后，該信息用于訓(xùn)練模型，以閃電般的速度預(yù)測流量，該速度肯定比洛杉磯的流量快。該模型可以在幾毫秒內(nèi)查看過去一小時的數(shù)據(jù)，并可以非常準(zhǔn)確地預(yù)測下一小時的流量。

該團(tuán)隊與美國能源部科學(xué)用戶設(shè)施辦公室Argonne的數(shù)學(xué)和計算機(jī)科學(xué)(MCS)部門以及Argonne領(lǐng)導(dǎo)力計算設(shè)施(ALCF)的成員合作，在交通流量預(yù)測方面取得了出色的成績，最近將這些結(jié)果發(fā)布在Transportation Research Record：Journal上交通研究委員會。

MCS的計算機(jī)科學(xué)家Prasanna Balaprakash說：“這項工作中使用的AI和超級計算功能使我們能夠解決非常大的問題。” “這個項目的規(guī)模很大，而這樣的數(shù)據(jù)量需要同樣龐大的計算資源來解決。”

利用ALCF的世界一流的計算資源，科學(xué)家極大地減少了訓(xùn)練模型所需的計算機(jī)時間。例如，在每周可能需要一臺頂級臺式計算機(jī)來訓(xùn)練流量預(yù)測模型的情況下，在一臺超級計算機(jī)上，相同的過程可以在三個小時內(nèi)完成。

利用基于圖的深度學(xué)習(xí)(一種可以自動做出決策并改善模型的預(yù)測的復(fù)雜形式的機(jī)器學(xué)習(xí))的強(qiáng)大功能，他們的模型使用歷史數(shù)據(jù)來預(yù)測流量模式，同時預(yù)測速度和流量。這很重要，因?yàn)樵谌魏谓o定時間在一個區(qū)域中的交通流量都取決于附近的交通速度和流量。

“交通預(yù)測方法對于制定適應(yīng)性交通戰(zhàn)略至關(guān)重要。”埃里克·拉斯克(Eric Rask)說，他是阿貢大學(xué)交通研究中心的前首席研究工程師，也是參與這項研究的科學(xué)家之一。“交通模式具有復(fù)雜的時空依賴性，這使得在大型高速公路網(wǎng)絡(luò)上進(jìn)行準(zhǔn)確的預(yù)測成為一項艱巨的任務(wù)。”

Rask指出，該團(tuán)隊不僅捕獲了這些動態(tài)信息，而且還通過具有比以前的流量預(yù)測模型更多的傳感器和預(yù)測位置的網(wǎng)絡(luò)在網(wǎng)絡(luò)上實(shí)現(xiàn)了這一目標(biāo)。通過將大型網(wǎng)絡(luò)分成多個較小的網(wǎng)絡(luò)，他們能夠獨(dú)立地訓(xùn)練網(wǎng)絡(luò)的每個部分，從而大大提高了模型的速度和有效性。

以前的型號只能處理200-300個傳感器位置的數(shù)據(jù);但是使用這種新的圖分區(qū)方法，該團(tuán)隊能夠處理來自11,000多個位置的數(shù)據(jù)，同時將模型訓(xùn)練時間縮短了一個數(shù)量級。這種方法不僅速度快，而且可以準(zhǔn)確地預(yù)測未來一小時的流量速度，通常在網(wǎng)絡(luò)上任何位置的觀測速度的6英里/小時以內(nèi)。

MCS的博士后任命，該項目的第一作者Tanwi Mallick說：“預(yù)測技術(shù)的規(guī)模和準(zhǔn)確性有可能實(shí)現(xiàn)更好的決策。”