Ieguvumi:
- Spēja definēt AI lomu datos, scenārijos un ziņojumos transporta pieprasījuma, braucienu ģenerēšanas un satiksmes modelēšanas darbplūsmā
- Spēja apsvērt pieņēmumu, kalibrēšanas un pārbaudes nepieciešamību, analizējot trafika un pieejamības datus ar AI
- Spēja saprast, ka transporta modeļa rezultāti ir jāpārbauda ar oficiālu metodi, uzskaiti un kompetentu transporta ekspertu.
Tas, kā pilsēta virzās, ir spogulis tam, kā tā ir plānota. Cilvēki dodas no kurienes uz kurieni, kurā laikā, ar kādu transportlīdzekli; Kurā krustojumā tiks būvēta jaunbūve? Kur jānovelk metro līnija? Transporta pieprasījuma modelēšana atbild uz šiem jautājumiem. Klasiskā pieeja ir četrpakāpju modelis: ceļojumu ģenerēšana (cik braucienu katrs reģions ģenerē/piesaista), izplatīšana (starp kuriem reģioniem braucieni), režīma izvēle (transportlīdzeklis/sabiedriskais transports/gājējs) un piešķiršana (kādus maršrutus veic braucieni). AI ir spēcīgs palīgs šī procesa datu sagatavošanā, scenāriju veidošanā, rezultātu interpretācijā un ziņošanas posmos. Taču trafika modelis atspoguļo fizisku sistēmu un nav uzticams bez kalibrēšanas (modeļa saskaņošana ar faktisko vietņu skaitu). AI pats neveic piešķiršanas aprēķinus; interpretē kalibrēta modeļa izvadi. Galīgais novērtējums ir kompetentam transporta ekspertam.
Četru posmu modeļa loģika
Ceļojumu ģenerēšana: katra satiksmes analīzes zona veido un piesaista braucienus, pamatojoties uz tādiem datiem kā iedzīvotāju skaits, darbavietas un skolas. Dzīvojamais rajons rada rīta braucienus, biznesa centrs piesaista.
Sadalījums: ģenerētie braucieni tiek dalīti starp reģioniem; parasti tuvi un pievilcīgi apgabali saņem vairāk braucienu (gravitācijai līdzīgi modeļi).
Režīma izvēle: vai brauciens tiks veikts ar privāto transportlīdzekli, autobusu vai kājām? Izmaksas nosaka laiku un pieejamību.
Uzdevums: Braucieni tiek sadalīti pa ceļu tīklu; Kļūst skaidrs, kurš maršruts un kurš krustojums tiks noslogots un cik daudz.
Katrs šīs ķēdes posms ir balstīts uz datiem un pieņēmumiem. AI palīdz pielāgot pieņēmumus un salīdzināt scenārijus, taču tas ir kalibrētais modelis, kas veido ķēdes skaitlisko kodolu.
Uzmanību! Nekalibrēts satiksmes modelis var radīt apjomu, kas neatbilst realitātei. Tas, ka krustojums izskatās "viengabalains", var nozīmēt, ka modelis neatbilst faktiskajam skaitam. Pirms modeļa izvades izmantošanas vienmēr vaicājiet kalibrēšanas un validācijas statusu.
Papildus četrpakāpju modelim mūsdienu transporta plānošanā arvien lielāku nozīmi iegūst jauni datu avoti: mobilā tālruņa kustības dati (anonīmi atrašanās vietas signāli), sabiedriskā transporta karšu dati, ātruma dati no navigācijas aplikācijām. Šie avoti sniedz daudz plašāku un nepārtrauktāku priekšstatu nekā tradicionālās lauka skaitīšanas. AI ir nenovērtējams, tīrot šos lielos un netīros datus, iegūstot modeļus un veidojot tos modelī. Taču šie dati rada nopietnus privātuma riskus: pat tad, ja tiek uzskatīts, ka individuālie pārvietošanās dati ir anonīmi, tos apkopojot, personas var identificēt. Tāpēc atrašanās vietas dati būtu jāizmanto tikai atbilstoši apkopoti un anonimizēti un saskaņā ar attiecīgajiem tiesību aktiem par privātumu; Neapstrādātu individuālo pēdu nekad nedrīkst izplatīt.
Piemērotas mākslīgā intelekta lomas
- Datu organizēšana: skaitīšana, GTFS (sabiedriskā transporta brauciena dati), OD (avota-galamērķa) matricas tīrīšana un tabulēšana.
- Scenārija iestatīšana: tādu scenāriju konfigurēšana kā "jauns tilts", "pievienota autobusu līnija", "transportlīdzekļa ierobežojums".
- Rezultāta komentārs: modeļa izvades apjoma, latentuma un pakalpojuma līmeņa kopsavilkums vienkāršā valodā.
- Pieejamības analīzes projekts: tādu analīžu rediģēšana kā "15 minūšu pilsēta" (atkal ar reāliem tīkla datiem).
- Ziņošana: padarīt secinājumus saprotamus ieinteresētajām personām un padomei.
Soli pa solim: ar AI darbināma transporta analīze
- Definējiet jautājumu. "Kā jauns mājoklis ietekmēs krustojumu X?"
- Savākt datus. Tautas skaitīšana, dati par iedzīvotājiem/darba vietām, tīkls, sabiedriskais transports.
- Izvēlieties modeli/analīzi. Četri posmi vai vienkārša pieejamība?
- Pārbaudiet kalibrēšanu. Vai modelis atbilst faktiskajam skaitam?
- Iestatiet scenārijus, izmantojot AI. Katra scenārija pieņēmums ir skaidrs.
- Komentējiet rezultātu. Kopsavilkums ar AI, bet atstājiet lēmumu ekspertam.
- Pārbaudiet un ziņojiet. Pierakstiet kalibrēšanu, pieņēmumus un nenoteiktību.
Vāja uzvedne / spēcīga uzvedne
Vāja uzvedne: "Vai šis krustojums ir bloķēts?"
AI nezina ne datus, ne modeli; sniedz nepamatotu atbildi, kas ir minējums.
Spēcīga uzvedne: "Es interpretēju kalibrēta transporta modeļa izvadi. Tālāk ir norādītas maksimālās stundas apjoma un pakalpojumu līmeņa (LOS) vērtības diviem krustojuma scenārijiem (pēc esošā / jaunā mājokļa).
Otrā uzvedne saglabā AI tulka lomā; Modelis rada numuru, AI to vienkāršo.
Četras kopējamas veidnes
Uzdevums: Apkopojiet šādus satiksmes rezultātus (kalibrētā modeļa izvadi) vienkāršā piezīmē, kas piemērota parlamentam. Izskaidrojiet pakalpojuma līmeni, aizkavi un apjomu. Stāvokļa pieņēmumi (scenārija gads, pieprasījums, kalibrēšanas statuss) un nenoteiktība. Neģenerējiet skaitļus pats. Izvade: [...]
Uzdevums: Konfigurējiet šādu transportēšanas scenāriju: mērķis, mainīta(-as) ievade(-i), saglabāta nemainīga, rādītāji, kas jāmēra (apjoms, kavēšanās, pieejamība). Uzrakstiet, kurš "bāzes scenārijs" jums ir nepieciešams salīdzināšanai. Scenārija ideja: [...]
Uzdevums: Pārbaudīt šādu satiksmes/transporta datu kvalitāti. Uzskaitiet trūkstošos, nekonsekventos vai novecojušos punktus. Norādiet, kādi dati ir nepieciešami kalibrēšanai, veicot lauku skaitīšanu. Lēmumu pieņemšana.Dati: [...]
Uzdevums: skaidrojiet terminus četrpakāpju modelis, kalibrēšana, pakalpojumu līmenis (LOS), OD matrica un pieejamība vienkāršā turku valodā glosārijā. Vienā teikumā iezīmējiet, kāpēc katram ir nepieciešami reāli dati.
Tabula: analīzes veids un validācija
Analīze
ko dod
AI loma
kritiska pārbaude
Četru pakāpju modelis
tīkla apjomi
Scenārijs + komentāri
Lauku skaitīšanas kalibrēšana
Pieejamība (15 min)
Tuvums/pārklājums
Daiļliteratūra + reportāža
Tīkla un laika dati ir atjaunināti
krustojuma analīze
Latentums, LOS
Rezultātu kopsavilkums
Faktiskais skaits + eksperts
Sabiedriskā transporta pārklājums
Piekļuve līnijai/pieturai
Datu rediģēšana
GTFS atjauninājums
gājējs/velosipēds
Drošība, nepārtrauktība
inventarizācijas projekts
lauka novērošana
trīs mini futrāļi
1. gadījums — uzticēšanās bez kalibrēšanas. Komanda liek AI apkopot modeļa rezultātus un iesniegt padomei rezultātu “atslābināts krustojums”. Pēc tam tiek veikta lauku skaitīšana; Modelis aprēķināja pusi no reālās trafika, jo OD matrica ir veca. Tā kā kalibrēšana netika pārbaudīta, tika radīta nepatiesa pārliecība. Nodarbība: pirms izvades interpretācijas apšaubiet kalibrēšanu.
2. gadījums — skaidrs scenārijs. Plānotājs strukturē “jaunās autobusu līnijas” scenāriju ar AI: ir skaidrs, ko viņš maina (līnija + brauciens), ko viņš saglabā nemainīgu (iedzīvotāju skaits, citas līnijas), ko mēra (pieejamība, brauciena laiks). Modelis izmanto šo skaidru scenāriju, un rezultāts ir interpretējams. Labi strukturēts scenārijs ir puse no labas analīzes.
3. gadījums — pieejamības novirze. "15 minūšu pilsētas" analīzē AI izmanto tikai privātā transportlīdzekļa laiku un parāda centrālās apkaimes kā "pieejamas". Kad plānotājs pievieno pastaigu un tranzīta laiku, kļūst skaidrs, ka mājsaimniecībām bez automašīnas faktiski ir daudz sliktāka piekļuve. Tas, kāda veida transportu jūs izmērāt, nosaka, kura balsi jūs dzirdat.
Biežas kļūdas
- Kalibrēšanas izlaišana. Modeļa izvade, kas nav apstiprināta ar lauku skaitīšanu, nav uzticama.
- Liek AI radīt skaitļus. Skaļums un latentums nāk no kalibrētā modeļa, nevis AI.
- Nav definēts pamata scenārijs. "Pašreizējā situācija" ir būtiska salīdzināšanai.
- Aplūkojot vienu transporta veidu. Laiks, kas paredzēts tikai automašīnām, ir netaisnīgs pret mājsaimniecībām, kurās nav automašīnu.
- Pieņēmumu slēpšana. Scenārija gadam un pieprasījuma pieņēmumam jābūt skaidram.
- Sajaucot pieejamību ar blīvumu. Tuvums ir viena lieta, kapacitāte ir cita.
Rezumējot
Transporta un satiksmes modelēšana atspoguļo pilsētas kustību četru posmu ķēdē (ražošana, izplatīšana, veida izvēle, piešķiršana). AI ir spēcīgs palīgs datu strīdos, scenāriju rediģēšanā, rezultātu interpretācijā un ziņošanā; Bet digitālais kodols rada kalibrētu modeli, nevis AI. Bez kalibrēšanas (atbilstoša lauku skaita) nevienai izvadei nevar uzticēties. Scenārijiem jābūt skaidri strukturētiem, salīdzinot ar bāzes scenāriju, un jāņem vērā visi transporta veidi (gājēji, sabiedriskais transports, transportlīdzeklis). Galīgais novērtējums ir kompetentam transporta ekspertam.
Lietojumprogrammas uzdevums
Izvēlieties transporta jautājumu (piemēram, jaunas dzīvojamās ēkas ietekme uz krustojumu). (1) Strukturējiet scenāriju ar otro veidni: kas mainās, kas ir nemainīgs, kas tiek mērīts, kāds ir bāzes scenārijs? (2) Pārbaudiet esošo datu kvalitāti, izmantojot trešo veidni, un uzskaitiet trūkstošos datus kalibrēšanai. (3) Apkopojiet hipotētiskā modeļa izvadi ar pirmo veidni montāžas piezīmē un pārbaudiet nenoteiktības paziņojumu. (4) Uzrakstiet, kāda veida (gājēju/sabiedriskā transporta/transportlīdzekļu) pieejamības pamatojumu jums vajadzētu meklēt.
kontrolsaraksts
- [ ] Pirms modeļa izvades izmantošanas es pārbaudīju kalibrēšanas statusu.
- [ ] Es ieguvu skaļuma/latences skaitļus no kalibrētā modeļa, nevis AI.
- [ ] Es skaidri strukturēju scenāriju un salīdzināju to ar bāzes scenāriju.
- [ ] Kopā izvērtēju gājēju, sabiedriskā transporta un transportlīdzekļu veidus.
- [ ] Esmu skaidri norādījis pieņēmumus (scenārija gads, pieprasījuma matrica).
- [ ] Gala izvērtēšanu atstāju kompetentam transporta ekspertam.
- [ ] Pārskatā ierakstīju kalibrēšanu un nenoteiktību.