Dobički:
- Sposobnost opredelitve vloge umetne inteligence v podatkih, scenarijih in poročanju pri povpraševanju po prevozih, ustvarjanju potovanj in delovnem procesu modeliranja prometa
- Sposobnost upoštevanja potrebe po predpostavki, umerjanju in preverjanju pri analizi prometa in podatkov o dostopnosti z AI
- Sposobnost razumevanja, da je treba rezultate transportnega modela preveriti z uradno metodo, terenskim popisom in pristojnim transportnim strokovnjakom.
Kako se mesto premika, je ogledalo tega, kako je načrtovano. Ljudje gredo od koder kam, ob kateri uri, s katerim vozilom; Katero križišče bo zazidalo novo stanovanjsko naselje? Kje naj bo potegnjena proga metroja? Modeliranje transportnega povpraševanja odgovarja na ta vprašanja. Klasični pristop je štiristopenjski model: ustvarjanje potovanja (koliko potovanj ustvari/privabi posamezna regija), distribucija (med katerimi regijami potovanja potujejo), izbira načina (vozilo/javni prevoz/pešec) in dodelitev (po katerih poteh potuje). AI je močan pripomoček pri pripravi podatkov, sestavljanju scenarijev, razlagi rezultatov in fazah poročanja tega procesa. Toda prometni model predstavlja fizični sistem in je nezanesljiv brez kalibracije (ujemanje modela z dejanskim številom spletnih mest). AI ne izračuna dodelitve sam; interpretira izhod kalibriranega modela. Končna ocena pripada pristojnemu prometnemu strokovnjaku.
Logika štiristopenjskega modela
Generiranje potovanj: Vsako območje analize prometa proizvaja in privablja potovanja na podlagi podatkov, kot so prebivalstvo, delovna mesta in šole. Stanovanjsko območje ustvarja jutranje vožnje, poslovni center privablja.
Porazdelitev: Ustvarjena potovanja se delijo med regijami; na splošno bližnja in privlačna območja prejmejo več potovanj (gravitacijski podobni vzorci).
Izbira načina: Ali bo pot potekala z osebnim vozilom, avtobusom ali peš? Cena določa čas in dostopnost.
Naloga: Izleti so razporejeni po cestnem omrežju; Postane jasno, katera pot in katero križišče bo obremenjeno in koliko.
Vsak člen v tej verigi temelji na podatkih in predpostavkah. Umetna inteligenca je v pomoč pri prilagajanju predpostavk in primerjanju scenarijev, vendar je kalibriran model tisti, ki ustvari numerično jedro verige.
Pozor: Neumerjen prometni model lahko ustvari količine, ki niso pomembne za realnost. Samo zato, ker je križišče videti "brezšivno", lahko pomeni, da se model ne ujema z dejanskim številom. Pred uporabo izhoda modela vedno poizvedite o statusu umerjanja in preverjanja.
Poleg štiristopenjskega modela v sodobnem prometnem načrtovanju so vse pomembnejši novi viri podatkov: podatki o gibanju mobilnih telefonov (anonimni lokacijski signali), podatki o karticah javnega prevoza, podatki o hitrosti iz navigacijskih aplikacij. Ti viri zagotavljajo veliko širšo in bolj kontinuirano sliko kot tradicionalni terenski popisi. Umetna inteligenca je neprecenljiva pri čiščenju teh velikih in neurejenih podatkov, ekstrahiranju vzorcev in njihovem oblikovanju v vhod v model. Toda ti podatki predstavljajo resna tveganja za zasebnost: tudi če velja, da so podatki o posameznem gibanju anonimni, lahko posameznike, če so združeni, naredijo prepoznavne. Zato je treba podatke o lokaciji uporabljati le ustrezno združene in anonimizirane ter v skladu z ustrezno zakonodajo o zasebnosti; Neobdelana posamezna sled se nikoli ne sme distribuirati.
Ustrezne vloge AI
- Organizacija podatkov: štetje, GTFS (podatki o potovanju v javnem prevozu), čiščenje matrike OD (izvor-cilj) in tabeliranje.
- Nastavitev scenarija: Konfiguriranje scenarijev, kot so "nov most", "dodana avtobusna linija", "omejitev vozil".
- Komentar rezultata: povzetek glasnosti, zakasnitve in ravni storitve v izhodu modela v preprostem jeziku.
- Osnutek analize dostopnosti: Urejanje analiz, kot je "15-minutno mesto" (spet z resničnimi omrežnimi podatki).
- Poročanje: omogočiti, da so ugotovitve razumljive zainteresiranim stranem in svetu.
Korak za korakom: analiza transporta s pomočjo umetne inteligence
- Določite vprašanje. "Kako bodo nova stanovanja vplivala na križišče X?"
- Zbirajte podatke. Popis na terenu, podatki o prebivalstvu/delovih, omrežje, javni prevoz.
- Izberite model/analizo. Štiri stopnje ali preprosta dostopnost?
- Preverite kalibracijo. Ali se model ujema z dejanskim številom?
- Nastavite scenarije z AI. Predpostavka vsakega scenarija je jasna.
- Komentiraj rezultat. Povzetek z AI, vendar prepustite odločitev strokovnjaku.
- Preverite in prijavite. Zapišite kalibracijo, domnevo in negotovost.
Šibek poziv/močan poziv
Slab poziv: "Ali je to križišče blokirano?"
AI ne pozna niti podatkov niti modela; daje neutemeljen odgovor, ki je ugibanje.
Močan poziv: »Tolmačim rezultat umerjenega transportnega modela. Spodaj so vrednosti količine in ravni storitev (LOS) v urah največje obremenitve za dva scenarija (obstoječa/nova stanovanja) za križišče
Drugi poziv ohranja AI v vlogi tolmača; Model proizvede številko, AI jo poenostavi.
Štiri predloge za kopiranje
Naloga: Povzemite naslednje prometne rezultate (izhod iz kalibriranega modela) v preprosto beležko, primerno za parlament. Pojasnite raven storitve, zakasnitev in glasnost. Predpostavke stanja (leto scenarija, povpraševanje, stanje kalibracije) in negotovost. Ne ustvarjajte številk sami. Izhod: [...]
Naloga: Konfigurirajte naslednji transportni scenarij: namen, spremenjeni vhod(i), ohranjeni nespremenjeni, indikatorji za merjenje (količina, zamuda, razpoložljivost). Napišite, kateri "osnovni scenarij" potrebujete za primerjavo. Ideja za scenarij: [...]
Naloga: Nadzor kakovosti naslednjih prometnih/transportnih podatkov. Navedite manjkajoče, nedosledne ali zastarele točke. Določite, kateri podatki so potrebni za kalibracijo s štetjem polja. Odločanje. Podatki: [...]
Naloga: Razložite izraze štiristopenjski model, kalibracija, nivo storitve (LOS), OD matrika in dostopnost v navadnem turškem jeziku v glosarju. V enem stavku poudarite, zakaj so za vsakega potrebni resnični podatki.
Tabela: vrsta analize in validacija
Analiza
kar daje
Vloga AI
kritično preverjanje
Štiristopenjski model
omrežne količine
Scenarij + komentar
Kalibracija števila na terenu
Dostopnost (15 min)
Bližina/pokritost
Fikcija + poročilo
Podatki o omrežju in času so posodobljeni
analiza križišč
Zakasnitev, LOS
Povzetek rezultatov
Dejansko štetje + strokovnjak
Pokritost javnega prevoza
Dostop do linije/postajališča
Urejanje podatkov
Posodobitev GTFS
pešec/kolesar
Varnost, kontinuiteta
osnutek popisa
terensko opazovanje
trije mini kovčki
Primer 1 – zaupanje brez kalibracije. Ekipa ima umetno inteligenco, ki povzame rezultat modela in svetu predstavi rezultat "sproščenega križišča". Nato se opravi štetje polj; Model je izračunal polovico realnega prometa, ker je matrica OD stara. Ker kalibracija ni bila preverjena, je bilo ustvarjeno lažno zaupanje. Lekcija: dvomite o kalibraciji, preden interpretirate izhod.
2. primer – jasen scenarij. Načrtovalec strukturira scenarij »nove avtobusne linije« z AI: jasno je, kaj spreminja (linija + potovanje), kaj ohranja konstantno (prebivalstvo, druge linije), kaj meri (dostopnost, čas potovanja). Model izvaja ta jasen scenarij in rezultat je mogoče razlagati. Dobro strukturiran scenarij je polovica dobre analize.
Primer 3 – Pristranskost glede dostopnosti. V analizi "15-minutnega mesta" umetna inteligenca uporablja samo čas zasebnega vozila in prikazuje osrednje soseske kot "dostopne". Ko načrtovalec doda še čas hoje in prevoza, postane jasno, da imajo gospodinjstva brez avtomobila dejansko veliko slabši dostop. Katero vrsto prevoza merite, je odvisno, čigav glas slišite.
Pogoste napake
- Preskok kalibracije. Izhod modela, ki ni potrjen s štetjem polj, je nezanesljiv.
- Umetna inteligenca ustvarja številke. Glasnost in zakasnitev izvirata iz umerjenega modela, ne iz AI.
- Brez definiranja osnovnega scenarija. Za primerjavo je bistveno "trenutno stanje".
- Če pogledamo en sam način prevoza. Čas samo v avtomobilu ni pravičen do gospodinjstev brez avtomobila.
- Skrivanje predpostavk. Leto scenarija in predpostavka o povpraševanju bi morala biti jasna.
- Mešanje dostopnosti z gostoto. Bližina je eno, zmogljivost pa drugo.
Če povzamem
Modeliranje transporta in prometa predstavlja gibanje mesta skozi štiristopenjsko verigo (proizvodnja, distribucija, izbor tipa, dodelitev). AI je močan pripomoček pri prepiranju podatkov, urejanju scenarijev, interpretaciji rezultatov in poročanju; Toda digitalno jedro proizvaja kalibriran model, ne AI. Brez kalibracije (ujemajoče se število polj) ni mogoče zaupati nobenemu rezultatu. Scenariji morajo biti jasno strukturirani v primerjavi z osnovnim scenarijem in upoštevati je treba vse načine prevoza (pešci, javni prevoz, vozila). Končna ocena pripada pristojnemu prometnemu strokovnjaku.
Aplikacijska naloga
Izberite prometno vprašanje (npr. vpliv nove stanovanjske gradnje na križišče). (1) Strukturirajte scenarij z drugo predlogo: kaj se spreminja, kaj je konstantno, kaj se meri, kaj je osnovni scenarij? (2) Preverite kakovost svojih obstoječih podatkov s tretjo predlogo in navedite manjkajoče podatke za umerjanje. (3) Povzemite izhod hipotetičnega modela s prvo predlogo v opombo o sestavljanju in preverite izjavo o negotovosti. (4) Napišite utemeljitev, kakšno vrsto dostopnosti (pešci/javni prevoz/vozila) bi morali iskati.
kontrolni seznam
- [ ] Pred uporabo izhoda modela sem vprašal o stanju umerjanja.
- [ ] Številke glasnosti/zakasnitve sem dobil iz kalibriranega modela, ne iz AI.
- [ ] Scenarij sem jasno strukturiral in ga primerjal z osnovnim scenarijem.
- [ ] Skupaj sem ocenil vrste pešcev, javnega prevoza in vozil.
- [ ] Jasno sem navedel predpostavke (scenarij leto, matrika povpraševanja).
- [ ] Končno oceno sem prepustil pristojnemu prometnemu strokovnjaku.
- [ ] V poročilo sem napisal kalibracijo in negotovost.