أصبح التنبؤ بتدفق المرور أكثر دقة وفعالية بفضل نموذج ‭RiskTraf‭ الابتكاري. غالباً ما تُسجل مجسات المرور معلومات مثل التدفق والسرعة والإشغال، لكن معظم نماذج التنبؤ الحالية لا تستفيد بشكل جيد من تلك القياسات الثلاثة معاً. في حين أن السرعة والإشغال يمكن أن يوفروا معلومات قيمة حول حالة المرور، فإن العديد من هذه النماذج تتجاهل هذه المتغيرات أو تحلها بمؤشرات بديلة.


مع تطور حركة المرور، تكون العلاقة بين التدفق والسرعة والإشغال متباينة بين الحالات الحرة والمكتظة. هنا يأتي دور ‭PEMSB-3V‭، وهو مجموعة معايير عامة تُحافظ على قياسات الخام من مجسات PeMS، مما يتيح لنا التنبؤ بالتدفق بشكل أكثر دقة.

لكن ما يجعل ‭RiskTraf‭ مميزاً هو أسلوبه الفريد في التعلم. يستخدم هذا النموذج الخفيف الوزن نمط التعلم الباقي لتقليل الاختصارات المرتبطة بالبيانات الخاصة. من خلال تعلم الرأس المتبقي من سرعة واحتلال تاريخية، يُمكن ‭RiskTraf‭ من تحسين التنبؤات بشكل متسق عبر مختلف قواعد البيانات.

تظهر التجارب أن ‭RiskTraf‭ يحقق تحسينات ملحوظة مقارنة بأساليب تصحيح التحيز وتكيف الانزياح في التوزيع، وذلك دون الحاجة إلى تعديل النموذج الأساسي. تحفة جديدة في عالم التنبؤ بتدفقات المرور، وهي متاحة للجمهور لتجربتها على GitHub.

هل تعتقدون أن هذه التكنولوجيا الجديدة ستحدث تغييرات جذرية في تخطيط المدن؟ شاركونا آرائكم في التعليقات!