CNET科技资讯网 6月6日 北京消息:交通诱导屏影响着路上每个人的出行决策。在这一领域,一些前沿探索已经显示出成效,今天开始,滴滴出行依托于交通大数据、高科技算法的智慧交通诱导屏,在济南、贵阳、深圳等城市正式上线。
相比于传统的诱导屏,滴滴的智慧诱导屏,数据更加全面、准确,交通路况信息实时性更强,显示方式更加简洁,发布效率也更高,而且还能快速迭代。业内人士分析,智慧诱导屏可以很好地帮助司机等每个交通参与者,做出准确的交通决策,并且提升交通诱导屏的管理效率,从个体微观到宏观区域,帮助整座城市的交通变得更有序、更畅通。
(滴滴智慧交通诱导屏在济南上线)
传统交通诱导屏多以发布简单路况、通知广告信息为主,而智慧交通诱导屏增加了非常实用的至重要交通节点预计到达时间(ETA)。
调查数据显示,在开车时,司机的眼睛在交通诱导屏上停留的时间最多3秒。这意味着,在短短的1-3秒中,司机必须能获取到能帮助交通决策的关键信息。为了做到这一点,滴滴的智慧交通诱导屏上,有简洁的图示,以及醒目的预计到达时间(ETA)显示。
经常往返于机场的济南车主张先生说,以前诱导屏上,大多是哪条道路是畅通的绿色,哪条道路是拥堵的红色,经常需要仔细想一下,才知道怎么走比较方便。现在的智慧交通诱导屏,一眼就能看明白几分钟能到哪里,去赶飞机或者赶火车的路上,精准的预计到达时间感觉非常方便、靠谱。
(滴滴智慧交通诱导屏显示预计到达时间)
如何让交通诱导屏显示的信息精准?滴滴出行高级副总裁、智慧交通负责人章文嵩说,全面准确的交通大数据,再加上顶级的算法,能很好地解决这个问题。打个比方,数一数二的优质食材(大数据),搭配上世界顶级的烹饪配方(算法),自然能出来色香味俱全的菜品(准确的路况信息)。
传统的交通诱导屏,主要基于卡口、地磁等数据,而且大部分需要人工干预,依据工程师经验判断之后,才能手动发布。相比而言,滴滴的智慧交通诱导屏,融合了滴滴浮动车、固定点流量数据,结合了滴滴平台大数据以及地方合作数据。在海量大数据基础上,再依托滴滴每日处理超过4500TB数据的强大算法优势,智慧交通诱导屏的路况信息准确率相当高。
滴滴方面介绍,未来,智慧交通诱导屏还会融入重大交通事件通知、绕行方案等信息。比如,如果交通事件引发了交通异常,智慧交通诱导屏会直接显示事件提醒,告知用户道路为什么拥堵。
在交通领域,道路拥堵时,大部分人都会特别急切地想知道拥堵的原因。从交通心理学上来讲,一旦用户知其所以然,知道了导致拥堵的原因,一方面可以迅速做出绕行等交通决策,另一方面也可以降低“路怒症”的发生。
高效率、多渠道发布交通路况信息
为了让更多的用户能够查看到智慧交通诱导屏的信息,滴滴出行还与济南交警合作,将实时交通诱导屏信息,同步显示到“济南交警”微信公众号上。只要用户轻点几下手机,就能查看到最实时的智慧交通诱导屏信息。
(手机端可查看智慧交通诱导屏信息)
除了用户在移动端随时可查,智慧交通诱导屏的信息发布效率也更高,可以大大降低城市交通管理部门的成本。除了硬件的架设部署,诱导屏可视化需要经过数据采集、路况信息出路、信息发布可视化等过程,产品链比较长。目前,滴滴可直接为各地交通管理部门提供诱导屏的内容服务,包括数据采集、分析、可视化等“一篮子”内容数据综合服务。这有利于城市交通管理部门减少工作流程,提高诱导屏信息发布效率。
目前,滴滴智慧交通诱导屏已在济南、贵阳、深圳等城市上线,已经升级了数十块诱导屏,随着产品的迭代进化,智慧交通诱导屏未来有望为更多城市的老百姓提供交通出行决策帮助,从而提升每座城市的整体出行效率。
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。