مدلهای فعلی ترافیک معمولاً در محیطهای واقعی با چالش «عدم قطعیت» روبهرو هستند. محققان به تازگی رویکرد نوآورانهای ارائه کردهاند که با افزودن یک لایه «مدل مخلوط گاوسی» (GMM) به مدلهای ترافیکی موجود، آنها را به پیشبینهای احتمالی (Probabilistic) تبدیل میکند.
✅ چرا این خبر مهم است؟
این متد بدون نیاز به تغییر در ساختار آموزش مدل، دقت پیشبینی ترافیک را به شکل چشمگیری افزایش میدهد. این مدل در شرایط واقعی و حتی با وجود دادههای ناقص، بسیار مقاوم عمل کرده و ابزاری قدرتمند برای مدیریت هوشمند ترافیک در کلانشهرها به شمار میرود.
اطلاعات بیشتر و دسترسی به کد پروژه:
https://github.com/Weijiang-Xiong/OpenSkyTraffic
منبع: arXiv AI