预测特定时间和地点交通量的模型用于通知一切，从红绿灯模式到手机上告诉你如何从A点到B点的应用程序。北卡罗莱纳州立大学的研究人员现在演示了一种方法，可以降低这些模型的计算复杂性，使其更高效地运行。
“我们使用模型来预测在任何特定时间点任何给定路段上的交通量，”北卡罗来纳州土木、建筑和环境工程助理教授、该项工作论文的合著者阿里·哈贾巴比（AliHajbabae）表示。“这些模型工作得很好，但具体的预测问题在计算上可能非常复杂，要么无法用有限的计算资源来解决，要么耗时太长，只有在预测不再有用时才可用。”
研究人员这项工作的出发点是一种旨在帮助简化复杂计算挑战的算法，但他们发现它不能直接应用于交通问题。
Hajbabaie说：“因此，我们修改了该算法，看看我们能否找到一种方法，将其用于预测特定地点和时间的流量的模型中。”。“结果令人满意。”
具体而言，研究人员提出了一种改进的算法，该算法有效地将较大的交通量预测模型分解为一组较小的问题，然后可以彼此并行解决。
此过程显著减少了预测模型的运行时间。然而，根据预测问题的复杂程度，效率提高的程度差别很大。问题越复杂，效率越高。
修改后的方法还通过允许模型识别何时达到足够好的解决方案来改进运行时间鈥攖他的解决方案不一定是完美的。传统上，模型会一直运行，直到找到最优解决方案，或者非常接近最优的解决方案。但在大多数情况下，结果在5%以内鈥攐r甚至10%鈥攐f最佳解决方案将很好地工作。
Hajbabaie说：“我们的方法本质上是围绕最佳解决方案设置误差线，并允许模型停止运行，在足够接近时报告结果。”。
研究人员将修改后的算法与消费者软件中用于解决交通预测相关问题的基准算法进行了对比测试。
Hajbabaie说：“我们改进的算法在两方面优于基准测试。”。“首先，我们的算法使用的计算机内存少得多。其次，我们的算法的运行时间快了几个数量级。
“在这一点上，我们愿意与交通规划师和工程师合作，他们有兴趣探索如何使用这种改进的算法来解决实际问题。”
这篇论文发表在《IEEE智能交通系统学报》上。