-
谷歌详解如何用机器学习攻克停车难,随时预测目的地停车状况
关键字: 停车难题停车状况停车难机器学习谷歌地图谷歌研究模型的选择和训练
我们决定使用一个标准的logistic回归机器学习模型来实现这个功能。原因有几个:
首先,logistic回归的行为已经得到了很好的理解,而且其往往对训练数据中的噪声有很好的弹性;当数据来自众包或有一个复杂的响应变量时(比如停车难度),这是一个有用的性质。
其次,将这些模型的输出解读为停车困难的概率(probability)是很自然的,然后我们可以将这个概率映射成如「车位有限」或「停车容易」等描述性词汇。
第三,我们可以很容易理解每个特定特征的影响,这让我们可以更轻松地验证该模型的行为是否合理。比如,当我们开始训练过程时,我们中许多人都认为前面所描述的「印迹」特征将会是我们解决问题的「万能药」。我们惊讶地注意到完全不是这么回事——事实证明实际上是基于车位位置分散的特征才是停车难度最强大的预测因素之一。
结果
使用我们的模型,我们能够为任何位置和时间的停车难度生成一个估计。下图给出了我们的系统的输出的几个例子,然后其被用于为指定的目的地提供停车难度估计。比如,星期一早上对整个城市来说都停车困难,尤其是最繁忙的金融和零售区。在星期六晚上,又会再次变得繁忙,但现在却主要集中在餐厅和景点等区域。
我们的停车难度模型在旧金山Financial District和Union Square地区上的输出。红色表示有更高置信度的停车困难。上排:一个典型周一的上午8点(左)和9点(右)。下排:一个典型周六的相同时间。
我们很高兴能有机会基于用户的反馈来继续改进这个模型的质量。如果我们能更好地理解停车困难,我们将能开发出新的更智能的停车助理——我们很高兴未来的机器学习应用能够帮助实现更让人愉快的交通!
(综合澎湃新闻、Google research、机器之心等消息)
- 请支持独立网站,转发请注明本文链接:
- 责任编辑:吴娅坤
-
习近平抵达巴黎开始对法国进行国事访问 评论 3刚有“明显进展”,巴以停火又陷僵局 评论 6他在以色列监狱中死亡,联合国官员:极度震惊 评论 250俄方通缉泽连斯基等乌军政要员,乌方回应 评论 224“哈马斯得到美方保证”?以官员威胁:不会同意 评论 114最新闻 Hot
-
刚有“明显进展”,巴以停火又陷僵局
-
“欧盟正游说中国:别‘报复’,得特别保护”
-
俄方通缉泽连斯基等乌军政要员,乌方回应
-
“没有沙以关系正常化,就没有美沙防务协议”
-
他在以色列监狱中死亡,联合国官员:极度震惊
-
“丢473个议席!40年来最差”
-
加拿大逮捕3名印度人,印度外长回应
-
国际刑事法院忍无可忍:再威胁试试
-
澳大利亚“设卡”,中国在非洲淘到“白金”
-
“半数以上AI最热门领域,中国研究领先”
-
省级督察组现场核实情况,遭故意封路阻挠
-
美国又出新规:想要补贴,电动汽车上不能有“中国制造”
-
“中俄在台海附近军演,逼着美国改计划”
-
他催拜登采取行动:保住内塔尼亚胡,不然逮捕令会落到咱们身上
-
以代表称:没料到美国精英大学里也有哈马斯
-
“内塔尼亚胡决心竞选连任”
-