Istraživanje naučnika iz Complexity Science Hub-a prikazalo je novi model mašinskog učenja koji može da predvidi saobraćajnu aktivnost u različitim zonama gradova. Koristeći podatke jedne od najvećih car-sharing kompanija u Italiji, istraživač Simone Danioti je uspeo da stvori model koji omogućava precizno prostorno-vremensko predviđanje saobraćaja u urbanim sredinama. Uz to, model omogućava i detekciju anomalija, kao što su štrajkovi i loši vremenski uslovi.
Model bi mogao pomoći donosiocima odluka na nivou grada da osmisle i sprovode efikasnu transportnu politiku i kvalitetno urbano planiranje pružanjem uvida u interakciju različitih urbanih zona. Na primer, ako model pokazuje da postoji značajan saobraćaj između dve zone, grad može obezbediti usluge koje jačaju veze između te dve lokacije. Kao i suprotno, ako je malo aktivnosti na određenoj lokaciji, grad može korigovati postojeće usluge.
Podaci dobijeni kroz web API
Podaci korišćeni u studiji dobijeni su stalnim ispitivanjem web API-ja car-sharing servia, beleženjem parking lokacije svakog automobila, kao i vremenske oznake početka i kraja. Ove informacije su omogućile Daniotiju da identifikuje poreklo i odredište svakog putovanja.
Model nadmašuje druge modele dizajnirane da predvide ponašanje u saobraćaju u gradovima jer pruža potpune informacije. Većina modela predviđanja na prikupljenim podacima nije u potpunosti razumljiva. Neke strukture modela ne mogu se tumačiti kao interakcija. Ovo ograničava razumevanje osnovnih mehanizama koji upravljaju svakodnevnim rutinama građana.
Dok je davanje tačnih predviđanja važno, Danioti naglašava da je podjednako važno razumevanje razloga zašto model pokazuje određeni rezultat. Ovo pomaže gradskim i transportnim vlastima da ne donose pogrešne zaključke. Takođe i da usmeravaju i kontrolišu događaje u kojima model nije pokazao ono što se očekivalo.
Razumevanje obrazaca mobilnosti ljudi krucijalno je za poboljšanje gradskog saobraćaja kako stanovništvo raste u urbanim sredinama. Znanje koje pruža ovaj novi model može pomoći pri donošenju efikasne transportne politike. Takođe može doprineti i inkluzivnom urbanom planiranju. Model se takođe može prilagoditi za predviđanje obrazaca saobraćaja u drugim gradovima, ali će biti potrebni odgovarajući podaci.
