Etelä-Kalifornian yliopiston USC Viterbi School of Engineering esitteli 13. lokakuuta professorinsa Cyrus Shahabin johtamaa tutkimusta, jossa tekoälymalli pyrkii käsittelemään nopeasti muuttuvia liikenneverkkoja. Lähtökohtana on maanjäristystilanne: silta saattaa sortua, katu sulkeutua ja tavallinen liikenne-ennuste menettää pohjansa.
Perinteiset liikenteen graafineuroverkot perustuvat suurelta osin oletukseen siitä, että teiden ja risteysten rakenne pysyy samana. Jos verkon topologia muuttuu, malli voi joutua opettelemaan olennaisia suhteita uudelleen. Hätätilanteessa tähän ei välttämättä ole aikaa.
Abstraktit solmut verkon sijaan
Tutkijoiden DeepStateGNN-malli käyttää fyysisten risteysten sijasta abstrakteja metasolmuja, jotka kuvaavat esimerkiksi samankaltaisia tieolosuhteita. Mallin tarkoitus on soveltaa oppimaansa myös antureihin ja tiejärjestelyihin, joita se ei aiemmin ole nähnyt.
Tutkimusryhmän arvion mukaan tällaisen järjestelmän avulla voitaisiin vertailla yli tuhatta vaihtoehtoista tieverkkokonfiguraatiota sekunnissa. Tämä voisi auttaa arvioimaan, mitä seuraa kaistan muuttamisesta evakuointikäyttöön tai yksittäisen tien sulkemisesta.
Pelastustyön tueksi, ei vielä käyttövalmis
USC korostaa, että kyse on tutkimusprototyypistä. Se ei ole valmis pelastusviranomaisten reaaliaikainen 3D-karttapalvelu, eikä järistysten tuhoja ennusteta automaattisesti valmiina karttakuvina.
Ennen operatiivista käyttöä tarvittaisiin testausta oikeissa häiriöissä, ajantasaiset tie- ja anturitiedot sekä yhteistyötä pelastusviranomaisten kanssa. Mahdollinen hyöty on huomattava: liikenteenohjaajat voisivat kokeilla useampia vaihtoehtoja juuri silloin, kun minuutit ratkaisevat.
