Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

罗然、万如苑、钱天培编译

敢堵我的自行车道?我就让神经网络抓住你!

违停,占道,全城交通瘫痪。纽约硬是堵成了美国版的“北京”。

这不,连程序员都看不下去了!

常年自行车出行,纽约土生土长的程序员Alex忍无可忍。三年前,他起诉U.P.S(联合包裹速递服务公司)阻挡自行车道,结果不幸败诉。今天,他干脆自己下场,训练神经网络“抓捕”交通违法者了。

据纽约时报报道,Alex是一位住在哈莱姆的30岁程序猿。他最近创造了一种机器学习算法来研究探头拍摄的视频,能够准确地追踪霸占自行车道的运输卡车、汽车、出租车。

公交车和自行车道的堵塞已经成为纽约市民的一大痛点,而以Alex为代表的公共交通维护者认为,这一切都是由于他们纽约市政府的执法力度不足。

不过,在这场关于城市公交和自行车道运行情况的讨论中,缺少了像样的数据来反映这一问题。Alex的操作简直是神助攻。

该项目主要集中在第145街和第146街之间的圣尼古拉斯大街,为期10天。

他的初步调查结果非常明显:在一个公共汽车站和两个自行车道(一个用于向北行驶,另一个用于向南行驶)上使用训练过的交通摄像机镜头观察,公交车站57%的时间是被堵塞的,而自行车道40%的时间里也是被堵住的。

真是气skr人!

Alex的实验图像上显示,有车辆违停在巴士站。

Alex在接受纽约时报的采访时说:“每个人都在抱怨公交车道被堵了,公交车太慢,我也可以像他们一样说, ‘噢,这也堵得太厉害了,太糟糕了啦',但这又有什么卵用呢?”

“我的目标是,用实打实的数据让所有人都意识到这件事的严重性。”

虽然纽约市总共有101英里的公交专用车道,但这些车道却常年被小汽车、货车、甚至警车霸占。

同样的,保证435英里无保护的自行车道畅通无阻也是一个巨大的挑战。这些被漆成绿色的自行车道,装饰着纽约的街景,也就真的只是装饰而已了。

但问题来了,偏偏没有数据能够以可量化的方式来捕获并解决问题。在这种情况下,骑自行车和公交的倡导者只能靠自己解决问题,他们在社交媒体上发布违法者的照片,包括政府和警察车辆,企图通过“公众羞辱”来解决问题。

然而,通过摄像头执法完全是杯水车薪:纽约市317条公交线路中,只有12条配备有探头。 

沿公交专用道和自行车道的执法主要由警察局负责。去年,警察向占用公交车道的车辆发出了2000多起违规惩罚,大约24,000张停车罚单用于阻挡车道,大约79,000张停车罚单用于阻碍自行车道。 警方在今年才开始追踪的自行车道的违规行为,所以暂时还没有数据。

虽然这些数字似乎令人印象深刻,但倡导者认为它几乎没有触及到问题的严重性。自行车倡导组织Transportation Alternatives的执行董事Paul SteelyWhite说:“你用大脚趾观察都能发现,纽约的公交专用道长期受阻。”

纽约市交通局局长AndyByford已经与警察局会谈,鼓励警察局提高公交车道被堵塞的警觉度。Byford先生最近在一辆公共汽车上接受采访时说道,“堵塞公交车道是自私的,不可接受的。这辆公共汽车为了避开停在路边的面包车和空转的出租车,它被迫在指定的公交车道上转弯。”

“我觉得人们在道路上运输东西无可厚非,但公交车道应该是专门为公共汽车服务的。”他补充说,“公交机构正在制定改善公交服务的计划,其中可能包括在公共汽车上安装前置摄像头,这是其他城市为加强公交专用车道的执法而采取的措施。”

听起来是很美好,但这话有多少能信呢?反正Alex是不信的。

为了收集关于堵塞发生频率的实际数据,Alex从交通局下载了10天的公开视频,这些视频是位于第145街和圣尼古拉斯大街拐角处的红绿灯路口的交通情况。然后,他将超过2000张不同类型车辆的图像(如卡车,公共汽车和汽车)送入他的计算机,对其进行训练,以确定究竟是什么堵塞了道路。例如,在公共汽车站的情况下,贝尔先生调整了计算机程序,以便能够区分那些应该在那里的公共汽车与非法停留在那里的车辆。

他用了三周时间完成模型训练。此后,计算机花了大约一天的时间来处理10天的镜头。

Alex只测量了他的试验街区上的车道被阻挡的时间百分比,但据此他能够推断实际数字并计算出大约850辆车辆阻挡了自行车道,超过1,000辆非公交车在公交车道上行驶。

他将自己开发的用于监控车道的源代码免费公开发布在网上,希望它能被人们使用,并且让更多人知道这个问题。

代码:

https://github.com/Bellspringsteen/OurCamera

Alex雄心勃勃地说:“我想让纽约市焕然一新,”

“纽约是我家,维护靠大家。我们在公共交通运输方面有很大问题。我希望当人们看到这些数据后,能让更多人重视到这一问题的严重性。”

在强烈批评纽约公共交通表现不佳之际,Alex还扩大了他的研究范围,考察了纽约市的公交车道流量。在这个城市,由大都会运输署(Metropolitan Transportation Authority)运营的车队以平均每小时7英里的速度缓慢行驶,使其成为美国最慢的主要公交系统。

Alex的研究还在继续。究竟会有多大的社会效应?让我们拭目以待。

大数据文摘
大数据文摘

秉承“普及数据思维,传播数据文化,助⼒产业发展”的企业⽂化,我们专注于数据领域的资讯、案例、技术,形成了“媒体+教育+⼈才服务”的良性⽣态,致⼒于打造精准数据科学社区。

产业神经网络
2
相关数据
机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

推荐文章
暂无评论
暂无评论~