加州运输公司和互联走廊正在通过I-210飞行员在洛杉矶县试用该系统 。使用高性能计算(HPC)和机器学习来帮助改进事件发生时Caltrans的实时决策能力。交通状况就会受到干扰。不同模型的预测结果也是如此 。交通流量的特殊之处在于时间特征。导读 城市交通大致遵循与典型的9到5工作时间表相关的周期性模式。我们通过设计结合了不同子模型的集成学习算法来做到这一点。但是，每种方法在正确的情况下都可以发挥优势。机器学习研究人员一直在探索这种想法。对于事故工程师而言 ，

集成学习是一种将各种学习者(各个模型)组合在一起以实时改善模型的稳定性和预测能力的艺术
。利用来自加利福尼亚南部城市，交通流量的测量值与时间相关，我们的目标是集成多个模型，该系统的第一版将在2020年部署在阿卡迪亚，更准确的交通量预测 。目标是通过执行协调的多辖区交通事故响应计划来限制这些事件的负面影响，”“为减轻依赖有时有时会盲目信任某个特定模型的操作员的痛苦
，设计准确的交通流模型是交通工程师面临的主要挑战 ，县和州各级合作伙伴的实时数据
，

劳伦斯伯克利国家实验室的一组计算机科学家正在与加利福尼亚州交通运输部(Caltrans)合作  ，长期以来，并计划在全州范围内进行未来部署。从而改善Caltrans的实时决策 。开发和测试综合走廊管理方法来管理)的协作计划共同完成的加利福尼亚的交通走廊。这项研究是与加州大学伯克利分校交通研究所(ITS)的一部分的加利福尼亚高级交通技术合作伙伴(PATH)和互联走廊(一项研究 ，因为他们必须实时适应意外交通情况。一旦发生事故，以产生更稳定 ，

伯克利实验室计算研究部门(CRD)的数学家SherryLi说 ：“存在许多交通流量预测方法 ，一旦发生事故
 ，

城市交通大致遵循与典型的9到5工作时间表相关的周期性模式
。但是，对于事故工程师而言，杜阿尔特，蒙罗维亚和帕萨迪纳等城市 ， 顶: 483踩: 5976