В Ростове-на-Дону разработана программа, которая точно предсказывает пробки. Специалисты Донского государственного технического университета представили уникальную цифровую систему, способную с высокой точностью предсказать, сколько автомобилей появится на определённом участке дороги. Её главным преимуществом называют минимальную погрешность, которая составляет всего 6%. К слову, современные модели, используемые в планировании дорожного движения, ошибаются в среднем на 25–30%. Как пояснила доцент кафедры «Организация перевозок и дорожного движения» ДГТУ Анастасия Феофилова, если такая программа прогнозирует 100 машин, в реальности их может проехать от 70 до 130. Подобный разброс в данных напрямую ведёт к образованию заторов и неэффективной работе светофоров. «Когда фактически прибывает 130 машин, на участке возникает перегрузка. 30 автомобилей вынуждены ждать следующего цикла, создавая цепную реакцию затора. На следующий цикл к этим 30 машинам добавятся другие автомобили, и всего за 20–30 минут на ровном месте образуется серьёзный затор», — объяснила Феофилова. Новая система демонстрирует результат в 4–5 раз точнее. Её средняя ошибка — те самые 6%. Это означает, что при ожидании 100 автомобилей на дороге появится от 94 до 106. Алгоритм анализирует архив данных, выявляя устойчивые закономерности. Он «помнит» о традиционных пиковых нагрузках в часы-пик утром и вечером, а также учитывает еженедельную цикличность.Ещё одна особенность системы — умение расставлять приоритеты в информации. В случае внезапных событий, таких как снегопад или ДТП, модель автоматически понимает, что эти факторы в данный момент важнее стандартных расписаний. Разработка построена на универсальных принципах анализа данных и не привязана жёстко к правилам дорожного движения или географическим особенностям. Чтобы настроить её для работы в Ростове-на-Дону, Москве, Пекине или любом другом мегаполисе, достаточно загрузить в программу локальные исторические сведения о транспортных потоках. Точность и гибкость алгоритма обеспечиваются комбинацией четырёх компонентов — свёрточных нейронных сетей, рекуррентных нейронных сетей с долгой краткосрочной памятью, механизма внимания и алгоритма оптимизации. Каждый блок отвечает за свою часть задачи — анализ пространственных данных, выделение ключевой информации, настройку параметров и выявление временных закономерностей. В перспективе авторы проекта намерены научить модель учитывать больше факторов и адаптировать её для создания комплексных стратегий управления городским движением.
Toyota Motor Corp. вернула себе звание крупнейшего автопроизводителя мира, сместив General Motors на второе место. Toyota Motor Corp. вернула себе звание крупнейшего автопроизводителя мира, сместив General Motors на второе место. Мировые продажи японского автогиганта в III квартале 2012 года выросли на 18% за счет высокого спроса в США на седан Camry и гибрид Prius. В прошлом квартале Toyota продала 2,43 миллиона легковых и грузовых автомобилей (включая подразделения Hino Motors Ltd. и Daihatsu Motor Co.). При этом за тот же период прошлого года в мире было продано 2,06 миллиона машин концерна. С начала года мировые продажи Toyota Motor Corp. выросли на 28% — до 7,4 миллиона автомобилей (на 30 сентября 2012 года). Вместе с тем General Motors в III квартале 2012 года продал 2,28 миллиона машин, а за три квартала текущего года американским концерном было реализовано 6,95 миллиона авто. Как отметил эксперт аналитической компании AutoPacific Inc. Эд Ким, в начале года никто не ожидал, что Toyota так быстро придет в себя. При этом в сентябре продажи японского производителя в Китае упали сразу на 49% из-за спора между Пекином и Токио по поводу островов Сэнкаку (Дяоюйдао) и всплеска антияпонских настроений. По итогам III квартала Toyota реализовала на китайском рынке 197 700 автомобилей, что на 23% меньше, чем год назад.
