आगे सड़क कार्य: कार्य क्षेत्रों के प्रभाव का आकलन करने के लिए गहरे तंत्रिका नेटवर्क का उपयोग

English हिन्दी മലയാളം मराठी தமிழ் తెలుగు

आगे सड़क कार्य: कार्य क्षेत्रों के प्रभाव का आकलन करने के लिए गहरे तंत्रिका नेटवर्क का उपयोग

सड़क के किनारे निर्माण – चाहे वह एक मोड़ हो, एक बंद गली हो, या पिछले श्रमिकों और उपकरणों की धीमी गति से बुनाई हो – पूरे सिस्टम-व्यापी पैमाने पर यातायात के प्रवाह और यात्रा के समय को प्रभावित कर सकता है। उन प्रभावों की सटीक भविष्यवाणी करने और योजना बनाने की क्षमता परिवहन कंपनियों और सड़क उपयोगकर्ताओं के लिए बहुत मददगार होगी। नेशनल इंस्टीट्यूट फॉर ट्रांसपोर्ट एंड कम्युनिटीज द्वारा वित्त पोषित, यूटा विश्वविद्यालय के अब्बास रशीदी के नेतृत्व में नवीनतम छोटी स्टार्ट-अप परियोजना निर्माण क्षेत्रों के ऑटोमोबाइल यातायात प्रभावों का विश्लेषण करने के लिए एक मजबूत, गहन तंत्रिका नेटवर्क मॉडल पेश करती है।

लगातार यातायात देरी के पहले तीन कारण खराबी, कार्य क्षेत्र और प्रतिकूल मौसम, कार्य क्षेत्र सभी गैर-आवर्ती देरी के 10% के लिए जिम्मेदार हैं। सटीक कार्य क्षेत्र प्रभाव पूर्वानुमान ईंधन की खपत और वायु प्रदूषण को काफी कम कर सकता है।

“मशीन लर्निंग और इन-डेप्थ लर्निंग विभिन्न प्रकार के डेटा उत्पन्न करने और भविष्य की स्थितियों की भविष्यवाणी करने के लिए शक्तिशाली उपकरण हैं। डेटा का विश्लेषण करने के लिए एआई का उपयोग करना आम तौर पर परिवहन इंजीनियरिंग का भविष्य है,” रशीदी ने कहा।

यूटा परिवहन विभाग (UDOT) कार्य क्षेत्र की गतिविधियों से संबंधित विभिन्न प्रकार के डेटा एकत्र करता है। इन आंकड़ों के साथ काम करते हुए, रशीदी और अली हसनटोक मशदी, एक स्नातक अनुसंधान सहायक, ने परिवहन और आंदोलन की स्थिति पर विभिन्न चर के प्रभाव का आकलन करने के तरीकों की खोज की। यह विश्लेषण आपको यूडीओटी को बेहतर ढंग से समझने और कुशल कार्य क्षेत्र संचालन की योजना बनाने, कार्य क्षेत्रों के लिए सबसे प्रभावी यातायात प्रबंधन प्रणाली का चयन करने और कार्य क्षेत्रों के भीतर निर्माण गतिविधियों की छिपी लागत का अनुमान लगाने में मदद करेगा।

कौन से कारक ऑटोमोबाइल यातायात से मेल नहीं खाते?

कार्य क्षेत्रों के यातायात प्रभाव अन्य मौजूदा स्थितियों और वे कार्य क्षेत्र कारकों के साथ कैसे हस्तक्षेप करते हैं, के आधार पर भिन्न होते हैं:

  • कार्य क्षेत्र कारक: कार्य क्षेत्र का लेआउट और स्थान, सड़क बंद होने की लंबाई, कार्य क्षेत्र में यातायात की गति और दैनिक संचालन घंटे।
  • यातायात कारक: भारी वाहनों का प्रतिशत, राजमार्ग की गति सीमा, क्षमता, गति, प्रवाह, घनत्व, भीड़भाड़ और आक्रामकता।
  • सड़क कारक: गलियों की कुल संख्या, खुली गलियों की संख्या, फुटपाथ की गुणवत्ता और स्थिति।
  • अस्थायी कारकवर्ष, मौसम, महीना, सप्ताह का दिन, दिन का उजाला और अंधेरा / प्रकाश।
  • स्थानिक कारक: सड़क मार्ग की चौड़ाई और निकटवर्ती राजमार्ग वक्रों की उपस्थिति और संख्या।

UDOT कार्य क्षेत्रों में बड़ी मात्रा में स्रोत डेटा एकत्र करता है, जिसमें उपरोक्त कारकों पर डेटा शामिल है जिसने इस परियोजना को संभव बनाया है।

शोधकर्ताओं द्वारा विकसित डीप न्यूरल नेटवर्क (डीएनएन) मॉडल कई कारकों के प्रभाव और उनके बीच के अंतराल का आकलन करने में सक्षम है। पारंपरिक मशीन सीखने के तरीकों के विपरीत, DNN इनपुट चर और आउटपुट के बीच संबंधों को पकड़ सकता है।

मॉडल कैसा प्रदर्शन करता है?

यूटा रोड पर लगभग 80 परियोजनाओं से एकत्र किए गए लगभग 400,000 डेटा बिंदुओं पर DNN को प्रशिक्षित और मूल्यांकन किया गया था। शोधकर्ताओं ने R2 स्कोर, मूल माध्य वर्ग त्रुटि (RMSE) और माध्य निरपेक्ष त्रुटि (MAE) सहित तीन अलग-अलग मापों का उपयोग करके मॉडल के प्रदर्शन का मूल्यांकन किया। अनुमानित यातायात स्तर पर 2% की त्रुटि के तहत, सभी प्रकार के कार्य क्षेत्र परिणामों की सटीकता, जिसमें छोटी और लंबी अवधि, दिन और रात का समय, और अंतरराज्यीय और धमनी कार्य क्षेत्र शामिल हैं, स्वीकार्य हैं। प्रति घंटा यातायात स्तरों पर कार्य क्षेत्र सुविधाओं के प्रभावों का पता लगाने का प्रयास करने वाला यह पहला अध्ययन है।

प्रस्तावित मॉडल का मुख्य लाभ यह है कि उपयोगकर्ताओं को व्यावहारिक अनुभव के आधार पर विभिन्न समायोजन कारक निर्धारित करने की आवश्यकता नहीं है। पहले विकसित मॉडल को आमतौर पर कार्य क्षेत्र दक्षता का आकलन करने के लिए गणितीय मॉडल में दो समायोजन कारकों की आवश्यकता होती है। हालांकि, रशीदी और मशदी द्वारा विकसित मॉडल प्रति घंटा यातायात मात्रा का अनुमान लगाने में सक्षम है। यह भी ध्यान देने योग्य है कि यह मॉडल उन क्षेत्रों में भी कार्यक्षेत्र ट्रैफ़िक का अनुमान लगा सकता है जहाँ कोई ट्रैफ़िक सेंसर नहीं है, कार्यस्थान सुविधाओं, सड़क सुविधाओं और इनपुट चर के रूप में अस्थायी सुविधाओं का उपयोग करके।

सिस्टम को लागू करना

NITC स्मॉल स्टार्ट्स ग्रांट द्वारा वित्त पोषित, इस पायलट प्रोजेक्ट ने आशाजनक परिणाम दिखाए हैं। इस मॉडल का उपयोग करने वाले विशेषज्ञों के हाथों में जाने के लिए, शोध दल ने पहले ही एक पेपर प्रकाशित किया है यातायात अनुसंधान रिकॉर्ड: निर्माण कार्य क्षेत्र की दक्षता का आकलन करने के तरीकों की समीक्षा, और एक अन्य जर्नल पेपर प्रकाशित करने का कार्य। अगले परिणामों में यूडीओटी के साथ शोध के परिणामों को साझा करना और उनकी प्रतिक्रिया प्राप्त करना और यह पता लगाना शामिल है कि यह मॉडल उनके लिए कैसे उपयोगी हो सकता है। रशीदी को भविष्य के शोध के माध्यम से मॉडल की क्षमताओं का विस्तार करने की भी उम्मीद है।

“यह अध्ययन यूटा में डेटा-संचालित है, इसलिए यह अच्छा होगा यदि हम इसी तरह के अध्ययन कर सकते हैं और अन्य राज्यों के साथ परिणामों की तुलना कर सकते हैं; देखें कि व्यवहार पैटर्न समान कैसे हैं,” रशीदी ने कहा।

कहानी स्रोत:

अवयव प्रदान की पोर्टलैंड स्टेट यूनिवर्सिटी. नोट: सामग्री को शैली और लंबाई के लिए संपादित किया जा सकता है।

.

—-*Disclaimer*—–

This is an unedited and auto-generated supporting article of the syndicated news feed are actualy credit for owners of origin centers . intended only to inform and update all of you about Science Current Affairs, History, Fastivals, Mystry, stories, and more. for Provides real or authentic news. also Original content may not have been modified or edited by Current Hindi team members.

%d bloggers like this: