谷歌近日在其博客上發文，講述了一群大學生是如何利用機器學習/TensorFlow來解決交通擁擠問題的。以下是編譯的全文：
沒有什麼比在陽光明媚的晴天駕車穿越洛杉磯更好的了。但對於司機來說，南加州美麗的天氣和風景卻被一件事毀了：交通。
根據INRIX的一份報告，我的家鄉是世界上交通最繁忙的城市，2017年高峰時段有102小時的擁堵記錄。我的同學Ericson Hernandez來自紐約市，在全球排名第三因為它的交通問題。我們一起決定使用機器學習來找出不良交通的根源，包括坑窪和裂縫造成的道路損壞等因素，並使我們美麗的城市周圍的遊樂設施再次愉快。
當Ericson和我開始在Loyola Marymount大學學習電氣工程時，我們開始對工程領域的一個相對較新的主題產生興趣：機器學習。我們的教授黃磊博士鼓勵我們選擇一個我們熱衷的項目，而Ericson和我想利用技術來解決現實世界中的問題 - 比如幫助我們周圍的社區開發道路。
今年夏天，我們研究了以前關於檢測道路裂縫的研究項目，並思考如何改進算法並將其應用於洛杉磯社區。我們決定使用谷歌的開源機器學習平臺TensorFlow來訓練一個模型，該模型可以從洛杉磯道路的攝影鏡頭中快速識別坑窪和危險的道路裂縫。
建築公司和城市可以使用這種技術來確定哪些道路最需要修理。 通過更安全的駕駛條件和高效的道路維修，主要城市的交通量可以大幅減少，使人們能夠快速，安全，愉快地旅行。
這樣，開車穿過洛杉磯就可以享受到美景，而不是抱怨交通。
分享到:
閱讀更多 引力空間站 的文章
