人工智能–AI尝试设计地铁线路

人工智能之AI尝试设计地铁线路

前言：研究人员通过研究纽约地铁线路图颜色编码对通勤时间的影响，发现了乘客在换乘时不是因为线路繁多，而是被凌乱的线路颜色误导而导致错误换乘,直至上班迟到。研究人员们正尝试用AI人工智能对地铁线路图进行重新设计，找出对通勤时间误导最轻微的颜色编码。

针对纽约地铁地图混乱问题,研究人员发现复杂的颜色编码和“航行危险”会影响通勤者，并计划尝试用AI人工智能来设计一个更好的系统。

研究人员研究了纽约地铁地图颜色编码与影响通勤时间的关系。当骑车人在线路之间切换时，发现躯干着色更有效。不管地图有什么色彩系统，他们发现航行危险总是阻止乘客到达目的地。他们相信AI人工智能可以探测航行危险。

据研究人员说，这可能与地铁线路的数量无关，而是与地铁地图的混乱、色彩编码设计。

肯特大学和埃塞克斯大学的一项新研究着眼于纽约地铁地图的颜色编码，以确定它如何影响其可用性。他们发现颜色编码起到了作用，除了一些恼人的“航行危险”之外。科学家们还相信，AI人工智能软件可以用来纠正许多与地图有关的困扰着上班族的错误。

研究人员使用纽约作为一个案例研究，因为它已经在不同的颜色编码系统之间切换，并且已知有几个“航行危险”。

该项研究指出，纽约地铁是世界上最复杂的服务模式之一，目前正在重新评估和开发其信息传递。他们招募了近300名参加者，并随机将他们与一种彩色编码地图配对。有三种类型的彩色编码地图，包括线路着色，躯干着色和阴影着色。其目标是找出地图颜色编码方案是否影响了通勤者导航的准确性和速度。

躯干是一串路线，这是纽约市交通管理局（MTA）地铁地图所使用的路线。在路线彩色地图中，每一端具有单个终端，每一条线颜色不同。第三种地图使用阴影着色，其中每一个树干都有不同的颜色，树干内的每个路径使用不同颜色的阴影。每一条路线都包含一个航行危险或地图的特定局部特征，这些地图经常被乘客误读。这可以包括一个路线，比如一条路线与另一条路线交换，也称为翻转。在其他情况下，路径可以与另一个路径合并或通过另一个中继线，称为下行链路。另一种航行危险，称为平行运行，发生在两条或两条以上的航线长时间运行时。

参与者的表现根据他们犯了多少错误和完成每项任务需要多长时间来评分。

肯特大学的科学家们相信，在地铁地图中，有一天，算法软件可以用来发现和纠正航行危险，或者使乘客出行的特征。

量子数学能帮助解决纽约城市低效的地铁系统吗？

纽约的地铁系统变得如此糟糕，以至于州长一度被迫宣布“官方紧急状态”。

研究人员声称，如果每年提供17亿名乘客的地铁遵循量子数学，火车不会晚点。两条线遵循系统中看到的统计模型。

两名研究人员发现，频繁的延迟线，遵循更随机的统计模型，而那些运行顺利的，遵循一个与量子数学相似的统计模型。

来自多伦多大学的Aukosh Jagannath和加利福尼亚大学欧文的Tom Trogdon分别研究了1条和6条线路。基于系统的实时数据，他们能够看到到达时间之间的差距。他们发现了位于曼哈顿西侧的市中心1号列车，显示了随机矩阵理论（RMT）的模式，使其能够更经常地运行。

Jagannath说，这些模式描绘了“效率更高的标志”。然而，拥挤的住宅区6号列车效率低，经常会遇到延误。通过研究6辆列车在岛东侧局部运行的到达时间，DUO发现它遵循泊松分布统计模型，这意味着它运行不规则。他们发现路线有色地图得分最高的可用性，当通勤者只需改变一次线。当有多种变化时，树干彩色地图的可用性最高。

根据该项研究，例如，在有滑移危险的路线上，在两条路线一致的情况下，一条路线的着色仍然是确定正确路线的最快和最准确的方法。但是在有跳跃危险的路线上——乘客必须从一条支线移动到另一条支线——这是最不有效的，而躯干着色更有效。

研究结果表明，当地的航行危险可以在地铁地图的整体可用性中发挥主要作用。正因为如此，科学家们相信算法软件有一天可以用来发现和纠正地铁地图上的航行危险。他们说，自动寻找和固定当地航行危险的算法方法可能发挥重要作用。

------以往文章推荐-----