शहरी गतिशीलता नेटवर्क में स्मार्ट ट्रैफिक प्रवाह भविष्यवाणी के लिए मल्टी-मोडल डेटा फ्यूजन और स्पष्ट रूप से व्याख्यायित कृत्रिम बुद्धिमत्ता

शहरी गतिशीलता नेटवर्क विभिन्न जनसंख्याओं, वाहनों, शहरों आदि की एक विस्तृत श्रृंखला का समावेश करता है जो विशिष्ट उद्देश्यों के लिए गतिशीलता का अनुभव करते हैं। ऐसे तत्व शहरी नेटवर्क में स्थानिक-कालिक डेटा के निशान छोड़ते हैं, जिससे ट्रैकिंग, स्थानीयकरण और जानकारी साझा करना आसान होता है। हालांकि, असमान डेटा और जटिल गणनाओं के कारण ट्रैफिक प्रवाह की भविष्यवाणी करना महत्वपूर्ण है। ऐसे समस्या का समाधान प्रदान करने के लिए, यह लेख मल्टी-फंक्शनल विधि का परिचय देता है, जो मल्टी-मोडल डेटा फ्यूजन (MMDF) को स्पष्ट रूप से व्याख्यायित कृत्रिम बुद्धिमत्ता (EAI) के साथ मिलाकर तैयार किया गया है। संयुक्त विधि गतिशीलता प्रबंधन और ट्रैफिक प्रतिनिधित्व के आधार पर त्रुटि भिन्नताओं को कम करके ट्रैफिक भविष्यवाणी में सुधार करती है। इसे तीन विभिन्न कार्यों का उपयोग करके हासिल किया गया है: वर्गीकृत डेटा फ्यूजन, स्पष्ट AI के साथ ट्रैफिक भविष्यवाणी, और भविष्यवाणी आधारित गतिशीलता प्रबंधन। ये कार्य उन स्थानिक और कालिक डेटा का उपयोग करके समेकित किए जाते हैं, जो जनसंख्या, वाहनों आदि जैसे विभिन्न कारकों के प्रभाव पर विचार करता है। यह कार्यप्रणाली ट्रैफिक प्रवाह की भविष्यवाणी को 14.53% तक सुधारती है, जो विविध अंतराल पर त्रुटि को 14.91% तक कम करती है।