研究人员开发了可解释的机器学习模型来预测加利福尼亚州阿拉米达县的交通拥堵，并考虑了 COVID-19 大流行的独特影响。通过纳入与天气、季节性和 COVID-19 病例相关的变量，研究发现新的 COVID-19 病例在封锁和封锁后期间通常会减少拥堵。然而，在大流行后时期，住院率上升减少了出行，而汽油价格上涨则增加了拥堵，因为人们选择了私家车。 AI
影响 提供了一个理解大流行等外部因素如何影响复杂系统的框架，可应用于城市规划和资源分配。
排序理由 学术论文，详细介绍了机器学习在交通预测方面的新应用。[lever_c_demoted from research: ic=1 ai=0.7]
- Alameda County
- COVID-19
- Integrated Gradients
- recurrent neural networks
- Recursive Feature Elimination with Cross-Validation
- SHapley Additive exPlanations
- Support vector regression
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
