Araştırmacılar, kısıtlı sensör verilerinden yararlanarak gözlemlenmeyen yollardaki trafik durumunu tahmin edebilen yenilikçi bir yapay zeka modeli geliştirdi. MoGERNN olarak adlandırılan bu sistem, mevcut trafik tahmin teknolojilerinin karşılaştığı temel sorunlara çözüm sunuyor.
Günümüzde kullanılan derin öğrenme tabanlı trafik tahmin sistemleri genellikle her ilgi noktasında sensör bulunmasını varsayıyor. Ancak bu yaklaşım, mali kısıtlar nedeniyle gerçek hayatta uygulanamıyor. Ayrıca mevcut sistemler sensör ağındaki değişikliklere karşı hassas olup, küçük bir sensör konfigürasyonu değişikliğinde bile maliyetli yeniden eğitim süreci gerektiriyor.
MoGERNN bu sorunları iki temel bileşenle çözüyor. İlk olarak, Graf Uzmanları Karışımı adı verilen bir mekanizma kullanarak farklı düğümleri uzmanlaşmış graf toplayıcılarına yönlendiriyor. Bu yaklaşım, heterojen mekansal bağımlılıkları verimli şekilde yakalayabiliyor. İkinci olarak, graf kodlayıcı-çözücü mimarisi sayesinde bu gömülümleri kullanarak daha doğru tahminler üretiyor.
Sistemin en dikkat çekici özelliği, yeni lokasyonlara genelleme yapabilme kabiliyeti. Bu sayede önceden görülmemiş bölgelerdeki trafik durumunu da tahmin edebiliyor. Araştırma, akıllı trafik yönetim sistemlerinin gelişimi açısından önemli bir adım olarak değerlendiriliyor.