近日，韩国蔚山国家科学技术研究院（UNIST）的一个研究团队展示了一种全新的人工智能交通预测分析系统，该系统可以对5-15分钟的交通状况进行预测，目前预测结果平均只有4公里/小时左右的误差。

据悉，全新的人工智能分析系统能够通过从车辆监测器所获得的数据，对交通拥堵情况进行监控及预测。UNIST教授Sungahn Ko领导了这项突破性技术的研发，并与美国普渡大学、亚利桑那州立大学的研究团队共同完成了研发工作。在开发过程中，这三所高校的团队提取了任务需求，并结合了用于堵塞预测的长短期记忆（LSTM）模型，从而设计了一种用于探测拥堵原因和拥堵延伸方向的加权方法。

这个新系统主要由两个模块所组成：一个模块负责对交通情况进行分析和预测；另一个模块负责对分析和预测结果进行可视化处理。与以前依靠概率和统计方法对历史交通记录进行分析并完成预测的方式不同，新的系统添加了可以对实时交通情况进行分析预测的深度学习算法，从而提供了更高的预测准确性。

Sungahn Ko教授称，“这个技术运用了大量的交通数据，它可以与交通广播服务或导航进行结合，从而在糟糕的交通环境中规划出最优的行驶路线。未来，还将添加对天气和事故等其他因素进行预测，以开发出更加准确的预测模型。”

目前这项新技术已经被蔚山市的交通广播网络（TBN）使用，用以向当地居民提供交通状况预测信息。据悉，该技术在不久后也将被推广到其他韩国城市，截至到今年年底之前，应用城市将包括光州、釜山、大田和仁川等。