據外媒報道，西班牙埃爾切市米蓋爾埃爾南德斯大學（UMH）研究人員研發出基于神經網絡的人工智能系統，可利用固定傳感器和互聯車輛的數據預測交通狀況，該新系統使提前15分鐘預測交通狀況成為可能。

為開展該項研究，UWICORE實驗室的研究人員在SUMO交通仿真平臺上實現了數字化并進行研究。該實驗室屬于UMH工程研究中心，而仿真平臺上的交通設置與西班牙阿利坎特（Alicante）至穆爾西亞自治區（Murcia）間A-7高速公路的交通設置一樣，全長97公里。此外，研究人員還與Levante交通管理中心（LevanteTrafficManagementCentre）合作，該中心提供了該路段12年內所有交通傳感器的數據。

該路段交通流量大（有些地方平均每天會通行10萬輛車），交通傳感器數量多（總共99個），從而能夠每分鐘都精確地測量到交通流量。通過選取數據，研究人員研發出一種數字模擬裝置，可極其準確地生成A-7路段10天內的交通狀況。為了實現該目標，UMH的研究人員還研發出一種新型校準法，能夠基于真實數據準確而真實地生成數字交通模擬設置。

憑借UMH創建的數字交通平臺，研究人員研發了基于深度神經網絡的技術，利用網聯車輛的數據提前15分鐘預測交通狀況。研究人員分析了在交通中引入網聯車輛會如何影響交通強度、密度和車速預測的準確性。研究還證明，與目前部署在相關A-7路段的交通傳感器數據相比，僅用4%的網聯車輛數據就可以提升交通預測的準確性。UMH的研究人員還表示，將現有交通傳感器的數據與網聯車輛的數據結合使用時，可以顯著提高交通預測的準確性。例如，與固定傳感器提供數據進行交通狀況預測相比，僅將10%的網聯車輛數據與交通傳感器數據結合，預測誤差就可減少40%。