据外媒报道，西班牙埃尔切市米盖尔埃尔南德斯大学（UMH）研究人员研发出基于神经网络的人工智能系统，可利用固定传感器和互联车辆的数据预测交通状况，该新系统使提前15分钟预测交通状况成为可能。

为开展该项研究，UWICORE实验室的研究人员在SUMO交通仿真平台上实现了数字化并进行研究。该实验室属于UMH工程研究中心，而仿真平台上的交通设置与西班牙阿利坎特（Alicante）至穆尔西亚自治区（Murcia）间A-7高速公路的交通设置一样，全长97公里。此外，研究人员还与Levante交通管理中心（Levante Traffic Management Centre）合作，该中心提供了该路段12年内所有交通传感器的数据。

该路段交通流量大（有些地方平均每天会通行10万辆车），交通传感器数量多（总共99个），从而能够每分钟都精确地测量到交通流量。通过选取数据，研究人员研发出一种数字模拟装置，可极其准确地生成A-7路段10天内的交通状况。为了实现该目标，UMH的研究人员还研发出一种新型校准法，能够基于真实数据准确而真实地生成数字交通模拟设置。

凭借UMH创建的数字交通平台，研究人员研发了基于深度神经网络的技术，利用网联车辆的数据提前15分钟预测交通状况。研究人员分析了在交通中引入网联车辆会如何影响交通强度、密度和车速预测的准确性。研究还证明，与目前部署在相关A-7路段的交通传感器数据相比，仅用4%的网联车辆数据就可以提升交通预测的准确性。UMH的研究人员还表示，将现有交通传感器的数据与网联车辆的数据结合使用时，可以显著提高交通预测的准确性。例如，与固定传感器提供数据进行交通状况预测相比，仅将10%的网联车辆数据与交通传感器数据结合，预测误差就可减少40%。