65、可解释在线车道变更预测与港口区域人工智能技术应用

可解释在线车道变更预测与港口区域人工智能技术应用

1. 可解释在线车道变更预测

在车道变更预测中，用户需要理解预测引擎的推理过程。为此，研发了用于层归一化长短期记忆网络（LSTM）的层相关传播（LRP）方法，让层归一化LSTM的决策过程更加透明。

LRP在忠实于模型行为方面表现出色，且计算量小，是实时解释车道变更预测的首选方法。同时，还给出了实现可扩展、高性能的可解释车道变更预测原型的实施细节，展示并讨论了用户界面。

未来工作包括实现超越热力图的多模态相关性值通信策略，并通过用户研究评估原型的通信策略。另外，如何利用模型预测的解释，让用户交互式地改进预测模型，使其更高效、更可信，也是一个值得研究的问题。归因方法能深入洞察黑盒机器学习模型的决策过程，可利用这些洞察创建更可信、更安全的机器学习应用。

2. 港口区域人工智能技术应用——TEBETS项目

2.1 引言

人工智能和模拟在三个关键领域有潜力发展互利关系：
- 合成数据：模拟模型可生成无限量代表真实系统输出的数据。
- 测试平台：作为虚拟环境，测试将人工智能融入现有系统的影响。
- 学习环境：利用从模拟模型中提取的有用信息，在无风险的情况下进行实验、学习，辅助决策和战略制定。

在TEBETS项目中，使用微软Project Bonsai作为强化学习系统，结合圣乔治码头（TSG）的数字孪生，实现拖车的进出口程序。该项目基于热那亚港口区域的数据，是数字技术在现实场景中成功应用的范例。

2.2 过往工作

从20世纪最后十年起，模拟引擎就被视为强大工具。热那亚因地理位置，自21