机器学习如何解决交通拥挤难题？谷歌给出了答案！

谷歌近日在其博客上发文，讲述了一群大学生是如何利用机器学习/TensorFlow来解决交通拥挤问题的。以下是编译的全文：

没有什么比在阳光明媚的晴天驾车穿越洛杉矶更好的了。但对于司机来说，南加州美丽的天气和风景却被一件事毁了：交通。

根据INRIX的一份报告，我的家乡是世界上交通最繁忙的城市，2017年高峰时段有102小时的拥堵记录。我的同学Ericson Hernandez来自纽约市，在全球排名第三因为它的交通问题。我们一起决定使用机器学习来找出不良交通的根源，包括坑洼和裂缝造成的道路损坏等因素，并使我们美丽的城市周围的游乐设施再次愉快。

当Ericson和我开始在Loyola Marymount大学学习电气工程时，我们开始对工程领域的一个相对较新的主题产生兴趣：机器学习。我们的教授黄磊博士鼓励我们选择一个我们热衷的项目，而Ericson和我想利用技术来解决现实世界中的问题 - 比如帮助我们周围的社区开发道路。

今年夏天，我们研究了以前关于检测道路裂缝的研究项目，并思考如何改进算法并将其应用于洛杉矶社区。我们决定使用谷歌的开源机器学习平台TensorFlow来训练一个模型，该模型可以从洛杉矶道路的摄影镜头中快速识别坑洼和危险的道路裂缝。

建筑公司和城市可以使用这种技术来确定哪些道路最需要修理。 通过更安全的驾驶条件和高效的道路维修，主要城市的交通量可以大幅减少，使人们能够快速，安全，愉快地旅行。

这样，开车穿过洛杉矶就可以享受到美景，而不是抱怨交通。