توقعات تدفق المرور أمر حاسم لنظام المرور الذكي ويساهم في تخطيط الطرق والتوجيه. ومع ذلك، يركز البحث الحالي عادة على زيادة دقة التنبؤ ويتجاهل الآثار الخارجية والمشاكل الفعلية لأجهزة الحواف مثل القيود الموارد وندرة البيانات. يقدم هذا البحث إطارًا يعتمد على التعلم عبر الإنتقال عبر الإنترنت وشبكة تحويل الرسم البياني المساعدة متعددة الطبقات (OTL-GM) ، وهو يتكون من جزئين: نقل ميزات المجال المصدر إلى أجهزة الحواف وتقارن الفجوة بين المجالات من خلال التعلم العبر الإنترنت. تم التحقق من فعالية التعلم عبر الإنتقال عبر الإنترنت على 4 مجموعات بيانات ؛ بالمقارنة مع النماذج التي لم يتم استخدامها للتعلم عبر الإنتقال عبر الإنترنت، فإن النسبة المئوية لانخفاض وقت التقارن المختلف لنموذج التعلم عبر الإنتقال عبر الإنترنت تتراوح بين 24.77% و95.32%.

تعلم النقل عبر الإنترنت; توقعات تدفق المرور; أجهزة الحواف الذكية