machine-learning - 选择机器学习算法

我正在处理一个实现机器学习算法的问题。

假设上面给出的Map有12个Signals。每个信号都有一个Router [Dot]。路由器获取流量计数。然后将流量计数添加到服务器端的DB。该流量计数被发送到警察在每个信号处持有的手持设备。每5分钟后，所有路由器的计数都为0.

现在这里是系统的主要症结。当在服务器上检测到并验证车辆时，它可能是“有效”或“无效”车辆。现在如果它'无效'车辆那么它必须被抓住.. !!但如何抓车？现在举个例子。

如图所示     1.无效车辆在G-Router [G =绿色]
时检测到'A'     所以它可能会转到所有可能的R-Router的 [R = RED]
    3.现在，如果每个路由器的计数为

         - R-Router 1 = 23 

         - R-Router 2 = 16 

         - R-Router 3 = 31 

         - R-Router 4 = 47 

         - G-Router = 19

4.每个路由器之间的距离是

    - R-Router 1 —> G-Router = 3 K.M.

    - R-Router 2 —> G-Router = 5 K.M

    - R-Router 3 —> G-Router = 2 K.M

    - R-Router 4 —> G-Router = 1 K.M

因此，通过上面给出的数据计算所需的时间 6.然后将此TIME发送到连接到所有R-Router的手持设备我想要 PROBABILISTIC TIME ，车辆可能分别来到每个R-Router。因此，通过使用所有R-Router和G-Router的流量数据，我想开发算法。

Available :

        - Count of traffic at each Router/Signal [Dynamically changes after each 5 minutes]
        - Distance Between each Router
Find : 

        - Probabilistic Time Required for ‘A’ vehicle to reach any given router.

选择机器学习算法

0 个答案: