0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

谷歌使用机器学习模型来预测哪条路线最省油或最节能

IEEE电气电子工程师 来源:IEEE电气电子工程师 2023-07-25 16:37 次阅读
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

该公司表示,司机们正在听取谷歌地图关于如何减少旅行中温室气体排放的建议。

2021年末,谷歌在谷歌地图中推出了一项功能,用户可以看到最省油的路线。谷歌在近日发布的最新环境报告中估计,该功能已帮助防止了约120万公吨的地球升温二氧化碳排放 —— 这几乎相当于一年内减少25万辆耗油汽车。

该工具在美国推出,但现在在加拿大、埃及和欧洲近40多个国家也有售。谷歌使用机器学习模型来预测哪条路线最省油或最节能,并向地图用户推荐。如果最省油的路线也是最快的,谷歌地图将默认使用该选项。

用户还可以告诉该应用程序汽车的发动机类型,无论是汽油、柴油、混合动力还是电动,以获得更准确的预测。可以肯定的是,乘坐公共交通、骑自行车或步行仍然是更可持续的选择,谷歌表示,它正在努力使地图在驾驶之外更容易使用。

用户还可以告诉该应用程序汽车的发动机类型,无论是汽油、柴油、混合动力还是电动,以获得更准确的预测。可以肯定的是,乘坐公共交通、骑自行车或步行仍然是更可持续的选择,谷歌表示,它正在努力使地图在驾驶之外更容易使用。11月,谷歌在一些大城市推出了“实时查看(Live View)”AR功能,使地图更具沉浸感。它当时还更新了带有过滤器的地图,以帮助电动汽车驾驶员找到快速充电器。

根据谷歌自己的分析,许多司机正在走汽车污染最小的道路。为了计算阻止排放的尾气,该公司将地图用户在行驶路线上可能消耗的燃料量与如果没有环保路线工具,他们走最快的路线会消耗的燃料进行了比较。从2021年10月谷歌推出该工具到2022年12月,节省了120万公吨的二氧化碳排放量。

这都是谷歌到2022年通过其产品帮助10亿用户“做出更可持续的选择”目标的一部分。在其新的环境报告中,谷歌还通过Nest分享了多年来的节能数字。据估计,2011年至2022年间,其智能恒温器节省了1130多亿千瓦时的能源和3600万公吨的二氧化碳排放量。仅去年一年,Nest恒温器就帮助用户节省了比谷歌当年使用的更多的能源。

当然,谷歌产生的污染比任何家庭都要严重得多。2022年,其碳足迹总计排放了1018多万公吨二氧化碳,大致相当于一年内25多个燃气发电厂的污染。谷歌的排放量已从2018年的约1360万公吨下降,但该公司要实现到2030年将排放量减半的目标还有很长的路要走。

责任编辑:彭菁

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 电动汽车
    +关注

    关注

    156

    文章

    12550

    浏览量

    236234
  • 谷歌
    +关注

    关注

    27

    文章

    6244

    浏览量

    110259
  • 模型
    +关注

    关注

    1

    文章

    3648

    浏览量

    51712
  • 机器学习
    +关注

    关注

    66

    文章

    8541

    浏览量

    136233

原文标题:谷歌地图将用来帮减少尾气污染

文章出处:【微信号:IEEE_China,微信公众号:IEEE电气电子工程师】欢迎添加关注!文章转载请注明出处。

收藏 人收藏
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

    评论

    相关推荐
    热点推荐

    分享一个嵌入式开发学习路线

    如果你想要学习嵌入式开发,我建议按照这个学习路线准备: 1. 基础铺垫期(1-2个月) 理解嵌入式系统的“硬件基础”和“编程入门”,能看懂简单电路,写出基础C语言代码。这一阶段的学习
    发表于 12-04 11:01

    超小型Neuton机器学习模型, 在任何系统级芯片(SoC)上解锁边缘人工智能应用.

    Neuton 是一家边缘AI 公司,致力于让机器 学习模型更易于使用。它创建的模型比竞争对手的框架小10 倍,速度也快10 倍,甚至可以在最先进的边缘设备上进行人工智能处理。在这篇博文
    发表于 07-31 11:38

    通过NVIDIA Cosmos模型增强机器人学习

    通用机器人的时代已经到来,这得益于机械电子技术和机器人 AI 基础模型的进步。但目前机器人技术的发展仍面临一个关键挑战:机器人需要大量的训练
    的头像 发表于 07-14 11:49 760次阅读
    通过NVIDIA Cosmos<b class='flag-5'>模型</b>增强<b class='flag-5'>机器人学习</b>

    模型在半导体行业的应用可行性分析

    的应用,比如使用机器学习分析数据,提升良率。 这一些大模型是否真的有帮助 能够在解决工程师的知识断层问题 本人纯小白,不知道如何涉足这方面 应该问什么大模型比较好,或者是看什么视频能够
    发表于 06-24 15:10

    边缘计算中的机器学习:基于 Linux 系统的实时推理模型部署与工业集成!

    你好,旅行者!欢迎来到Medium的这一角落。在本文中,我们将把一个机器学习模型(神经网络)部署到边缘设备上,利用从ModbusTCP寄存器获取的实时数据
    的头像 发表于 06-11 17:22 781次阅读
    边缘计算中的<b class='flag-5'>机器</b><b class='flag-5'>学习</b>:基于 Linux 系统的实时推理<b class='flag-5'>模型</b>部署与工业集成!

    请问是否可以在模型服务器中使用REST请求OpenVINO™预测

    是否可以在模型服务器中使用 REST 请求OpenVINO™预测
    发表于 03-05 08:06

    OpenAI简化大模型选择:萨姆·奥特曼制定路线

    OpenAI的首席执行官萨姆·奥特曼(Sam Altman)近期为公司的GPT-4.5和GPT-5大模型开发制定了一项重要的路线图,旨在极大地简化和优化用户及开发人员在选择AI模型时的体验。 在当
    的头像 发表于 02-18 09:12 749次阅读

    机器学习模型市场前景如何

    当今,随着算法的不断优化、数据量的爆炸式增长以及计算能力的飞速提升,机器学习模型的市场前景愈发广阔。下面,AI部落小编将探讨机器学习
    的头像 发表于 02-13 09:39 619次阅读

    信道预测模型在数据通信中的作用

    在现代通信系统中,数据传输的可靠性和效率是衡量系统性能的关键指标。信道预测模型作为通信系统中的一个核心组件,其作用在于预测信道条件的变化,从而优化数据传输策略,提高通信质量。 信道预测
    的头像 发表于 01-22 17:16 1280次阅读

    【「基于大模型的RAG应用开发与优化」阅读体验】+大模型微调技术解读

    。通过微调,模型可以学习特定领域的专业知识和语言特征,从而在高度专业化的领域中展现出卓越的表现。微调过程主要有这几项内容:数据清洗:消除噪声、提高数据质量。包括处理缺失值(如用特殊符号代替缺失的单词
    发表于 01-14 16:51

    借助谷歌Gemini和Imagen模型生成高质量图像

    在快速发展的生成式 AI 领域,结合不同模型的优势可以带来显著的成果。通过利用谷歌的 Gemini 模型制作详细且富有创意的提示,然后使用 Imagen 3
    的头像 发表于 01-03 10:38 1338次阅读
    借助<b class='flag-5'>谷歌</b>Gemini和Imagen<b class='flag-5'>模型</b>生成高质量图像

    【「具身智能机器人系统」阅读体验】2.具身智能机器人大模型

    近年来,人工智能领域的大模型技术在多个方向上取得了突破性的进展,特别是在机器人控制领域展现出了巨大的潜力。在“具身智能机器人大模型”部分,作者研究并探讨了大
    发表于 12-29 23:04

    《具身智能机器人系统》第7-9章阅读心得之具身智能机器人与大模型

    医疗领域,手术辅助机器人需要毫米级的精确控制,书中有介绍基于视觉伺服的实时控制算法,以及如何利用大模型优化手术路径规划。工业场景中,协作机器人面临的主要挑战是快速适应新工艺流程。具身智能通过在线
    发表于 12-24 15:03

    【「大模型启示录」阅读体验】营销领域大模型的应用

    今天跟随「大模型启示录」这本书,学习在营销领域应用大模型。 大模型通过分析大量的消费者数据,包括购买历史、浏览记录、社交媒体互动等,能够识别消费者的偏好和行为模式。这种分析能力有助于企
    发表于 12-24 12:48

    AI模型部署边缘设备的奇妙之旅:目标检测模型

    滤波器都会生成一个称为“特征图”“激活图”的输出。 共享权重:所有位置使用相同的卷积核参数,这不仅减少了模型参数的数量,还使得模型能够学习到平移不变的特征。 2.3.5.2 激活层
    发表于 12-19 14:33