91欧美超碰AV自拍|国产成年人性爱视频免费看|亚洲 日韩 欧美一厂二区入|人人看人人爽人人操aV|丝袜美腿视频一区二区在线看|人人操人人爽人人爱|婷婷五月天超碰|97色色欧美亚州A√|另类A√无码精品一级av|欧美特级日韩特级

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

谷歌使用機器學習模型來預測哪條路線最省油或最節(jié)能

IEEE電氣電子工程師 ? 來源:IEEE電氣電子工程師 ? 2023-07-25 16:37 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

該公司表示,司機們正在聽取谷歌地圖關于如何減少旅行中溫室氣體排放的建議。

2021年末,谷歌在谷歌地圖中推出了一項功能,用戶可以看到最省油的路線。谷歌在近日發(fā)布的最新環(huán)境報告中估計,該功能已幫助防止了約120萬公噸的地球升溫二氧化碳排放 —— 這幾乎相當于一年內減少25萬輛耗油汽車。

該工具在美國推出,但現(xiàn)在在加拿大、埃及和歐洲近40多個國家也有售。谷歌使用機器學習模型來預測哪條路線最省油或最節(jié)能,并向地圖用戶推薦。如果最省油的路線也是最快的,谷歌地圖將默認使用該選項。

用戶還可以告訴該應用程序汽車的發(fā)動機類型,無論是汽油、柴油、混合動力還是電動,以獲得更準確的預測??梢钥隙ǖ氖?,乘坐公共交通、騎自行車或步行仍然是更可持續(xù)的選擇,谷歌表示,它正在努力使地圖在駕駛之外更容易使用。

用戶還可以告訴該應用程序汽車的發(fā)動機類型,無論是汽油、柴油、混合動力還是電動,以獲得更準確的預測??梢钥隙ǖ氖?,乘坐公共交通、騎自行車或步行仍然是更可持續(xù)的選擇,谷歌表示,它正在努力使地圖在駕駛之外更容易使用。11月,谷歌在一些大城市推出了“實時查看(Live View)”AR功能,使地圖更具沉浸感。它當時還更新了帶有過濾器的地圖,以幫助電動汽車駕駛員找到快速充電器。

根據(jù)谷歌自己的分析,許多司機正在走汽車污染最小的道路。為了計算阻止排放的尾氣,該公司將地圖用戶在行駛路線上可能消耗的燃料量與如果沒有環(huán)保路線工具,他們走最快的路線會消耗的燃料進行了比較。從2021年10月谷歌推出該工具到2022年12月,節(jié)省了120萬公噸的二氧化碳排放量。

這都是谷歌到2022年通過其產品幫助10億用戶“做出更可持續(xù)的選擇”目標的一部分。在其新的環(huán)境報告中,谷歌還通過Nest分享了多年來的節(jié)能數(shù)字。據(jù)估計,2011年至2022年間,其智能恒溫器節(jié)省了1130多億千瓦時的能源和3600萬公噸的二氧化碳排放量。僅去年一年,Nest恒溫器就幫助用戶節(jié)省了比谷歌當年使用的更多的能源。

當然,谷歌產生的污染比任何家庭都要嚴重得多。2022年,其碳足跡總計排放了1018多萬公噸二氧化碳,大致相當于一年內25多個燃氣發(fā)電廠的污染。谷歌的排放量已從2018年的約1360萬公噸下降,但該公司要實現(xiàn)到2030年將排放量減半的目標還有很長的路要走。

責任編輯:彭菁

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權轉載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 電動汽車
    +關注

    關注

    156

    文章

    12612

    瀏覽量

    236841
  • 谷歌
    +關注

    關注

    27

    文章

    6254

    瀏覽量

    111335
  • 模型
    +關注

    關注

    1

    文章

    3751

    瀏覽量

    52093
  • 機器學習
    +關注

    關注

    66

    文章

    8553

    瀏覽量

    136918

原文標題:谷歌地圖將用來幫減少尾氣污染

文章出處:【微信號:IEEE_China,微信公眾號:IEEE電氣電子工程師】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關推薦
    熱點推薦

    強化學習會讓自動駕駛模型學習更快嗎?

    是一種讓機器通過“試錯”學會決策的辦法。與監(jiān)督學習不同,監(jiān)督學習是有人提供示范答案,讓模型去模仿;而強化學習不會把每一步的“正確答案”都告訴
    的頭像 發(fā)表于 01-31 09:34 ?636次閱讀
    強化<b class='flag-5'>學習</b>會讓自動駕駛<b class='flag-5'>模型</b><b class='flag-5'>學習</b>更快嗎?

    谷歌評論卡,碰一碰即可完成谷歌評論 #谷歌評論卡 #NFC標簽 #nfc卡

    谷歌
    深圳市融智興科技有限公司
    發(fā)布于 :2026年01月15日 17:02:00

    從數(shù)據(jù)到模型:如何預測細節(jié)距鍵合的剪切力?

    在微電子封裝領域,細節(jié)距鍵合工藝的開發(fā)與質量控制面臨著巨大挑戰(zhàn)。工程師們常常需要在缺乏大量破壞性測試的前提下,快速評估預測一個鍵合點的剪切力性能。能否根據(jù)焊球的表觀尺寸,通過一個可靠的數(shù)學模型
    發(fā)表于 01-08 09:45

    機器學習和深度學習中需避免的 7 個常見錯誤與局限性

    無論你是剛入門還是已經(jīng)從事人工智能模型相關工作一段時間,機器學習和深度學習中都存在一些我們需要時刻關注并銘記的常見錯誤。如果對這些錯誤置之不理,日后可能會引發(fā)諸多麻煩!只要我們密切關注
    的頭像 發(fā)表于 01-07 15:37 ?180次閱讀
    <b class='flag-5'>機器</b><b class='flag-5'>學習</b>和深度<b class='flag-5'>學習</b>中需避免的 7 個常見錯誤與局限性

    基于ETAS嵌入式AI工具鏈將機器學習模型部署到量產ECU

    AI在汽車行業(yè)的應用日益深化,如何將機器學習領域的先進模型(如虛擬傳感器)集成到ECU軟件中,已成為業(yè)界面臨的核心挑戰(zhàn)。
    的頭像 發(fā)表于 12-24 10:55 ?6082次閱讀
    基于ETAS嵌入式AI工具鏈將<b class='flag-5'>機器</b><b class='flag-5'>學習</b><b class='flag-5'>模型</b>部署到量產ECU

    模型賦能物資需求精準預測與采購系統(tǒng):功能特點與平臺架構解析

    ? ? 大模型賦能物資需求預測與采購智能化:核心功能與價值解析 ? ?大模型賦能物資需求精準預測與采購系統(tǒng)通過深度整合多源數(shù)據(jù)、構建動態(tài)預測
    的頭像 發(fā)表于 12-16 11:54 ?294次閱讀

    世界模型是讓自動駕駛汽車理解世界還是預測未來?

    做了什么? 世界模型,其實是一個“內部表征+動態(tài)預測”的組合。簡單理解,世界模型就是將感知到的東西(圖像、點云、雷達、文本、動作歷史)壓縮成一套內部狀態(tài),然后用這套內部狀態(tài)去生成、預測
    的頭像 發(fā)表于 12-16 09:27 ?854次閱讀
    世界<b class='flag-5'>模型</b>是讓自動駕駛汽車理解世界還是<b class='flag-5'>預測</b>未來?

    分享一個嵌入式開發(fā)學習路線

    如果你想要學習嵌入式開發(fā),我建議按照這個學習路線準備: 1. 基礎鋪墊期(1-2個月) 理解嵌入式系統(tǒng)的“硬件基礎”和“編程入門”,能看懂簡單電路,寫出基礎C語言代碼。這一階段的學習
    發(fā)表于 12-04 11:01

    谷歌云發(fā)布最強自研TPU,性能比前代提升4倍

    精心設計,能夠輕松處理從大型模型訓練到實時聊天機器人運行以及AI智能體操作等各類復雜任務。 ? 谷歌在新聞稿中著重強調,“Ironwood”是專為應對最嚴苛的工作負載而打造的。無論是大規(guī)模模型
    的頭像 發(fā)表于 11-13 07:49 ?8606次閱讀
    <b class='flag-5'>谷歌</b>云發(fā)布最強自研TPU,性能比前代提升4倍

    谷歌AlphaEarth和維智時空AI大模型的技術路徑

    谷歌AlphaEarth和維智時空AI大模型在應用場景和技術實現(xiàn)上各有側重,但兩者在底層技術理念上存在顯著共性。
    的頭像 發(fā)表于 10-22 14:48 ?895次閱讀

    超小型Neuton機器學習模型, 在任何系統(tǒng)級芯片(SoC)上解鎖邊緣人工智能應用.

    Neuton 是一家邊緣AI 公司,致力于讓機器 學習模型更易于使用。它創(chuàng)建的模型比競爭對手的框架小10 倍,速度也快10 倍,甚至可以在最先進的邊緣設備上進行人工智能處理。在這篇博文
    發(fā)表于 07-31 11:38

    通過NVIDIA Cosmos模型增強機器人學習

    通用機器人的時代已經(jīng)到來,這得益于機械電子技術和機器人 AI 基礎模型的進步。但目前機器人技術的發(fā)展仍面臨一個關鍵挑戰(zhàn):機器人需要大量的訓練
    的頭像 發(fā)表于 07-14 11:49 ?1075次閱讀
    通過NVIDIA Cosmos<b class='flag-5'>模型</b>增強<b class='flag-5'>機器人學習</b>

    模型在半導體行業(yè)的應用可行性分析

    的應用,比如使用機器學習分析數(shù)據(jù),提升良率。 這一些大模型是否真的有幫助 能夠在解決工程師的知識斷層問題 本人純小白,不知道如何涉足這方面 應該問什么大模型比較好,或者是看什么視頻能夠
    發(fā)表于 06-24 15:10

    邊緣計算中的機器學習:基于 Linux 系統(tǒng)的實時推理模型部署與工業(yè)集成!

    你好,旅行者!歡迎來到Medium的這一角落。在本文中,我們將把一個機器學習模型(神經(jīng)網(wǎng)絡)部署到邊緣設備上,利用從ModbusTCP寄存器獲取的實時數(shù)據(jù)
    的頭像 發(fā)表于 06-11 17:22 ?992次閱讀
    邊緣計算中的<b class='flag-5'>機器</b><b class='flag-5'>學習</b>:基于 Linux 系統(tǒng)的實時推理<b class='flag-5'>模型</b>部署與工業(yè)集成!

    請問是否可以在模型服務器中使用REST請求OpenVINO?預測?

    是否可以在模型服務器中使用 REST 請求OpenVINO?預測
    發(fā)表于 03-05 08:06