主页 > 每日推荐 >自驾车缓解塞车窘境 >

自驾车缓解塞车窘境

2020-08-01


自駕車緩解塞車窘境

许多干道每逢尖峰时段便会大塞车,然而除去天候不佳、车祸等不可抗力因素外,造成塞车的原因往往来自人类驾驶本身:只要任一位驾驶突踩剎车,就会导致后方车潮一连串走走停停的现象,让交通大打结。不过柏克莱大学的研究团队发现:只要在车潮中混合一定比例的自驾车,就能有效缓解壅塞情形,甚至将整体车速提升至两倍,解决塞车窘境。

道路交通模拟

研究採用一套名为SUMO(Simulation of Urban MObility)的平台来模拟道路交通。该平台有着与电玩游戏相似的介面,使用者可自由设定如道路形式、交通管制灯号与车流量等背景参数。研究团队的主要构想,是希望藉由增加车潮中自驾车的比例,以缓冲、调整人类驾驶的错误驾驶行为,提升整体交通效率。模拟考虑了多种道路情境,包括单一圆环、双圆环、8字形道路、十字路口、多条车道汇集的瓶颈路段,甚至纽约曼哈顿市区的方格状街区设计。

自驾车缓解塞车窘境

图一、道路模拟情境:8字形与圆环 (来源:Flow Project)

所有加入车流的自驾车,都由一个基于强化学习(reinforcement learning)架构所训练出的「中央演算法」所控制,调整自驾车加速与剎车频率;唯独在曼哈顿方格街区的模拟情境中,由于交叉路口密集,改由让中央演算法控制交通号誌来影响车流。

自驾车提升整体车速

实验结果相当亮眼:在8字形道路、共14台人驾车行驶的情境下,替换其中一台为自驾车后,整体车速提升至两倍;在瓶颈路段模拟中,10%的人驾车替换为自驾车后,交通状况获得改善,甚至在某些时段,平均车速也提升达两倍以上;在曼哈顿街区的模拟中,由AI代管交通号誌的情况下,道路可运输车量增加了7%。然而,实际上,其中的诀窍相当简单:保持自驾车车速、保持与前方车辆的安全距离,以及减少剎车次数与频率。

自驾车缓解塞车窘境

图二、瓶颈路段的模拟:无自驾车(上)、有自驾车加入的情境(下)。(来源:Flow Project)

立即行动

当然,该研究的主导人Eugene Vinitsky不讳言这样的演算法尚有改善空间,因此选择公开原始程式码,欢迎大家参考、使用,在既有的框架下集思广益,开发出更好、更完美的版本,有朝一日,将自驾车与AI实际应用于交通路况的监控。

而在此之前,其实已有许多既有的技术与配备,只有稍作修改,便可有效改善交通状况。举例来说,现有多数市售汽车皆具的主动车距调节巡航系统(Adaptive cruise control,ACC)就是其中之一。AI所採用的交管策略看似简单:维持一定车速、与前方车辆保持安全距离并减少非必要的剎车,但要让所有驾驶都遵守却相当困难。ACC可以根据上述原则自动调整剎车次数、加速模式、车距与车速等,来缓解塞车现象,节省时间、燃料,甚至挽救一些无辜的生命。这是我们当下可以立即採取的行动。

编译来源

M. Hutson, “Watch just a few self-driving cars stop traffic jams”, Science/AAAS, 16 Nov 2018.

参考资料

Alexandre Bayen’s Mobile Sensing Lab, “Flow: a deep reinforcement learning framework for mixed autonomy traffic”, Flow.

(本文由教育部补助「AI报报─AI科普推广计画」执行团队编译)



上一篇:
下一篇: