Dzięki sztucznej inteligencji pojazdy autonomiczne będą miały zieloną falę

W nowym badaniu naukowcy z MIT prezentują metodę uczenia maszynowego, która potrafi tak kontrolować pojazdy autonomiczne, aby miały one zieloną falę. W całym pomyśle chodzi o to, aby samochody jeździły płynnie i nie zatrzymywały się na czerwonym, co pozwoli zmniejszyć zużycie paliwa i szkodliwe emisje.

Korzystając z symulacji, naukowcy odkryli, że ich podejście zmniejsza zużycie paliwa i emisję spalin przy jednoczesnej poprawie średniej prędkości pojazdu. Technika ta daje najlepsze wyniki, jeśli wszystkie samochody na drodze są autonomiczne, ale nawet jeśli tylko 25% z nich korzysta z tej technologii, to i tak przynosi to znaczne korzyści w zakresie zużycia paliwa i zmniejszenia emisji.

pojazdy autonomiczne zielona fala

To naprawdę interesujący obszar do wprowadzenia zmian. Życie nikogo nie stanie się lepsze, ponieważ utknął na skrzyżowaniu. W przypadku wielu innych pomysłów związanych ze zmianami klimatu oczekuje się różnicy w jakości życia, więc istnieje bariera wejścia. Tutaj ta bariera jest znacznie niższa – mówi Cathy Wu, starszy autor badania, profesor Gilbert W. Winslow Career Development Assistant na Wydziale Inżynierii Lądowej i Środowiska, członek Institute for Data, Systems, and Society (IDSS) oraz Laboratory for Information and Decision Systems (LIDS).

Główną autorką jest Vindula Jayawardana, studentka studiów magisterskich w LIDS oraz na Wydziale Elektrotechniki i Informatyki.

Pojazdy autonomiczne będą myśleć strategicznie

W typowym podejściu do rozwiązywania problemów sterowania skrzyżowaniami stosuje się modele matematyczne do rozwiązania jednego prostego, idealnego skrzyżowania. Wygląda to dobrze na papierze, ale prawdopodobnie nie sprawdzi się w rzeczywistym świecie, gdzie schematy ruchu są często bardzo chaotyczne.

pojazdy autonomiczne zielona fala

Wu i Jayawardana zmieniły podejście do problemu, stosując technikę bez użycia modeli, znaną jako głębokie uczenie wzmacniające. Uczenie przez wzmocnienie to metoda prób i błędów, w której algorytm sterujący uczy się podejmować sekwencję decyzji. Gdy znajdzie dobrą sekwencję, jest nagradzany. W przypadku głębokiego uczenia wzmacniającego algorytm wykorzystuje założenia poznane przez sieć neuronową, aby znaleźć skróty do dobrych sekwencji, nawet jeśli istnieją miliardy możliwości.

Jest to przydatne przy rozwiązywaniu problemów o długim horyzoncie czasowym; algorytm sterowania musi wydać pojazdowi nawet 500 instrukcji przyspieszenia w dłuższym okresie czasu – wyjaśnia Wu.

Musimy odpowiednio dobrać sekwencję, aby mieć pewność, że udało nam się ograniczyć emisję spalin i dojechać do skrzyżowania z odpowiednią prędkością – dodaje.

Ale jest jeszcze jeden problem. Naukowcy chcą, aby system nauczył się strategii, która zmniejszy zużycie paliwa i ograniczy wpływ na czas podróży. Cele te mogą być sprzeczne.

pojazdy autonomiczne zielona fala

Aby skrócić czas podróży, chcemy, aby samochód jechał szybko, ale aby ograniczyć emisję spalin, chcemy, aby zwolnił lub w ogóle się nie poruszał. Te konkurujące ze sobą elementy mogą być bardzo mylące dla uczącej się sztucznej inteligencji – mówi Wu.

Po opracowaniu skutecznego algorytmu sterowania przeprowadzono jego ocenę na platformie symulacji ruchu drogowego z jednym skrzyżowaniem. Algorytm sterowania zastosowano co całej floty samochodów, które mogą komunikować się ze zbliżającymi się sygnalizatorami, aby otrzymywać informacje o fazach i czasie nadawania sygnałów oraz obserwować swoje bezpośrednie otoczenie. Algorytm sterowania instruuje pojazdy autonomiczne, jak mają przyspieszać i zwalniać.

pojazdy autonomiczne zielona fala

Ograniczenie zużycia paliwa nawet o 18%

W symulacjach więcej samochodów przejechało przez skrzyżowanie w ciągu jednej fazy zielonej, co przewyższyło wyniki modelu symulującego pracę kierowców. W porównaniu z innymi metodami optymalizacji, również mającymi na celu unikanie zatrzymywania się i ruszania z miejsca, nowe podejście pozwoliło na większe ograniczenie zużycia paliwa i zmniejszenie emisji. Gdyby każdy pojazd na drodze był autonomiczny, ich system sterowania mógłby zmniejszyć zużycie paliwa o 18%, a emisję dwutlenku węgla o 25%, jednocześnie zwiększając średnią prędkość jazdy o 20%.

W przyszłości naukowcy chcą sprawdzić efekty interakcji pomiędzy wieloma skrzyżowaniami. Planują także zbadanie, w jaki sposób różne konfiguracje skrzyżowań (liczba pasów ruchu, sygnalizacja, czasy itd.) mogą wpływać na czas podróży, emisję spalin i zużycie paliwa przez pojazdy autonomiczne. Chcą też wiedzieć, jak ich system sterowania może wpłynąć na bezpieczeństwo w sytuacji, gdy pojazdy autonomiczne i kierowcy będą wspólnie korzystać z dróg.

Źródło: Techxplore

0 0 votes
Article Rating
Powiadomienia
Powiadom o
0 komentarzy
Inline Feedbacks
View all comments
0
Would love your thoughts, please comment.x