许多交通堵塞是由人的行为引起的:轻轻踩一下刹车就会在一排汽车中引发连锁反应，导致减速——甚至莫名其妙地完全堵塞。
但在上周纳什维尔郊外进行的一项大规模交通实验中，科学家们测试了在道路上引入一些配备了人工智能的车辆是否有助于缓解这些“幻影”拥堵，并为每个人减少燃料消耗。答案似乎是肯定的。
在五天的时间里，研究人员进行了世界上规模最大的交通实验之一，在纳什维尔州I-24公路的繁忙路段部署了100辆日产Rogue、丰田RAV4和凯迪拉克XT5汽车组成的车队。每辆车都配备了人工智能巡航控制系统，该系统旨在自动调整车速，以改善整体交通流量，实质上是将每辆车变成自己的“机器人交通管理员”。
“开车非常靠直觉。如果你前面有差距，你就加速。如果有人刹车，你就减速。但事实证明，这种非常正常的反应可能会导致走走停停的交通和能源效率低下，”加州大学伯克利分校的副教务长兼廖cho工程学教授Alexandre Bayen说。“这正是人工智能技术能够解决的问题——它可以将车辆导向人类无法直观感知的事物，但总体上更高效。”
Bayen是CIRCLES联盟的首席研究员，这是一个多所大学的研究合作项目，致力于使用机器学习改善交通流量和提高能源效率。上周的实验是与北美日产(Nissan)、丰田(Toyota)、通用汽车(General Motors)和田纳西州交通部(Tennessee Department of Transportation)合作进行的，这是circle首创的人工智能技术首次在如此规模上得到测试。
“通过进行如此大规模的实验，我们希望表明我们的研究结果可以在社会层面上得到复制，”美国加州大学伯克利分校土木与环境工程助理教授玛丽亚·劳拉·德尔·莫纳奇(Maria Laura Delle Monache)说。“即使只有少数车辆表现不同，整个系统也会受到影响，这对路上的每个人都更好，而不仅仅是那些配备了人工智能车辆的人。”
为了完成这项巨大的事业，来自世界各地的50多名圆圈研究人员聚集在田纳西州安提阿一个由办公室改建的大型“指挥中心”。实验从11月14日持续到11月18日，每天早上，训练有素的司机驾驶ai驱动的车辆在最近开放的I-24 MOTION试验台上行驶，这是一段州际公路，配备了300个4K数字传感器来监测交通状况。
当司机行驶在他们的路线上时，研究人员从车辆和I-24 MOTION交通监测系统收集交通数据。仅在11月16日，该系统就记录了总计143010英里的行驶里程和3780小时的驾驶时间。I-24 MOTION系统，结合在CIRCLES项目中开发的车辆能源模型，将提供在这些小时内整个交通流的燃料消耗的估计。
“我们的初步结果表明，即使道路上只有一小部分此类车辆，我们也可以有效地改变交通的整体行为。由于这是第一次进行如此规模的试验，需要几个月的时间来挖掘收集到的数据，并精确量化现场试验的能源影响。”“改变游戏规则的是协调——事实上，车辆利用彼此的存在，可以对下游的交通状况做出先发制人的反应。”
新的人工智能技术超越了市场上已有的自适应巡航控制系统。除了根据当地情况调整车速外，该技术还整合了交通状况信息，并调整车速，以帮助整体交通顺畅。
实验还展示了CIRCLES团队开发的一个新功能:能够同时将协作算法推向不同的汽车平台(日产、通用和丰田)。该团队正在计划如何将这项技术应用于加州。
“走走停停的交通带来了很多问题，”CIRCLES的首席工程师兼联合pi、加州大学伯克利分校交通研究所的工作人员乔纳森·李(Jonathan Lee)说。“不断的启动和停止浪费了大量的能量。这对司机和乘客来说也不舒服，还会增加碰撞的可能性。通过疏通交通，我们希望驾驶不仅更安全、更节能，而且也更舒适。”
源自traffic mo关注交通平滑
十多年来，Bayen和CIRCLES联盟的其他成员一直在应用最新的技术来帮助改善交通。2008年，巴恩和当时还是加州大学伯克利分校研究生的丹尼尔·沃克(Daniel Work)领导了“移动千年”(Mobile Millennium)项目，这是首次展示gps智能手机如何提供实时交通状况信息的项目之一。在实验中，加州大学伯克利分校的研究小组管理着一支由100辆车组成的车队，行驶在旧金山湾区10英里的路线上，同时诺基亚手机将每辆车的速度信息传输到中央服务器。
现在智能手机无处不在，点击一个按钮就可以获得实时交通信息，Bayen很兴奋地展示了机器学习不仅可以用来监控交通，还可以用来改善道路状况。
“我们正在使用的技术的美妙之处在于，它们可以获取人类数据，从中学习，然后应用它使事情变得更好，”Bayen说。
2016年，包括Work和Delle Monache在内的一组研究人员进行了一项现实世界的实验，展示了智能汽车可能对交通流量产生的深远影响。
在实验中，20辆汽车在一条封闭的环形轨道上行驶。当所有的汽车都由人类驾驶时，交通“波”不断出现，模仿道路上的走走停停模式。但只要在混合动力车中加入一辆智能汽车，就能缓解人为因素带来的波动，总体上节省40%的燃料。
在2020年获得美国能源部(DOE) 350万美元的拨款后，CIRCLES团队开始准备在更大的规模上重复实验，这一次将配备人工智能的车辆整合到高速公路的正常车流中。
Delle Monache说:“汽车上已经有了驾驶辅助系统，但我们还不完全了解这项技术是如何影响交通的。”“通过这个实验，我们希望更好地了解这些系统的影响，并确保无论影响是什么，它都有利于整个交通，而不仅仅是个别车辆。”
创造“社会可接受的”人工智能
作为CIRCLES联盟的一部分，加州大学伯克利分校的研究人员已经率先开发了控制人工智能驱动汽车的速度的机器学习算法。这些算法也被称为“速度规划者”和“控制器”，它们利用总体交通状况和车辆周围环境的信息来确定改善交通流量的最佳速度。
加州大学伯克利分校Delle Monache团队的博士后研究员Hossein Nick Zinat Matin说:“我们的想法是，如果前方道路出现交通堵塞或瓶颈，我们想尝试调整车辆的速度，这样它就不会加剧拥堵。”“这是个复杂的数学问题。”
要开发这些速度规划者，团队首先必须定义描述交通行为的数学模型。一般来说，马廷说，交通流动可以用类似于控制流体流动的方程式来建模，但驾驶过程中的人为因素使事情复杂化。
“司机不仅仅是粒子。它们会思考，并有特定的行为。”“这就是这个研究领域真正有趣的地方。”
李说，捕捉交通流的这一人性方面也是上周的实验如此重要的原因之一。该团队定期运行计算机交通模拟，训练机器学习算法，以平滑走走停停的行为，并将能源消耗降到最低。从实验中获得的数据将对改进这些模拟和算法以适应真实驾驶环境至关重要。
在现场测试该软件也很重要，以确保人工智能驱动的车辆不会表现出可能被人类认为“社会不可接受”的行为。例如，车辆可以通过保持缓慢、稳定的速度，而不是不断加速和刹车，使交通顺畅。然而，慢速驾驶可能会在车流中造成很大的空隙，这可能会激怒其他司机，或者让其他车辆插队。
“我们希望训练我们的车辆以一种特定的方式行驶，既不像人类，又不完全被社会所接受，”李说。“在测试周期间，我们的一大关注点是根据车手的反馈对控制器进行每日调整。”
除了训练算法遵守道路规则外，软件还必须与实际车辆的硬件和性能兼容。虽然模拟汽车可以在瞬间从零加速到每小时60英里，但即使是最先进的跑车也无法达到这种加速水平。
“我之前的工作都是在开发只在计算机上运行的算法，所以考虑到所有的硬件限制和考虑因素对我来说是一个有趣的范式转变，”加州大学伯克利分校Bayen团队的二年级博士生Arwa AlAnqary说。
Bayen, Delle Monache, Lee, Matin和AlAnqary是加州大学伯克利分校的18名学生，博士后，教职员工，上周前往纳什维尔帮助进行实验。当司机把车开上州际公路，启动人工智能驱动的巡航控制系统时，该团队就在现场分析输入的数据，解决实验过程中出现的任何最后一分钟的技术故障。
李说:“我们的愿景是，这项技术最终将被应用到许多(如果不是所有)车辆上，我们正在努力使其可扩展到公众。”由加州大学伯克利分校提供引文:大规模交通实验让机器学习对抗“幻影”拥堵(2022年，11月24日)检索于2022年11月29日https://techxplore.com/news/2022-11-massive-traffic-pits-machine-phantom.html本文档受版权保护。除用于个人学习或研究的公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。
