Connect with us

Hi, what are you looking for?

Наука и технологии

Масштабный дорожный эксперимент противопоставляет машинное обучение «фантомным пробкам»

Масштабный дорожный эксперимент противопоставляет машинное обучение «фантомным пробкам»
Масштабный дорожный эксперимент противопоставляет машинное обучение «фантомным пробкам»

Многие пробки вызваны человеческим поведением: легкое нажатие на тормоз может прорваться через ряд автомобилей, вызывая замедление или полную пробку без видимой причины.

Но в масштабном дорожном эксперименте, который произошел за пределами Нэшвилла на прошлой неделе, ученые проверили, может ли появление на дороге всего нескольких автомобилей, оснащенных искусственным интеллектом, помочь облегчить эти «фантомные» пробки и снизить расход топлива для всех. Кажется, что да.

В течение пяти дней исследователи провели один из крупнейших в своем роде дорожных экспериментов, задействовав парк из 100 автомобилей Nissan Rogue, Toyota RAV4 и Cadillac XT5 на оживленном участке I-24 в Нэшвилле во время утренней поездки на работу. Каждое транспортное средство было оснащено системой круиз-контроля на базе искусственного интеллекта, предназначенной для автоматической регулировки скорости транспортного средства для улучшения общего потока трафика, что, по сути, превращало каждый автомобиль в своего собственного «управляющего дорожным роботом».

«Вождение очень интуитивное. Если перед вами разрыв, вы ускоряетесь. Если кто-то тормозит, вы замедляетесь. Александр Байен, заместитель ректора и профессор инженерных наук Ляо-Чо Калифорнийского университета в Беркли. «Это именно то, что способна исправить технология искусственного интеллекта — она может направить транспортное средство на то, что не интуитивно понятно человеку, но в целом более эффективно».

Байен является главным исследователем консорциума CIRCLES , исследовательского объединения нескольких университетов, занимающегося использованием машинного обучения для улучшения транспортных потоков и повышения энергоэффективности. Эксперимент, проведенный на прошлой неделе в сотрудничестве с Nissan North America, Toyota, General Motors и Министерством транспорта Теннесси, стал первым случаем , когда технология искусственного интеллекта, разработанная CIRCLES, была протестирована в таком масштабе.

«Проводя эксперимент в таком крупном масштабе, мы надеемся показать, что наши результаты могут быть воспроизведены на общественном уровне», — сказала содиректор CIRCLES Мария Лаура Делле Монаш, доцент кафедры гражданского и экологического проектирования Калифорнийского университета в Беркли. «Даже если несколько автомобилей ведут себя по-разному, это может повлиять на всю систему, что сделает ее лучше для всех на дороге, а не только для тех, у кого есть автомобили с искусственным интеллектом».

Для выполнения этой грандиозной задачи более 50 исследователей CIRCLES со всего мира собрались в большом «командном центре» в переоборудованном офисном помещении в Антиохии, штат Теннеси. Каждое утро эксперимента, который проходил с 14 по 18 ноября, обученные водители доставили автомобили с искусственным интеллектом на недавно открывшийся испытательный стенд I-24 MOTION , участок межштатной автомагистрали, оснащенный 300 цифровыми датчиками 4K для мониторинга дорожного движения.

По мере того, как водители двигались по маршруту, исследователи собирали данные о трафике как с автомобилей, так и с системы мониторинга движения I-24 MOTION. Только 16 ноября система зафиксировала в общей сложности 143 010 миль пробега и 3780 часов вождения. Система I-24 MOTION в сочетании с энергетическими моделями транспортных средств, разработанными в рамках проекта CIRCLES, обеспечит оценку расхода топлива всего транспортного потока в эти часы.

«Наши предварительные результаты показывают, что даже с небольшой долей этих транспортных средств на дороге мы можем эффективно изменить общее поведение транспорта. собранные данные и точно определяют энергетическое воздействие полевых испытаний», — сказал Байен. «Решающим моментом здесь стала координация — тот факт, что транспортные средства используют присутствие друг друга и могут упреждающе реагировать на условия движения ниже по течению».

Новая технология искусственного интеллекта выходит за рамки адаптивных систем круиз-контроля, которые уже представлены на рынке. В дополнение к регулированию скорости транспортного средства в зависимости от местных условий, технология также включает информацию о дорожных условиях и регулирует скорость, чтобы помочь сгладить общий транспортный поток.

Эксперимент также продемонстрировал новую функцию, разработанную командой CIRCLES: возможность одновременного внедрения алгоритмов совместной работы на разные автомобильные платформы (Nissan, GM и Toyota). Команда находится в процессе планирования того, как технология может быть развернута в Калифорнии.

«Движение с остановками создает много проблем», — сказал Джонатан Ли, главный инженер и со-директор CIRCLES, а также сотрудник Института транспортных исследований Калифорнийского университета в Беркли. «Постоянный запуск и остановка тратят много энергии. Это также неудобно для водителей и пассажиров и может увеличить вероятность столкновений. Сглаживая этот поток, мы надеемся сделать вождение не только более безопасным и энергоэффективным, но и более комфортным.

От мониторинга трафика до сглаживания трафика

Уже более десяти лет Bayen и другие члены консорциума CIRCLES применяют новейшие технологии для улучшения транспорта. В 2008 году Байен и Дэниел Ворк, который в то время был аспирантом Калифорнийского университета в Беркли, возглавили проект «Мобильное тысячелетие» — одну из первых демонстраций того, как смартфоны с поддержкой GPS могут предоставлять информацию о дорожной ситуации в режиме реального времени. В ходе эксперимента команда из Калифорнийского университета в Беркли управляла парком из 100 автомобилей, проехавших 10-мильный маршрут через район залива Сан-Франциско, в то время как телефоны Nokia передавали информацию о скорости от каждого автомобиля на центральный сервер.

Теперь, когда смартфоны распространены повсеместно, а информация о дорожном движении в режиме реального времени доступна одним нажатием кнопки, Байен рада показать, как можно использовать машинное обучение не только для мониторинга трафика, но и для улучшения условий на дороге.

«Прелесть методов, которые мы используем, заключается в том, что они могут брать человеческие данные, извлекать из них уроки, а затем применять их для улучшения ситуации», — сказал Байен.

В 2016 году группа исследователей, в которую входили Уорк и Делле Монаш, провела реальный эксперимент , показывающий, какое глубокое влияние умные автомобили могут оказать на транспортный поток.

В ходе эксперимента 20 автомобилей проехали по замкнутой круговой трассе. Когда всеми автомобилями управляли люди, постоянно возникали «волны» движения, имитирующие частые остановки, которые происходят на дорогах. Но добавление всего одного умного автомобиля сгладило волны, вызванные деятельностью человека, что привело к общей экономии топлива на 40%.

Получив в 2020 году от Министерства энергетики США (DOE) грант в размере 3,5 млн долларов, команда CIRCLES начала подготовку к повторению эксперимента в гораздо большем масштабе, на этот раз интегрировав автомобили с искусственным интеллектом в обычный поток дорожного движения.

«Автомобили уже продаются с системами помощи водителю, но мы еще не до конца понимаем, как эта технология влияет на трафик», — сказал Делле Монаш. «С помощью этого эксперимента мы надеемся лучше понять влияние этих систем, а также убедиться, что каким бы ни было влияние, оно приносит пользу дорожному движению в целом, а не только отдельным автомобилям».

Создание «социально приемлемого» ИИ

В рамках консорциума CIRCLES исследователи из Калифорнийского университета в Беркли взяли на себя инициативу в разработке алгоритмов машинного обучения, которые определяют, насколько быстро должны двигаться автомобили с искусственным интеллектом. Эти алгоритмы, также называемые «планировщиками скорости» и «контроллерами», используют информацию об общих условиях движения и непосредственном окружении автомобиля, чтобы определить наилучшую скорость для улучшения транспортного потока.

«Идея состоит в том, что если впереди на дороге появляется пробка или узкое место, мы хотим попытаться отрегулировать скорость транспортного средства так, чтобы это не способствовало пробкам», — сказал Хоссейн Ник Зинат Матин, исследователь с докторской степенью. в группе Делле Монаша в Калифорнийском университете в Беркли. «Это сложная математическая задача».

Чтобы разработать эти планировщики скорости, команда должна сначала определить математические модели, описывающие поведение трафика. В целом, говорит Матин, транспортный поток можно смоделировать с помощью уравнений, аналогичных тем, которые управляют потоком жидкости, но человеческий фактор вождения усложняет ситуацию.

«Водители — это не просто частицы. Они думают и ведут себя определенным образом», — сказал Матин. «Вот что делает эту область исследований действительно интересной».

Захват человеческого аспекта транспортного потока также является одной из причин, по которой эксперимент прошлой недели был таким важным, говорит Ли. Команда регулярно запускает компьютерные симуляции дорожного движения, чтобы обучить алгоритмы машинного обучения сглаживанию частых остановок и минимизации энергопотребления. Данные эксперимента будут иметь решающее значение для уточнения этих симуляций и алгоритмов для реального вождения.

Тестирование программного обеспечения в полевых условиях также важно, чтобы убедиться, что транспортные средства с искусственным интеллектом не ведут себя так, как это может считаться «социально неприемлемым» для людей. Например, транспортные средства могут сглаживать движение, поддерживая медленную постоянную скорость, а не постоянно ускоряясь и тормозя. Тем не менее, медленная езда может привести к образованию больших промежутков в движении, что может разозлить других водителей или позволить другим автомобилям подрезаться.

«Мы хотим научить наши автомобили водить особым образом, который не похож на человеческий, но и не является полностью социально неприемлемым», — сказал Ли. «Во время тестовой недели мы уделяли большое внимание ежедневным настройкам наших контроллеров на основе отзывов наших водителей».

Помимо обучения алгоритмов правилам дорожного движения, программное обеспечение также должно быть совместимо с оборудованием и возможностями реальных транспортных средств. В то время как смоделированный автомобиль может мгновенно разогнаться с нуля до 60 миль в час, даже самые современные спортивные автомобили не могут достичь такого уровня ускорения.

«Вся моя предыдущая работа заключалась в разработке алгоритмов, которые просто работали на компьютерах, поэтому учет всех аппаратных ограничений и соображений стал для меня интересным сдвигом парадигмы», — сказал Арва Аль-Анкари, доктор философии второго года обучения. студент группы Байена в Калифорнийском университете в Беркли.

Байен, Делле Монаш, Ли, Матин и Аль-Анкари были среди 18 студентов, докторантов, сотрудников и преподавателей Калифорнийского университета в Беркли, которые на прошлой неделе отправились в Нэшвилл, чтобы помочь в проведении эксперимента. Когда водители выезжали на автомагистралях между штатами и активировали систему круиз-контроля на базе искусственного интеллекта, команда была рядом, чтобы проанализировать поступающие данные и устранить любые технические сбои, возникшие в последнюю минуту во время эксперимента.

«Наше видение состоит в том, что в конечном итоге эта технология будет развернута во многих, если не во всех, транспортных средствах, и мы работаем над тем, чтобы сделать ее общедоступной», — сказал Ли.

Теги: ИИ

В тренде