5% робокаров — и пробок больше нет? Новое исследование говорит — да!

Пост опубликован в блогах iXBT.com, его автор не имеет отношения к редакции iXBT.com
| Мнение | Наука и космос

Пробки на дорогах — настоящая головная боль XXI века. Огромные мегаполисы задыхаются в стальных объятиях автомобилей, а драгоценное время утекает сквозь пальцы, потраченное впустую на томительное ожидание. Но что, если решение этой проблемы ближе, чем кажется?

Сегодня все чаще мы слышим о беспилотных автомобилях, которые вот-вот должны совершить революцию в мире транспорта. Но пока автономные робомобили лишь робко делают первые шаги на городских улицах, ученые уже заглядывают в будущее, где эти «умные» машины станут неотъемлемой частью дорожного движения.

Группа исследователей из мира IT-технологий задалась амбициозной целью: выяснить, способны ли робомобили уже сегодня оптимизировать движение в условиях реального города, находясь в окружении автомобилей, управляемых людьми.

Трафик на перекрестке, иллюстрация
Трафик на перекрестке, иллюстрация
Автор: ИИ Copilot Designer//DALL·E 3 Источник: www.bing.com

Ключевым инструментом в руках ученых стал искусственный интеллект, а точнее — один из его методов, известный как «обучение с подкреплением». Представьте себе виртуальный полигон, где робомобили учатся правилам дорожного движения. За каждое грамотное и эффективное действие — например, своевременное снижение скорости перед пешеходным переходом или выбор оптимальной полосы движения — виртуальный «водитель» получает виртуальное же «поощрение».

Конвейер подхода ученых. a. Каждый RV в зоне контроля кодирует дорожную обстановку на перекрестке в виде представления фиксированной длины. Оно включает в себя как макроскопические характеристики движения, такие как длина очереди и время ожидания, так и микроскопические характеристики движения, такие как расположение транспортных средств в каждом направлении движения (E, W, N и S означают восток, запад, север и юг соответственно; C означает пересечение, а L - поворот налево). b. Представление условий движения затем используется каждым RV для принятия решения об остановке или въезде на перекресток.
Конвейер подхода ученых. a. Каждый RV в зоне контроля кодирует дорожную обстановку на перекрестке в виде представления фиксированной длины. Оно включает в себя как макроскопические характеристики движения, такие как длина очереди и время ожидания, так и микроскопические характеристики движения, такие как расположение транспортных средств в каждом направлении движения (E, W, N и S означают восток, запад, север и юг соответственно; C означает пересечение, а L — поворот налево). b. Представление условий движения затем используется каждым RV для принятия решения об остановке или въезде на перекресток.
Автор: Dawei Wang, Weizi Li, Lei Zhu, Jia Pan; Machine Learning (cs.LG); Multiagent Systems (cs.MA); Robotics (cs.RO) arXiv:2301.05294 [cs.LG] DOI: https://doi.org/10.48550/arXiv.2301.05294 CC-BY 4.0 Источник: arxiv.org

Постепенно искусственный интеллект обучается предвидеть ситуацию на дороге, принимать оптимальные решения и действовать на опережение, синхронизируя свои действия с окружающими участниками движения.

Результаты симуляций оказались впечатляющими. Введение в транспортный поток даже небольшого количества (всего 5%) робомобилей, управляемых искусственным интеллектом, привело к полному исчезновению пробок.

Удивительно, но моделирование показало: эффективность движения оказывается выше при 60% робомобилей в потоке, чем при регулировании светофорами.

Сравнение условий движения с RV и без них во время отключения света на перекрестке 229. Затруднение движения происходит на 5-й минуте. Заторы быстро образуются в течение 15 минут при движении без фургонов. И наоборот, движение, регулируемое с помощью 50 % робомобилей, не приводит к образованию заторов.
Сравнение условий движения с RV и без них во время отключения света на перекрестке 229. Затруднение движения происходит на 5-й минуте. Заторы быстро образуются в течение 15 минут при движении без фургонов. И наоборот, движение, регулируемое с помощью 50 % робомобилей, не приводит к образованию заторов.
Автор: Dawei Wang, Weizi Li, Lei Zhu, Jia Pan; Machine Learning (cs.LG); Multiagent Systems (cs.MA); Robotics (cs.RO) arXiv:2301.05294 [cs.LG] DOI: https://doi.org/10.48550/arXiv.2301.05294 CC-BY 4.0 Источник: arxiv.org

Конечно, до полноценной реализации этих технологий на реальных дорогах предстоит проделать еще долгий путь. Ученым необходимо протестировать разработанные алгоритмы на различных типах перекрестков, в условиях реальной связи между транспортными средствами, а также учесть множество дополнительных факторов, которые могут возникнуть в реальной жизни.

Однако уже сейчас можно с уверенностью сказать, что за беспилотными технологиями — будущее. И, возможно, совсем скоро наши города избавятся от пробок, а мы с вами — от головной боли, связанной с ними.

1 комментарий

D
В этой модели просто совершенно не учитывается поведение *удаков, которых тоже достаточно 5%, чтобы вернуть пробки на круги своя.

Добавить комментарий

Сейчас на главной

Новости

Публикации

Банан, шоколад и меньше сахара: стоят ли мюсли Matti своего ценника?

Завтрак — важнейший прием пищи, но утром времени на готовку почти никогда не хватает. В такой ситуации на помощь приходят готовые сухозаряженные решения. Мюсли ценят именно за...

✦ ИИ  Почему шерсть вплетается в диван и не берётся пылесосом — считаем, что именно её там держит

Пылесос уносит с дивана песчинку в 1,4 мг и оставляет шерстинку в 0,33 мг. Считаем, что именно держит шерсть в ворсе: храповик из чешуек и статика.

Почему «Не кричи, волки!» Фарли Моуэта изменила отношение к волкам, несмотря на проблемы с научной достоверностью

В 1963 году канадец Фарли Моуэт выпустил книгу, после которой общественное отношение к волку на десятилетия изменилось — от врага к почти семейному зверю.За пятнадцать лет до этого, в...

Наш мозг состоит из двух разных органов: как эволюция объединила независимые нервные системы

Головной мозг человека выглядит как цельный орган. Кора больших полушарий анатомически переходит в подкорковые структуры, те продолжаются в средний мозг, переходят в ствол, а ствол соединяется со...

ChatGPT против Claude: сравниваем топовые нейронки на 6 задачах

ChatGPT и Claude — это самые популярные и мощные инструменты на рынке ИИ сейчас. Обе нейронки умеют писать тексты, считать таблицы и собирать файлы. Мне захотелось сравнить и...

Почему на мотоцикле первая передача включается движением вниз

Технологии развиваются, все больше появляется мотоциклов на электрической тяге, с ДВС, но с автоматическими (и полуавтоматическими) коробками в трансмиссии. Но если сесть на классический мотоцикл...