At spille godt:Hvordan selvkørende biler og menneskedrevne biler kunne dele vejen

Ligesom da Model T'er rejste sammen med heste og buggies, vil autonome køretøjer (AV'er) og menneskedrevne køretøjer (HV'er) en dag dele vej. Hvordan man bedst håndterer fremkomsten af ​​AV'er er emnet i en ny Carnegie Mellon-politikopskrift, Mixed-Autonomy Era of Transportation:Resilience &Autonomous Fleet Management.

Debatten fortsætter om, hvornår AV'er vil dominere vores gader, men en af ​​brevets forfattere, Carlee Joe-Wong, siger, at "når AV'er begynder at blive implementeret, vil der sandsynligvis ikke være nogen vej tilbage. Så der er behov for at begynde at tale om politikker nu, for at studere dem grundigt og få dem rigtigt, når AV'erne ankommer."

Joe-Wong, lektor i elektro- og computerteknik, og forskerholdet spurgte sig selv, "hvad er anderledes, når du har AV'er i blandingen, sammenlignet med hvis du bare har HV'er? Vi indså, at en af ​​de vigtigste forskelle mellem AV'er og HV'er er, at AV'er er altruistiske, og HV'er er egoistiske."

AV'er kan forudse, hvad der skal ske, og omdirigere sig selv, for eksempel i tilfælde af vejbygning eller en ulykke. Programmeret til at fungere sikkert og følge reglerne, kan AV'er udføre altruistiske handlinger, der gavner andre køretøjer og ikke kun dem selv. Mennesker, der har travlt, er måske ikke så generøse med deres tid.

Prisen for egoistisk kørsel bliver tydelig, når man undersøger trafikafviklingen. Efterhånden som biler, der opfører sig selvisk, bevæger sig ind og ud af et trafiksystem, vil systemet til sidst nå ligevægt, en afbalanceret tilstand, men trafikken flyder måske ikke så effektivt, som det kunne. For eksempel kan ligevægt opnås, når trafikken snerrer langs kofanger-til-kofanger. "Nogle gange er ligevægt langt fra optimal," siger Joe-Wong.

Forskerne mener, at altruisme kan forbedre trafikflowet ved at undgå suboptimale ligevægte, og ikke alle behøver at være søde for at forbedre rejsetider. I simuleringer kommer altruistiske tilstande i spil, når AV'er udgør 20% til 50% af køretøjerne på vejen. Rapporten foreslår måder at belønne altruisme på, herunder vejafgiftsfritagelser, parkeringsrabatter osv.

At finde de bedste driftspolitikker for AV-flåder er et andet emne, der behandles i rapporten. AV'er har kapacitet til at arbejde synkroniseret, men central kontrol af tusindvis af AV'er vil føre til beregningsproblemer og kommunikationsforsinkelser. Forskerne ønsker at finde en balance mellem centraliserede og decentraliserede politikker ved hjælp af forstærkende læring, en maskinlæringstræningsmetode.

Ingeniørerne overvejede, hvordan AV'er træffer beslutninger. Hvordan hjælper maskinlæring i denne proces, og hvilke typer beslutninger har den største indflydelse? Ifølge Joe-Wong, "Under nogle forhold har du virkelig brug for forstærkende læringsintelligens, men under andre forhold fortæller den forstærkende læring dig bare at gøre, hvad du sandsynligvis ville have gjort alligevel."

Holdet foreslår, at flådeoperatører træner modeller til at administrere AV-flåder lokalt. Hvis der opstår nye trafikmønstre, opdateres modellerne, især for at lede folk væk fra hændelser. Men hvis trafikken flyder uformindsket, er der behov for færre opdateringer, hvilket reducerer kommunikationen mellem AV'er på vejen og AV'er, der rapporterer tilbage til en centraliseret server.

Det sidste problem, som forskerne undersøgte, var, hvordan man håndterer trafikpropper og undgår kaskadefejl, der opstår, når en fejl i et system udløser en række hændelser, der fører til et netværkssvigt.

At operere i optimal ligevægt, anvende forstærkende læring og have en højere andel af kollaborative AV'er vil reducere overbelastning. Men for at løse kaskadefejl tog forskerne hensyn til andre transportformer, der findes i bynetværk. Forskerne tilføjede bus-, metro-, jernbane- og cykeldelingssystemer til deres modeller, og de var i stand til at vise, at hvis passagererne blev justeret mellem forskellige transportformer, ville dette maksimere brugen af ​​hele netværket og forhindre det i at overbelaste og fejle .

Baseret på deres resultater anbefaler teamet, at når planlægningsbureauer opretter politikker for omfordeling af trafikstrømme for AV'er, overvejer de, hvordan de kan inkorporere flere indbyrdes afhængige transportsystemer for at holde folk i bevægelse.

I en tid med blandet autonomi kunne altruistiske AV'er fungere som koordinatorer, der holder trafikken flydende ved at fremkalde positive handlinger fra HV'er. Selvom det vil tage tid, før AV'er overstiger menneskedrevne køretøjer, vil alle bilister bemærke forbedrede trafikstrømme med kun en delvis tilpasning af AV'er. + Udforsk yderligere

Centraliserede trafikalgoritmer, der hjælper chauffører med at undgå trængsel