Net als toen Model T's naast paarden en buggy's reisden, zullen autonome voertuigen (AV's) en door mensen aangedreven voertuigen (HV's) ooit de weg delen. Hoe u de opkomst van AV's het beste kunt beheren, is het onderwerp van een nieuwe beleidsnota van Carnegie Mellon, Mixed-Autonomy Era of Transportation:Resilience &Autonomous Fleet Management.

Het debat gaat door over wanneer AV's onze straten zullen domineren, maar een van de auteurs van de brief, Carlee Joe-Wong, zegt dat "zodra AV's beginnen in te zetten, er waarschijnlijk geen weg meer terug is. over beleid nu, om ze grondig te bestuderen en ze goed te krijgen tegen de tijd dat AV's arriveren."

Joe-Wong, een universitair hoofddocent elektrische en computertechniek, en het onderzoeksteam vroegen zich af "wat is er anders als je AV's in de mix hebt vergeleken met wanneer je alleen HV's hebt? We realiseerden ons dat een van de belangrijkste verschillen tussen AV's en HV's is dat AV's altruïstisch zijn en HV's egoïstisch."

AV's kunnen anticiperen op wat er gaat gebeuren en zichzelf omleiden, bijvoorbeeld bij wegwerkzaamheden of een ongeval. Geprogrammeerd om veilig te werken en regels te volgen, kunnen AV's altruïstische acties ondernemen die andere voertuigen ten goede komen en niet alleen zichzelf. Mensen die haast hebben, zijn misschien niet zo gul met hun tijd.

De prijs van egoïstisch rijden wordt duidelijk bij het onderzoeken van de verkeersstroom. Als egoïstische auto's in en uit een verkeerssysteem rijden, zal het systeem uiteindelijk een evenwicht bereiken, een evenwichtige toestand, maar het verkeer kan niet zo efficiënt stromen als het zou kunnen. Zo kan evenwicht worden bereikt als het verkeer bumper aan bumper raast. "Soms is het evenwicht verre van optimaal", zegt Joe-Wong.

De onderzoekers geloven dat altruïsme de verkeersstroom kan verbeteren door suboptimale evenwichten te vermijden, en niet iedereen hoeft een aardige vent te zijn om reistijden te verbeteren. In simulaties spelen altruïstische toestanden een rol wanneer AV's 20% tot 50% van de voertuigen op de weg uitmaken. Het rapport suggereert manieren om altruïsme te belonen, waaronder tolvrijstellingen, parkeerkortingen, enz.

Het vinden van het beste operationele beleid voor AV-vloten is een ander onderwerp dat in het rapport wordt behandeld. AV's kunnen synchroon werken, maar het centraal aansturen van duizenden AV's zal leiden tot rekenproblemen en communicatievertragingen. De onderzoekers willen een balans vinden tussen gecentraliseerd en gedecentraliseerd beleid met behulp van wapeningsleren, een trainingsmethode voor machine learning.

De ingenieurs hebben overwogen hoe AV's beslissingen nemen. Hoe helpt machine learning bij dit proces en welke soorten beslissingen hebben de grootste impact? Volgens Joe-Wong:"Onder sommige omstandigheden heb je echt intelligentie nodig om te leren, maar in andere omstandigheden zegt dat leren je gewoon te doen wat je waarschijnlijk toch zou hebben gedaan."

Het team stelt voor dat wagenparkbeheerders modellen trainen om AV-vloten lokaal te beheren. Als er nieuwe verkeerspatronen optreden, worden de modellen bijgewerkt, vooral om mensen weg te leiden van incidenten. Als het verkeer echter onverminderd doorstroomt, zijn er minder updates nodig, wat de communicatie tussen AV's op de weg en AV's die rapporteren aan een gecentraliseerde server vermindert.

Het laatste probleem dat de onderzoekers onderzochten, was hoe om te gaan met verkeersopstoppingen en het vermijden van trapsgewijze storingen die optreden wanneer een storing in een systeem een ​​reeks gebeurtenissen veroorzaakt die leiden tot een netwerkbrede storing.

Werken in een optimaal evenwicht, het toepassen van versterkend leren en een groter aandeel samenwerkende AV's zal congestie verminderen. Om het falen van trapsgewijze storingen aan te pakken, hebben de onderzoekers echter rekening gehouden met andere vervoerswijzen die in stedelijke netwerken worden aangetroffen. De onderzoekers voegden bus-, metro-, spoorweg- en fietsdeelsystemen toe aan hun modellen, en ze konden aantonen dat als passagiers werden aangepast tussen verschillende vervoerswijzen, dit het gebruik van het hele netwerk zou maximaliseren en zou voorkomen dat het overbelast raakt en faalt. .

Op basis van hun bevindingen beveelt het team aan dat wanneer planningsbureaus een herverdelingsbeleid voor verkeersstromen voor AV's opstellen, ze overwegen hoe ze meerdere onderling afhankelijke transportsystemen kunnen integreren om mensen in beweging te houden.

In het tijdperk van gemengde autonomie kunnen altruïstische AV's fungeren als coördinatoren die het verkeer laten stromen door positieve acties van HV's uit te lokken. Hoewel het enige tijd zal duren voordat AV's groter zijn dan door mensen aangedreven voertuigen, zullen alle bestuurders verbeterde verkeersstromen opmerken met slechts een gedeeltelijke aanpassing van AV's. + Verder verkennen

Gecentraliseerde verkeersalgoritmen om verkeersopstoppingen te voorkomen