一个多所大学的研究团队发现了解决困扰每个人通勤的交通拥堵的解决方案：人工智能交通管理器，而不是像冲动的人类一样驾驶，而是对周围环境做出反应，使交通更加顺畅。
这是上周在纳什维尔进行的为期五天的试验的初步建议，该试验的研究人员来自 圈子联盟 在 I-100 公路上的早间高速公路交通中部署 24 辆配备人工智能巡航控制系统的人工驾驶车辆。
CIRCLES 联盟的实验目标及其总体任务是使用深度强化学习来改善交通流量并减少由所谓的“幻影拥堵”或交通减速引起的燃料消耗，这些交通减速没有明显的原因，除了人类倾向于驾驶。
“驾驶非常直观。 如果你前面有空隙，你就会加速。 如果有人刹车，你就减速。 但事实证明，这种非常正常的反应会导致交通走走停停和能源效率低下，”CIRCLES Consortium 首席研究员兼加州大学伯克利分校教授 Alexandre Bayen 说。
实验中使用的车辆配备了 CIRCLES 团队称之为“速度规划器”和“控制器”的人工智能算法。 他们都使用有关整体交通状况和周围环境的信息来确定车辆的最佳速度，以改善交通流量。
“我们的初步结果表明，即使只有一小部分这些车辆上路，我们也可以有效地改变交通的整体行为，”Bayen 说。
少量的 AI 流量可以走很长的路
由于在实验过程中收集的数据量巨大，Bayen 认为可能需要数月才能获得更精确的结果。 尽管如此，最初的发现似乎支持 较小的实验 由加州大学伯克利分校的研究人员于 2016 年进行。
在六年前的那次测试中，20 辆汽车在封闭的环形轨道上由人类司机驾驶，研究人员注意到出现了与高速公路和繁忙道路上类似的模式。 在测试中添加一辆配备 AI 的车辆减少了拥堵，并使燃料使用量减少了 40%。
上周的测试增加了一些新技术，使其成为 Bayen 所说的游戏规则改变者：车辆之间协调行动，使它们能够对前方的情况做出反应，并相应地协调它们的交通影响网络。
人工智能驱动的车辆还整合了来自进行测试的 I-24 MOTION 走廊的当地交通状况信息，这是一段配备了 300 个 4K 传感器的高速公路，用于交通监控。
有了来自 I-24 和车辆传感器的数据，CIRCLES 团队计划更新他们的计算机模拟，以帮助他们更好地反映现实世界。 作为其中的一部分，他们希望他们的车载 AI 不仅能够学习更好地控制交通，而且还能学习成为公共道路上社会可接受的驾驶员。
“我们希望训练我们的车辆以一种不同于人类的特定方式驾驶，但也不是完全不为社会所接受。 在测试周期间，我们的一个重点是根据司机的反馈对我们的控制器进行日常调整，”CIRCLES 首席工程师兼联合首席研究员 Jonathan Lee 说。
最终，该团队希望看到类似的技术部署在许多（如果不是全部的话）车辆中，Lee 说。 CIRCLES 团队正在努力扩展其技术，但我们无法确定此类技术是否或何时可以应用到您附近的高速公路上。 ®
