Система искусственного интеллекта, способная оптимизировать транспортные потоки, контролировать потребление топлива и снижать загрязнение атмосферы, кажется сюжетом из научно-фантастического романа. Однако специалисты Национальной лаборатории имени Лоуренса в Беркли планируют реализовать эту концепцию.
Два исследовательских проекта были запущены учеными с целью уменьшения загрязнения окружающей среды и повышения эффективности дорожного движения. Первый проект направлен на разработку технологий, которые позволят автономным транспортным средствам оптимизировать поток машин и снизить энергопотребление. Второй проект использует данные со спутниковых снимков и информацию о дорожной обстановке, полученную с мобильных устройств, для обучения искусственного интеллекта, отслеживающего качество воздуха. Описание проектов доступно на сайте лаборатории.
«Транспортировка людей и грузов в США потребляет около трети всей энергии, что приводит к существенному загрязнению атмосферы. Эта деятельность ответственна примерно за половину всех выбросов оксидов азота и сажи. По мнению Тома Кирхстеттера, члена исследовательской группы, внедрение технологий машинного обучения в транспортную сферу и для защиты окружающей среды открывает новые возможности, способные принести ощутимую выгоду как в плане энергосбережения, так и для улучшения здоровья населения).
Проект, нацеленный на повышение эффективности транспортных потоков, получил название CIRCLES (CIRCLES (Congestion Impact Reduction via CAV-in-the-loop Lagrangian Energy Smoothing) и базируется на программной платформе Flow — уникальной программной системе, предоставляющей исследователям возможность разрабатывать и испытывать стратегии оптимизации дорожного движения. Благодаря использованию современного микросимулятора с открытым исходным кодом, Flow может имитировать движение сотен тысяч автомобилей, лишь некоторыми из которых управляют люди.
Искусственный интеллект позволяет системе обучать автомобили отслеживать действия машин, находящихся непосредственно впереди и позади. Разработчики утверждают, что Flow уже демонстрирует значительные возможности: он способен регулировать скорость, а также перестраиваться из полосы в полосу. Анализируя различные данные, такие как интенсивность трафика и характер движения, система стремится оптимизировать дорожный процесс. В рамках проекта CIRCLES запланированы симуляции для подтверждения того, что экономия энергии действительно связана с использованием алгоритмов в беспилотных автомобилях. После этого исследователи проведут реальные испытания с водителями, которые будут реагировать на команды системы в режиме реального времени.
Второй проект, DeepAir (Deep Learning and Satellite Imagery to Estimate Air Quality Impact at Scale), возглавляет Марта Гонсалес. Она опирается на результаты своего предыдущего исследования, где использовались данные с мобильных телефонов для анализа маршрутов передвижения людей перемещаются по городам, чтобы составить оптимальный план расположения зарядных устройств для электромобилей.
«По словам Гонсалеса, уникальность проекта заключается в том, что, несмотря на многолетнюю разработку экологических моделей, демонстрирующих влияние загрязнений на погодные условия, включая скорость ветра, давление, осадки и температуру, в них по-прежнему отсутствует важная информация, например, выбросы от транспорта и электростанций.
По мнению ученых, полученные сведения помогут установить происхождение и пути распространения загрязнителей, что в перспективе позволит разработать более эффективные и своевременные меры по предотвращению экологических катастроф.
Несмотря на кажущуюся нереальность идеи применения алгоритмов для управления дорожным движением, ученые полагают, что технологии демонстрируют устойчивый прогресс движутся в этом направлении и через 10 лет это может стать обычным явлением.