想象一下，无论何时你需要去某个地方，都可以叫一辆动态班车，而且比你自己开车更快到达。这是伯克利研究人员的共同愿景:一个环保、节能的高载客量车辆(hov)成为首选和最快捷的交通方式的世界。

　　利用模拟环境，研究人员测试了一种新的交通信号控制算法，该算法可以最大限度地提高十字路口人而不是车辆的吞吐量。这项名为“人类之光”(HumanLight)的技术利用强化学习技术(一种人工智能)，为无人驾驶汽车的乘客提供更多绿灯，并对其进行优先排序。他们的研究结果发表在《交通研究C部分》上，结果表明，由此节省的旅行时间为人们选择交通工具而不是单人租车创造了强烈的动机。

　　该研究的主要作者是Dimitris Vlachogiannis博士，共同作者是Scott Moura, Clare and Hsieh Wen Shen土木与环境工程特聘教授;首席研究员、智慧城市研究中心主任简·麦克法兰;以及亚利桑那州立大学助理教授华伟。

　　Moura和Macfarlane最近与伯克利工程公司谈到了这项工作，解释了它如何有朝一日提供更民主和可持续的交通管理解决方案。

　　简:我帮助推出了安吉星，我们有座椅传感器，很像安全气囊上使用的传感器，在紧急情况或事故发生时，它会告诉我们车里有多少人。(我想)如果我们有办法知道有多少人坐在等待交通信号的车辆里，我们就可以开发一个交通信号控制系统，比如HumanLight，优先考虑那些占用率较高的车辆。

　　斯科特:我们有一个为期7年的项目，叫做NEXTCAR，在这个项目中，我们着眼于优化车辆速度的方法，以减少基于红绿灯时间的能源消耗。随着研究的深入，我开始想，如果我们能控制红绿灯的时间会怎么样?与此同时，交通工程师们在思考，如果车辆流量无法控制，如何控制红绿灯的时间呢?但如果我们能同时控制两者呢?

　　简和迪米特里斯随后提出了“人类之光”的想法，该想法着眼于如何控制交通灯的时间，以便我们能够最大限度地提高人的吞吐量，而不是汽车——这才是最重要的。

　　斯科特:简单的答案是:510亿吨。这是全球每年排放的温室气体量。其中不到1%是加州。加州40%的温室气体排放来自交通运输。如今，加州正致力于将碳排放降至零，以应对气候变化的挑战。

　　实现这一目标的一种方法是让每个人都购买电动汽车。但这需要建立一个全新的供应链，并改变世界经济。与此同时，另一个选择是追求唾手可得的目标。最终，我们谈论的是软件，使用我们已经拥有的所有硬件和基础设施，但更有战略意义的是我们如何管理红绿灯的时间，以减少拥堵和能源消耗。

　　简:在基础设施层面，当你开始考虑谁在控制交通时，你会意识到我们有一个可控的混乱局面。有城市交通工程师调整交通灯和设置时间。交通部负责管理高速公路的入口匝道和出口匝道。此外，有许多导航应用程序在我们的城市中引导人们，有时还引导汽车进入不适合大量交通的住宅区。

　　我们每年都有更多的人在路上，所以我们需要对这个系统进行更多的控制，以确保它对人类和环境都有益。

　　简:HumanLight是交通信号优先级和紧急车辆优先级下一步发展的一部分。它的目标是优化交通信号控制，以实现最大的人员吞吐量，而不是车辆吞吐量。与使用标准控制理论不同，HumanLight使用人工智能技术，即强化学习，来管理复杂交通环境的动态行为。

　　例如，设置一条由定时交通灯组成的走廊是相当容易的，但一旦你进入一个交通灯网格，从控制理论的角度来看，它就变得复杂得多。所以我们希望强化学习能帮助我们更好地管理交通信号的时间和相位。

　　斯科特:想象一下一个四十字路口，在一个方向上，有很多公共汽车和班车经过。与此同时，在相反的方向，有更多的私家车，单人车辆通过。例如，交通灯的时间可能是每个方向绿灯30秒。似乎公平;有两个不同的方向。

　　但如果你想让人们最快地从A点到达B点，那么优先考虑有更多的人经过的方向可能是有意义的。这是我们的核心理念:以某种方式让红绿灯定时变得智能化，它可以了解进入车辆的占用情况。然后，它基本上会优先考虑人多的地方的车辆流量。

　　简:是的。我想说，HumanLight在这方面是独一无二的。例如，目前的交通信号优先系统会优先考虑一辆空公交车，因为它们不知道车上有多少人。他们只知道公交车来了。不过，那辆巴士可能会在红灯的另一边搭载50人。但HumanLight可能会为多种交通方式(从汽车到班车和公共汽车)提供更清晰的车辆占用情况，并让更多的人更快地到达他们想去的地方。

　　斯科特:过去，有一种技术叫做自适应交通灯信号定时。它由沿走廊放置的摄像头或磁探测器网络组成，用于检测交通。但这些设备只能检测金属盒，不能检测人。因此，一辆载有12人的公共汽车或班车与一辆载有1人的Suburban SUV是一样的。因此，当我们试图移动人们时，这种方法是没有意义的。

　　HumanLight不仅将重点放在移动人员上，而且还提供了一个框架，将两种使能技术结合在一起。一种是联网汽车，它与互联网基础设施相连。就像简说的，有了安吉星，你可以知道一辆车里有多少人，并可能将这些信息传达给交通控制网络。另一项技术是人工智能。考虑到强化学习和人工智能的所有进步，你现在可以用五、十年前我们无法做到的方式来解决这个复杂的基础设施问题。

　　简:我没想到那些不是乘坐高载客量车辆的人会有这么好的结果。毕竟，你不想设计一个解决方案，让那些因为任何原因不能乘坐班车的人受到惩罚，或者必须多等半个小时才能到达他们需要去的地方。有了HumanLight，我们可以设计一个民主的解决方案。

　　斯科特:迪米特里斯帮助我们实现了另一个重要成果:激励人们拼车。最初，我认为HumanLight只是一个基础设施控制解决方案。但因为我们优先考虑人类，这也激励了人类拼车，使用班车和公共汽车的行为。

　　斯科特:首先，我认为我们需要让利益相关者保持一致。但要找到合适的基础设施所有者/运营商，以及愿意尝试这项技术的合适城市，将是一项挑战，因为这些组织通常都是厌恶风险的组织。他们只是想保持交通畅通，所以试验这些东西是非常伤脑筋的。

　　第二，我们需要互联互通的基础设施。我们需要装备交通柜，你可以在每个十字路口看到，有一个无线电与车辆和云通信。然后，他们可以接收到车辆的占用信息，并修改橱柜里的小电脑，改变交通信号灯。

　　美国交通部制定了所谓的“车联网”(V2X)部署计划。到2035年，他们希望美国的每个十字路口都有这种互联技术，基本上就是在交通柜上安装一个收音机，与汽车对话，汽车与交通柜上对话。

　　如果出现这种情况，我们就有可能做到这一点。但与此同时，已经有一些地方在尝试这样做。我刚刚在奥兰治县的加州交通12区工作。他们的交通网络中有180个地点已经安装了这些无线电设备，可以控制交通信号。

　　简:我想把汽车oem(原始设备制造商)加入到关键利益相关者的名单中。这些座椅传感器是当今汽车的一部分。当然，它们是在通用汽车上，并且可以在安吉星上使用。我们需要原始设备制造商提供车辆内的人数信息。

　　最后，我想强调的是，像HumanLight这样的系统的成功取决于斯科特正在构建的互联汽车世界。关于你想去哪里的数据必须被推送到云控制系统中，这样我们才能更好地把你更快地送到那里。

　　更多信息:Dimitris M. Vlachogiannis等，基于深度强化学习的交通信号控制系统，交通研究(C):新兴技术(2024)。期刊信息:交通研究C部分:新兴技术由加州大学伯克利分校提供引文:问答:研究人员讨论使用人工智能鼓励拼车和共享交通(2024,6月13日)检索自2024年6月14日https://techxplore.com/news/2024-06-qa-discuss-ai-carpooling.html此文档受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。