كيف يمكن للسيارات ذاتية القيادة مشاركة الطرق مع المركبات الأخرى
المرونة وإدارة الأسطول المستقل
على غرار الوقت الذي سافر فيه الموديل Ts جنبًا إلى جنب مع الخيول والعربات، فإن المركبات ذاتية القيادة (AVs) والمركبات التي يقودها الإنسان (HVs) ستشترك يومًا ما في الطريق.
إن أفضل طريقة لإدارة صعود المركبات المساعدة هو موضوع موجز سياسة كارنيجي ميلون الجديد، عصر النقل الذاتي المختلط: المرونة وإدارة الأسطول المستقل.
فيديو ذات صلة
This browser does not support the video element.
ويستمر الجدل حول الوقت الذي ستهيمن فيه المركبات المساعدة على شوارعنا ، لكن أحد مؤلفي الملخص ، كارلي جو-وونغ ، قال إنه "بمجرد أن تبدأ المركبات المساعدة في الانتشار ، من المحتمل ألا يكون هناك أي عودة. لذلك ، هناك حاجة لبدء الحديث حول السياسات الآن ، لدراستها بدقة والحصول عليها بشكل صحيح بحلول وقت وصول المركبات المساعدة. "
وسأل Joe-Wong ، الأستاذ المساعد في الهندسة الكهربائية وهندسة الكمبيوتر ، وفريق البحث أنفسهم "ما هو الاختلاف عندما يكون لديك مركبات AV في المزيج مقارنة بما إذا كان لديك HVs؟ لقد أدركنا أن أحد الاختلافات الرئيسية بين AVs و HVs هو أن المركبات الذاتية هي إيثار وأن HVs أنانية ".
كما يمكن للمركبات أن تتوقع ما سيحدث وتعيد توجيه نفسها ، على سبيل المثال في حالة إنشاء طريق أو وقوع حادث.
مبرمجة للعمل بأمان واتباع القواعد ، يمكن للمركبات أن تتخذ إجراءات إيثارية تفيد المركبات الأخرى وليس نفسها فقط. قد لا يكون البشر المستعجلون كرماء مع وقتهم.
ويصبح سعر القيادة الأنانية واضحًا عند فحص تدفق حركة المرور. عندما تتحرك السيارات الأنانية داخل وخارج نظام المرور ، سيصل النظام في النهاية إلى حالة متوازنة ، ولكن حركة المرور قد لا تتدفق بكفاءة قدر الإمكان.
وعلى سبيل المثال، يمكن الوصول إلى التوازن عندما تتعطل حركة المرور على طول المصد إلى المصد.
ويقول جو وونغ: "أحيانًا يكون التوازن بعيدًا عن المستوى الأمثل".
كما يعتقد الباحثون أن الإيثار يمكن أن يحسن تدفق حركة المرور من خلال تجنب التوازن دون الأمثل ، وليس على الجميع أن يكون شخصًا لطيفًا لتحسين أوقات السفر. في عمليات المحاكاة ، تلعب حالات الإيثار دورًا عندما تشكل المركبات الذاتية 20٪ إلى 50٪ من المركبات على الطريق.
يقترح التقرير طرقًا لمكافأة الإيثار ، بما في ذلك الإعفاءات من رسوم المرور ، وخصومات وقوف السيارات ، وما إلى ذلك.
يعد العثور على أفضل سياسات التشغيل لأساطيل المركبات السمعية والبصرية موضوعًا آخر تم تناوله في التقرير. تمتلك AVs القدرة على العمل بشكل متزامن ، ومع ذلك فإن التحكم المركزي في الآلاف من AVs سيؤدي إلى مشكلات في الحساب وتأخيرات في الاتصال. يريد الباحثون تحقيق توازن بين السياسات المركزية واللامركزية باستخدام التعلم المعزز ، وهو أسلوب تدريب على التعلم الآلي.
نظر المهندسون في كيفية اتخاذ المركبات المساعدة للقرارات. كيف يساعد التعلم الآلي في هذه العملية ، وما أنواع القرارات التي لها التأثير الأكبر؟ وفقًا لـ Joe-Wong ، "في ظل بعض الظروف ، تحتاج حقًا إلى ذكاء التعلم المعزز ، ولكن في ظروف أخرى ، فإن التعلم المعزز هذا يخبرك فقط بفعل ما كنت ستفعله على الأرجح على أي حال."
يقترح الفريق أن يقوم مشغلو الأساطيل بتدريب نماذج لإدارة أساطيل المركبات الآلية محليًا. في حالة حدوث أنماط حركة مرور جديدة ، يتم تحديث النماذج ، خاصة لتوجيه الأشخاص بعيدًا عن الحوادث. ومع ذلك ، إذا كانت حركة المرور تتدفق بلا هوادة ، فستكون هناك حاجة إلى عدد أقل من التحديثات ، مما يقلل من الاتصالات بين المركبات المساعدة على الطريق والمركبات التي ترسل التقارير إلى خادم مركزي.
كانت المشكلة الأخيرة التي فحصها الباحثون هي كيفية التعامل مع الازدحام المروري وتجنب الفشل المتتالي الذي يحدث عندما يؤدي فشل في نظام إلى سلسلة من الأحداث التي تؤدي إلى فشل على مستوى الشبكة.
العمل في التوازن الأمثل ، وتطبيق التعلم المعزز ، وامتلاك نسبة أعلى من المركبات المساعدة التعاونية سيقلل الازدحام. ومع ذلك ، لمعالجة حالات الفشل المتتالية ، أخذ الباحثون في الحسبان طرق النقل الأخرى الموجودة في الشبكات الحضرية. أضاف الباحثون أنظمة الحافلات ومترو الأنفاق والسكك الحديدية والدراجات إلى نماذجهم ، وكانوا قادرين على إظهار أنه إذا تم تعديل الركاب بين وسائط النقل المختلفة ، فإن ذلك سيؤدي إلى زيادة استخدام الشبكة بالكامل ومنعها من التحميل الزائد والفشل. .
بناءً على النتائج التي توصلوا إليها ، يوصي الفريق أنه عند قيام وكالات التخطيط بإنشاء سياسات إعادة توزيع تدفق حركة المرور للمركبات ، فإنها تفكر في كيفية دمج أنظمة نقل مترابطة متعددة للحفاظ على حركة الأشخاص.
في عصر الاستقلالية المختلطة ، يمكن للمركبات ذاتية الإيثار أن تعمل كمنسقين يحافظون على تدفق حركة المرور من خلال استحضار إجراءات إيجابية من السيارات الهايبرد. على الرغم من أن الأمر سيستغرق وقتًا قبل أن يفوق عدد المركبات التي يقودها الإنسان عدد المركبات التي يقودها الإنسان ، إلا أن جميع السائقين سيلاحظون تحسنًا في تدفق حركة المرور من خلال تكييف جزئي للمركبات التي يقودها البشر.