0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

使用机器学习的方法来管理自动、半自动和有人类驾驶车辆共享道路的交通

nlfO_thejiangme 来源:未知 作者:李倩 2018-11-13 09:38 次阅读

在当今的时代背景下,随着技术的发展,汽车公司不断的推出辅助驾驶和自动驾驶技术。与此同时美国已有29个州颁布了与自动驾驶车辆相关的立法,新兴的智能车辆时代已经来临。而如何管理无人车辆和愈加复杂的道路交通,逐渐成为摆在人们面前的一个重大课题。

加州大学伯克利分校的交通研究人员正在使用机器学习的方法来管理自动、半自动和有人类驾驶车辆共享道路的交通。在这个月于瑞士苏黎世举办的CoRL 2018机器人学习会议上,伯克利分校的研究者们首次提出了解决实际交通问题的标准,并将缓解旧金山 - 奥克兰湾大桥的交通流量瓶颈问题作为实际应用,并且将该项目命名为Flow。

曾经用于解决智能车辆集成问题的传统方法为:使用手动派生算法来设计控制模型。现在,通过引入基于机器学习的控制方法,可以提供具有低能耗高性能的新型流量管理解决方案,其在计算准确率与计算速度方面的优势远高于手动派生算法。

“Flow”项目通过使用人工智能的方法,实现大规模、多车辆协同工作的情景模拟,它还是一个基于云的开源系统,因此开发者们可以继续以此为基础进行二次开发。该系统使用来自附近智能车辆或基础设施的数据来管理交通运输中的汽车,从而实现大规模道路交通管理。例如,为了防止道路中由于出现交通流量瓶颈而造成的拥堵问题,自动驾驶汽车可以利用其速度和位置信息来规划附近车辆合理的车道合并算法,避免人为的车辆减速或者因为合流而造成的拥堵。

Flow利用深度强化学习,从经验中不断总结和迭代,提升解决方案的性能。包括机器人控制、游戏策略在内的多种应用程序都在使用深度强化学习来提升模型性能,但这是第一次与流量模拟工具集成。下图所示为Flow项目的组成图和训练与评估过程流程图。

交通管理方面的专业人士认为:“我们需要一个更精密的交通管理系统,还需要考虑如何使用这些自动驾驶汽车作为交通控制的一部分,即使有4%或5%的车辆可以实现这种功能,其所带来的便利性也是不可估量的。”

建立可比性的评价框架

要想建立一个公平的具有可比性的框架,首先要解决怎么比对的问题:“除非我们处理同样的问题,否则很难比较结果。需要明确目标对象是纽约高速公路还是加州高速公路? 一组20辆车还是50辆? 你需要进行一对一的比较,以了解哪种解决方案更好。”

研究人员认为,可以将这些解决方案成变为标准案例库,以便后期的参照和比较。同时Vanderbilt大学土木与环境工程副教授表示,提供代码至关重要,在交通运输界,我们可以使用这些基准来比较和竞争,并且可以达到重现结果的标准。

标准化基准测试已经存在于其他深度强化学习应用中,包括自然语言处理和机器人技术。 但对于交通管理至今还未有广为认可的标准。来自Bayen实验室的早期论文将Flow作为一个交通仿真平台,然后使用简单的场景建立了初步基准,例如汽车驾驶成环状或八字形。

对于Flow项目:研究者们指定了非常详细的应用场景 :工程师可以用来解决常见类型的标准“任务”。 项目中提出了一个典型的交通流量瓶颈模型:旧金山 - 奥克兰海湾大桥的车道变窄问题 ,项目的目标是最大限度地从桥上流出汽车。具体来看,这一项目已经有了很多的框架和细节: 研究人员可以定义每个车道的交通量,车辆位置和速度 ,以此作为基准案例,任何人都可以提出解决方案,并且有一个比较这些解决方案的标准。该研究的其他基准包括入口匝道合并和曼哈顿交通信号灯模型。

下图为旧金山 - 奥克兰湾大桥上的交通流量瓶颈问题示意图,其描述了车道从四个合并到二个,再到一个的过程。研究人眼证明了人工智能算法能够学习出一种合理的策略,使得在维持稳定的高流入的过程中,保证有效的流出量。下图左方曲线显示了强化学习后的结果是:在高流入时,流出量提高了25%;通过右方曲线可以发现:通过比较人工智能控制方法与与匝道测量的流入流出曲线,在高流入时,它们的表现相当。

研究人员们希望日后能够解决更加复杂的场景问题,同时,他们也希望社区和外部参与者可以积极参与项目不断提高模型表现。该研究的最终目标是系统在全市范围内管理交通,结合丰富的人类驾驶资源,同时充分利用为数不多但总量在不断增长的智能车辆在路上的优势。

未来,研究人员还会研究这种技术方法的潜在缺点和意外后果。例如,如果交通平滑效果很好,旅行时间的改善可能会吸引更多的司机上路,但会破坏短期收益以及减少温室气体排放和能源消耗的更大目标。混合自治交通是逐步实现自动驾驶汽车整合的必由之路。通过这些先进的技术我们可以提前模拟未来,并及时制定积极的应对策略。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 人工智能
    +关注

    关注

    1797

    文章

    47909

    浏览量

    240948
  • 机器学习
    +关注

    关注

    66

    文章

    8455

    浏览量

    133186
  • 自动驾驶
    +关注

    关注

    785

    文章

    13960

    浏览量

    167285

原文标题:无人驾驶与智能算法如何协作处理实际生活中的复杂交通问题?

文章出处:【微信号:thejiangmen,微信公众号:将门创投】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    小马智行在北京开启自动驾驶高快速路无人化测试

    北京自动驾驶高速测试再获突破。1月14日,小马智行宣布已在北京开展自动驾驶高快速路无人化测试,也是北京市首批取得自动驾驶高快速路“主驾无人、副驾有人
    的头像 发表于 01-14 16:37 246次阅读

    自动驾驶汽车安全吗?

    随着未来汽车变得更加互联,汽车逐渐变得更加依赖技术,并且逐渐变得更加自动化——最终实现自动驾驶,了解自动驾驶汽车的安全问题变得非常重要,这样你才能回答“自动驾驶汽车安全吗”和“
    的头像 发表于 10-29 13:42 647次阅读
    <b class='flag-5'>自动驾驶</b>汽车安全吗?

    使用STT全面提升自动驾驶中的多目标跟踪

    3D多目标跟踪(3D MOT)在各种机器人应用中发挥着关键作用,例如自动驾驶车辆。为了在驾驶时避免碰撞,机器人汽车必须可靠地跟踪
    的头像 发表于 10-28 10:07 352次阅读
    使用STT全面提升<b class='flag-5'>自动驾驶</b>中的多目标跟踪

    智能驾驶共享出行中的作用

    技术通过高精度地图和实时交通数据,可以智能调度车辆,优化路线规划,减少拥堵和等待时间。 在共享出行场景下,智能驾驶系统能够自动选择最优路线,
    的头像 发表于 10-24 09:09 623次阅读

    智能驾驶自动驾驶的关系

    智能驾驶自动驾驶在概念上存在一定的联系和区别,以下是对两者关系的介绍: 一、概念定义 智能驾驶 : 智能驾驶是一个更为宽泛的概念,它指的是通过机器
    的头像 发表于 10-23 16:02 895次阅读

    智能驾驶交通安全的影响

    车辆,并做出相应的反应。这种实时感知和反应能力大大降低了人为驾驶错误和交通事故的风险。例如,智能驾驶系统可以有效避免分心驾驶、疲劳
    的头像 发表于 10-23 15:52 1201次阅读

    基于场景的自动驾驶验证策略

    自动驾驶功能的出现可以很大地降低由人为因素造成的交通事故,随之如何检验和验证自动驾驶系统及车辆的可靠性变得至关重要。但常见的测试验证手段通常伴随着高昂的投入成本,因此使得验证过程变得十
    的头像 发表于 10-22 16:14 399次阅读
    基于场景的<b class='flag-5'>自动驾驶</b>验证策略

    自动驾驶技术的典型应用 自动驾驶技术涉及到哪些技术

    驾驶员的情况下完成驾驶操作。这一技术的出现极大地改变了传统驾驶模式,不仅提高了道路交通的安全性和效率,还有望改变人们的出行方式,对城市交通
    的头像 发表于 10-18 17:31 1103次阅读

    安全第一:感知雷达如何在实现全面自动驾驶之前助力道路安全

    尽管汽车行业看似正大步迈向自动驾驶的未来,但安全仍然是重中之重。根据美国国家安全委员会的统计数据显示,2023年“有超过4.6万人死于本可避免的交通事故”,同时,道路交通死亡率相较于2019年激增了
    的头像 发表于 08-26 11:34 307次阅读

    FPGA在自动驾驶领域有哪些优势?

    可以根据自动驾驶系统的具体需求,通过编程配置FPGA的逻辑功能和连接关系,以适应不同的应用场景和算法变化。这种灵活性使得FPGA能够快速适应自动驾驶技术的快速发展和变化。 低延迟: 自动驾
    发表于 07-29 17:11

    FPGA在自动驾驶领域有哪些应用?

    低,适合用于实现高效的图像算法,如车道线检测、交通标志识别等。 雷达和LiDAR处理:自动驾驶汽车通常会使用雷达和LiDAR(激光雷达)等多种传感器获取环境信息。FPGA能够协助完成这些传感器
    发表于 07-29 17:09

    深度学习自动驾驶中的关键技术

    随着人工智能技术的飞速发展,自动驾驶技术作为其中的重要分支,正逐渐走向成熟。在自动驾驶系统中,深度学习技术发挥着至关重要的作用。它通过模拟人脑的学习过程,实现对
    的头像 发表于 07-01 11:40 897次阅读

    智行者联合清华完成国内首套全栈式端到端自动驾驶系统的开放道路测试

    近日,智行者与清华大学车辆学院李克强院士、李升波教授领导的研究团队,完成了国内首套全栈式端到端自动驾驶系统的开放道路测试。
    的头像 发表于 04-22 09:24 864次阅读
    智行者联合清华完成国内首套全栈式端到端<b class='flag-5'>自动驾驶</b>系统的开放<b class='flag-5'>道路</b>测试

    汽车工程中光电传感器的应用

    许多汽车都配备了自动驾驶辅助系统,该系统可以通过光电传感器感知周围环境,包括道路车辆、行人等,从而实现自动驾驶
    发表于 04-11 11:15 706次阅读

    未来已,多传感器融合感知是自动驾驶破局的关键

    巨大的进展;自动驾驶开始摒弃手动编码规则和机器学习模型的方法,转向全面采用端到端的神经网络AI系统,它能模仿学习
    发表于 04-11 10:26