Ученые дали старт двум исследовательским проектам, призванным снизить загрязнение окружающей среды и оптимизировать движение машин на дорогах. Первый проект посвящен попыткам обучить автономные транспортные средства работать так, чтобы одновременно улучшить поток движения и сократить потребление энергии. Второй проект анализирует спутниковые изображения и информацию о дорожной ситуации, полученную с мобильных телефонов, и обучает искусственный интеллект следить за состоянием воздуха. Описание проектов доступно на сайте лаборатории.

«Тридцать процентов использования энергии в США — это транспортировка людей и товаров, это потребление энергии сильно загрязняет воздух. Сюда входит примерно половина всех выбросов оксидов азота и черного углерода (сажи). Применение технологий машинного обучения для использования в сфере транспорта и защиты окружающей среды — новый рубеж, который может принести значительные дивиденды как для экономии энергии, так и для здоровья человека», — утверждает член исследовательской группы Том Кирхстеттер (Tom Kirchstetter).

Проект, посвященный оптимизации трафика, получил название CIRCLES (Congestion Impact Reduction via CAV-in-the-loop Lagrangian Energy Smoothing) и основан на программной платформе под названием Flow — первой в своем роде программной системе, которая позволяет исследователям создавать и тестировать схемы оптимизации трафика. Используя современный микросимулятор с открытым исходным кодом, Flow может имитировать движение сотен тысяч автомобилей, лишь некоторыми из которых управляют люди.

Система обучает автомобили на искусственном интеллекте следить за тем, что делает машина непосредственно перед ними и за ними. По словам ученых, Flow уже способен на многое: он может ускорить или замедлить скорость, а также изменить полосу движения. Опираясь на разные сигналы — например, стоит ли трафик или движется плавно, — система пытается оптимизировать дорожное движение. Команда проекта CIRCLES планирует провести несколько симуляций, чтобы убедиться, что значительная экономия энергии обусловлена использованием алгоритмов в автономных транспортных средствах. Затем исследователи будут запускать реальный эксперимент с людьми за рулем, реагирующими на команды системы в реальном времени.

Второй проект — DeepAir (Deep Learning and Satellite Imaginary to Estimate Air Quality Impact at Scale) — возглавляет Марта Гонсалес (Marta Gonzalez), опирающаяся на свое предыдущее исследование, в котором она использовала данные с мобильных телефонов, изучая маршруты, по которым люди перемещаются по городам, чтобы составить оптимальный план расположения зарядных устройств для электромобилей.

«Новизна проекта в том, что, хотя экологические модели, которые отображают взаимодействие загрязняющих веществ с погодой — такие как скорость ветра, давление, осадки и температура, —разрабатывались в течение многих лет, им все еще не достает многих частей, таких как выбрасываемые отходы от транспортных средств и электростанций», — говорит Гонсалес.

Исследователи ожидают, что новые данные позволят им получить информацию об источниках и распределении загрязняющих веществ, что в конечном итоге поможет разработать более эффективные и своевременные меры по предотвращению экологических катастроф.

Несмотря на то что идея использования алгоритмов для управления дорожным трафиком может показаться невероятной, ученые считают, что технологии уверенно движутся в этом направлении и через 10 лет это может стать обычным явлением.