Att hantera vägkorsningar i trånga och dynamiska miljöer, som tätorter, kan vara mycket utmanande. Den dåliga hanteringen av trafiken vid dessa kan leda till trafikolyckor, slöseri med bränsle och miljöföroreningar.

Forskare vid University of Maryland har nyligen utvecklat GAMEOPT, en ny algoritm som kan hjälpa till att hantera osignaliserade vägkorsningar med hög trafik mer effektivt. Forskargruppen med medlemmar, Nilesh Suriyarachchi, Rohan Chandra, John S. Baras och Dinesh Manocha introducerade sin metod i en nyligen publicerad artikel som ska publiceras i samband med den 25:e IEEE International Conference on Intelligent Transportation Systems (IEEE ITSC 2022). Denna metod kombinerar optimeringstekniker med idéer från spelteorin, en matematisk konstruktion som representerar situationer där olika agenter konkurrerar med varandra.

"Fyrtio procent av alla krascher, 50% av allvarliga kollisioner och 20% av dödsfallen inträffar i osignaliserade korsningar," sade Chandra, en medlem av forskargruppen, till TechXplore. "Vårt primära mål är att förbättra trafikflödet och bränsleeffektiviteten i dåligt reglerade eller oreglerade trafikkorsningar. För att uppnå detta mål föreslår vi en algoritm som kombinerar idéer från optimering och spelteori för att förstå hur olika trafikagenter samarbetar och förhandlar med varandra på trafikkorsningar."

GAMEOPT, trafikflödeskontrollalgoritmen som utvecklats av teamet, kan beräkna optimala banor för enskilda agenter som flyter genom samma vägkorsning. För att göra detta utför den två olika steg.

I det första steget, (GAME), detekterar algoritmen närvaron av alla fordon i en specifik region av intresse (d.v.s. vägarna som leder fram till korsningen och själva korsningen). Den kör sedan ett auktionsprogram som låter den bestämma vilka fordon som ska ha prioritet när de navigerar i korsningen, och anger i vilken ordning alla agenter i området av intresse kommer att flöda genom korsningen.

"Vår auktionsmodul använder förarnas beteenden och incitament för att bestämma denna ordning," sa Chandra. "I motsats till befintliga metoder för hantering av korsningar, såsom användning av trafikljus och stoppskyltar, använder vårt nya ramverk spelteori för att skapa rättvisa och effektiva prioriteringsordningssekvenser för korsningar."

I det andra steget, (OPT), använder algoritmen kvadratisk programmering med blandade heltal för att beräkna de optimala banorna som uppfyller prioritetsordningen beräknad i steg 1 (tillsammans med att uppfylla andra begränsningar såsom säkerhet, genomförbarhet, etc.). "De optimala banorna som produceras av vår algoritm uppfyller prioritetsordningen samtidigt som de ger effektivitet, rättvisa och säkerhetsgarantier," sa Suriyarachchi. "GAMEOPT arbetar också med beräkningshastigheter på mindre än 10 millisekunder i trafik med hög täthet på mer än 10 000 fordon/timme, vilket gör det realtidskapabelt även i scenarier med tät trafik. Det är mycket effektivt och vi fann att det överträffar tillståndet - de senaste metoderna för att minska trängsel, tid till mål och bränsleförbrukning i en realistisk trafiksimulator."

I olika trafiksimuleringar utförda av forskarna, uppnådde GAMEOPT mycket lovande resultat. Det kan minska trängseln och bränsleutsläppen avsevärt, hantera varierande trafiktätheter vid olika delar av korsningar och tillåta flera fordon att köra in i korsningen samtidigt.

"I simuleringar förbättrar vår algoritm genomströmningen med minst 25%, tiden det tar att nå målet med 75% och bränsleförbrukningen med 33% jämfört med standardpraxis för att använda trafikljus och stoppskyltar," sa Manocha. "GAMEOPTs funktionsförmåga i realtid är 100 gånger snabbare än andra helt optimeringsbaserade metoder, samtidigt som den ger garantier vad gäller rättvisa, säkerhet och effektivitet."

I framtiden kan GAMEOPT visa sig vara ett mycket värdefullt verktyg för att hantera vägkorsningar i överbelastade stadsmiljöer mer effektivt. Dessutom kan det bidra till att drastiskt minska bränsleförbrukningen och koldioxidutsläppen, och på så sätt spara energi och minska skadorna på planeten.

Teamet planerar att fortsätta arbeta med sin algoritm och perfekta den. I sina nästa arbeten planerar de att testa dess prestanda i mer komplexa simulerade urbana scenarier och utveckla en prototyp som kan implementeras i verkliga miljöer. Medan den nuvarande iterationen av algoritmen vänder sig till anslutna autonoma fordon, utvecklas en utökning för att överväga mänskliga fordon.

"Vi skulle också vilja utnyttja kraften hos artificiell intelligens och maskininlärning för att uppskatta förarnas incitament och prioriteringar för att beräkna en mer realistisk prioritetsordning och därigenom förbättra trafikflödet ytterligare," tillade Manocha.

"Dessutom skulle vi kunna testa algoritmen med specialagenter, till exempel utryckningsfordon som har högre eller olika prioriteringar." + Utforska vidare

Artificiell intelligens för att hjälpa autonoma fordon att undvika tomgång vid rött ljus

© 2022 Science X Network