IntersectionZoo: Νέο σύστημα Eco-driving

Η πρόκληση της κυκλοφοριακής συμφόρησης στις πόλεις

Η οδήγηση σε μεγάλες πόλεις χαρακτηρίζεται από συνεχή στάση και εκκίνηση, καθώς τα φανάρια αλλάζουν και τα οχήματα συγχωνεύονται, αποχωρίζονται, στρίβουν και σταθμεύουν. Αυτή η συνεχής μεταβολή είναι εξαιρετικά αναποτελεσματική, αυξάνοντας την ποσότητα ρύπων, συμπεριλαμβανομένων των αερίων του θερμοκηπίου, που εκπέμπονται ανά χιλιόμετρο οδήγησης. Μία προσέγγιση για την αντιμετώπιση αυτού του προβλήματος είναι η λεγόμενη eco-driving, η οποία μπορεί να εγκατασταθεί ως σύστημα ελέγχου σε αυτόνομα οχήματα για τη βελτίωση της αποδοτικότητάς τους.

Η σημασία της eco-driving

Πόσο μεγάλη διαφορά μπορεί να κάνει η eco-driving; Θα αξίζει η επένδυση στην τεχνολογία αυτή για τη μείωση των εκπομπών; Αυτά είναι ερωτήματα που ανήκουν σε μία ευρύτερη κατηγορία προβλημάτων βελτιστοποίησης, τα οποία είναι δύσκολα για τους ερευνητές να αντιμετωπίσουν. Αυτά τα προβλήματα περιλαμβάνουν πολλούς διαφορετικούς παράγοντες, όπως τα διάφορα είδη οχημάτων σε μία πόλη, και διαφορετικούς παράγοντες που επηρεάζουν τις εκπομπές τους, όπως η ταχύτητα, οι καιρικές συνθήκες, οι συνθήκες του δρόμου και ο χρόνος των φαναριών.

Η προσέγγιση της Cathy Wu

Η Cathy Wu, αναπληρώτρια καθηγήτρια στο Τμήμα Πολιτικών και Περιβαλλοντικών Μηχανικών και στο Ινστιτούτο Δεδομένων, Συστημάτων και Κοινωνίας (IDSS) του MIT, αναρωτήθηκε αν τα αυτόνομα οχήματα μπορούν να συμβάλουν στη μείωση των εκπομπών. Για να απαντηθεί αυτό το ερώτημα, το πρώτο βήμα είναι η συγκέντρωση όλων των διαθέσιμων δεδομένων για το σύστημα, από πολλές πηγές. Αυτά περιλαμβάνουν τοπογραφικά δεδομένα, δεδομένα θερμοκρασίας και υγρασίας, καθώς και δεδομένα για τον τύπο και την ηλικία των οχημάτων.

Η λειτουργία της eco-driving

Η eco-driving περιλαμβάνει μικρές προσαρμογές για την ελαχιστοποίηση της άσκοπης κατανάλωσης καυσίμου. Για παράδειγμα, όταν ένα αυτοκίνητο πλησιάζει ένα κόκκινο φανάρι, δεν υπάρχει λόγος να επιταχύνει. Με το να αφήνει το αυτοκίνητο να κυλήσει, δεν καίει καύσιμο ή ηλεκτρική ενέργεια. Αν ένα αυτόνομο όχημα επιβραδύνει καθώς πλησιάζει σε μία διασταύρωση, τότε και τα συμβατικά οχήματα που το ακολουθούν θα αναγκαστούν να επιβραδύνουν, επεκτείνοντας έτσι τον αντίκτυπο της αποδοτικής οδήγησης πέρα από το ίδιο το όχημα.

Η πρόκληση της βελτιστοποίησης

Η κατανόηση του αντίκτυπου τέτοιων μέτρων είναι ένα δύσκολο πρόβλημα βελτιστοποίησης που περιλαμβάνει πολλούς διαφορετικούς παράγοντες και παραμέτρους. Υπάρχει μεγάλο ενδιαφέρον για την επίλυση τέτοιων προβλημάτων ελέγχου χρησιμοποιώντας AI. Το νέο σύστημα αξιολόγησης που ανέπτυξε η Wu και οι συνεργάτες της, το οποίο ονομάζεται “IntersectionZoo”, στοχεύει να βοηθήσει σε αυτή την ανάγκη.

Η συμβολή του IntersectionZoo

Το IntersectionZoo είναι ένα νέο σύστημα αναφοράς που περιγράφεται λεπτομερώς σε εργασία που παρουσιάστηκε στο Διεθνές Συνέδριο για την Εκπροσώπηση Μάθησης στη Σιγκαπούρη το 2025. Η Wu επισημαίνει ότι η έλλειψη κατάλληλων συστημάτων αναφοράς για την αξιολόγηση των αποτελεσμάτων των μεθόδων multi-agent deep reinforcement learning (DRL) έχει εμποδίσει την πρόοδο στον τομέα.

Η γενικευσιμότητα στο DRL

Η Wu και η ομάδα της αναγνώρισαν πριν από δύο χρόνια ότι τα περισσότερα υπάρχοντα αλγόριθμοι DRL, όταν εκπαιδεύονται για μία συγκεκριμένη κατάσταση, δεν παραμένουν σχετικοί όταν γίνονται μικρές τροποποιήσεις, όπως η προσθήκη ποδηλατοδρόμου ή η αλλαγή του χρόνου ενός φαναριού. Αυτό το ζήτημα της μη γενικευσιμότητας δεν είναι μοναδικό για την κυκλοφορία, αλλά επηρεάζει και άλλες κανονικές εργασίες που χρησιμοποιούνται για την αξιολόγηση της προόδου στον σχεδιασμό αλγορίθμων.

Η μοναδικότητα του IntersectionZoo

Παρόλο που υπάρχουν πολλά συστήματα αναφοράς για την αξιολόγηση της προόδου στους αλγορίθμους DRL, η Wu επισημαίνει ότι το πρόβλημα της eco-driving περιλαμβάνει ένα πλούσιο σύνολο χαρακτηριστικών που είναι σημαντικά για την επίλυση πραγματικών προβλημάτων, ιδιαίτερα από την άποψη της γενικευσιμότητας. Το IntersectionZoo, με τα 1 εκατομμύριο σενάρια κυκλοφορίας που βασίζονται σε δεδομένα, είναι μοναδικά τοποθετημένο για να προάγει την πρόοδο στη γενικευσιμότητα του DRL.

Η εφαρμογή του IntersectionZoo

Η αρχική ερώτηση σχετικά με την κυκλοφορία στις πόλεις παραμένει: Πόσος αντίκτυπος στις εκπομπές θα προέλθει από την εφαρμογή της eco-driving σε αυτόνομα οχήματα σε μία πόλη, ανάλογα με το ποσοστό αυτών των οχημάτων που πραγματικά χρησιμοποιούνται; Παράλληλα, ο κύριος στόχος αυτής της μελέτης είναι να υποστηρίξει την ανάπτυξη γενικού σκοπού αλγορίθμων DRL, που μπορούν να εφαρμοστούν σε πολλές εφαρμογές, όπως η αυτόνομη οδήγηση, τα βιντεοπαιχνίδια, τα προβλήματα ασφάλειας, η ρομποτική, η αποθήκευση και τα κλασικά προβλήματα ελέγχου.

Διαθεσιμότητα και συνεργασία

Η Wu προσθέτει ότι ο στόχος του έργου είναι να παρέχει αυτό το εργαλείο στους ερευνητές, διαθέσιμο ελεύθερα. Το IntersectionZoo και η τεκμηρίωση για τη χρήση του είναι διαθέσιμα στο GitHub. Στην εργασία συμμετέχουν επίσης οι κύριοι συγγραφείς Vindula Jayawardana, φοιτητής μεταπτυχιακού στο Τμήμα Ηλεκτρολόγων Μηχανικών και Πληροφορικής του MIT, Baptiste Freydt, φοιτητής μεταπτυχιακού από το ETH Zurich, και οι συν-συγγραφείς Ao Qu, Cameron Hickert και Zhongxia Yan.