Al igual que cuando los Model T viajaban junto a caballos y buggies, los vehículos autónomos (AV) y los vehículos impulsados ​​por humanos (HV) algún día compartirán la carretera. Cómo gestionar mejor el auge de los vehículos autónomos es el tema de un nuevo resumen de políticas de Carnegie Mellon, Era del transporte de autonomía mixta:resiliencia y gestión autónoma de flotas.

Continúa el debate sobre cuándo los vehículos autónomos dominarán nuestras calles, pero una de las autoras del resumen, Carlee Joe-Wong, dice que "una vez que los vehículos autónomos comiencen a desplegarse, probablemente no habrá vuelta atrás. Por lo tanto, es necesario comenzar a hablar". sobre las políticas ahora, para estudiarlas a fondo y corregirlas para cuando lleguen los vehículos autónomos".

Joe-Wong, profesor asociado de ingeniería eléctrica e informática, y el equipo de investigación se preguntaron "¿qué es diferente cuando tienes AV en la mezcla en comparación con si solo tienes HV? Nos dimos cuenta de que una de las principales diferencias entre AV y HV es que los AV son altruistas y los HV son egoístas".

Los AV pueden anticipar lo que va a suceder y cambiar su ruta, por ejemplo, en caso de construcción de una carretera o accidente. Programados para operar de manera segura y seguir las reglas, los vehículos autónomos pueden realizar acciones altruistas que benefician a otros vehículos y no solo a ellos mismos. Los humanos que tienen prisa pueden no ser tan generosos con su tiempo.

El precio de la conducción egoísta se hace evidente al examinar el flujo de tráfico. A medida que los autos que se comportan egoístamente entran y salen de un sistema de tráfico, eventualmente el sistema alcanzará el equilibrio, un estado equilibrado, pero es posible que el tráfico no fluya tan eficientemente como podría. Por ejemplo, se puede alcanzar el equilibrio cuando el tráfico se enreda a lo largo de parachoques con parachoques. "A veces, el equilibrio está lejos de ser óptimo", dice Joe-Wong.

Los investigadores creen que el altruismo podría mejorar el flujo de tráfico al evitar equilibrios subóptimos, y no todos tienen que ser buenos para mejorar los tiempos de viaje. En las simulaciones, los estados altruistas entran en juego cuando los AV constituyen del 20 % al 50 % de los vehículos en la carretera. El informe sugiere formas de recompensar el altruismo, incluidas exenciones de peaje, descuentos de estacionamiento, etc.

Encontrar las mejores políticas operativas para las flotas de AV es otro tema tratado en el informe. Los AV tienen la capacidad de funcionar sincronizados, pero controlar de forma centralizada miles de AV provocará problemas de cálculo y retrasos en la comunicación. Los investigadores quieren lograr un equilibrio entre las políticas centralizadas y descentralizadas utilizando el aprendizaje por refuerzo, un método de entrenamiento de aprendizaje automático.

Los ingenieros consideraron cómo los AV toman decisiones. ¿Cómo ayuda el aprendizaje automático en este proceso y qué tipos de decisiones tienen el mayor impacto? Según Joe-Wong, "Bajo algunas condiciones, realmente necesitas inteligencia de aprendizaje por refuerzo, pero en otras condiciones, ese aprendizaje por refuerzo solo te dice que hagas lo que probablemente habrías hecho de todos modos".

El equipo sugiere que los operadores de flotas entrenen modelos para administrar flotas AV localmente. Si se producen nuevos patrones de tráfico, los modelos se actualizan, especialmente para alejar a las personas de los incidentes. Sin embargo, si el tráfico fluye sin cesar, se necesitan menos actualizaciones, lo que reduce las comunicaciones entre los AV en la carretera y los AV que informan a un servidor centralizado.

El problema final que examinaron los investigadores fue cómo lidiar con la congestión del tráfico y evitar fallas en cascada que ocurren cuando una falla en un sistema desencadena una secuencia de eventos que conducen a una falla en toda la red.

Operar en un equilibrio óptimo, aplicar el aprendizaje por refuerzo y tener una mayor proporción de AV colaborativos reducirá la congestión. Sin embargo, para abordar las fallas en cascada, los investigadores tuvieron en cuenta otros modos de transporte que se encuentran en las redes urbanas. Los investigadores agregaron a sus modelos sistemas de autobús, metro, ferrocarril y bicicletas compartidas, y pudieron demostrar que si los pasajeros se ajustaran entre los distintos modos de transporte, esto maximizaría el uso de toda la red y evitaría que se sobrecargue y falle. .

Con base en sus hallazgos, el equipo recomienda que cuando las agencias de planificación creen políticas de redistribución del flujo de tráfico para vehículos autónomos, consideren cómo incorporar múltiples sistemas de transporte interdependientes para mantener a las personas en movimiento.

En la era de la autonomía mixta, los AV altruistas podrían actuar como coordinadores que mantienen el flujo de tráfico al obtener acciones positivas de los HV. Aunque llevará tiempo antes de que los vehículos autónomos superen en número a los vehículos conducidos por humanos, todos los conductores notarán mejores flujos de tráfico con solo una adaptación parcial de los vehículos autónomos. + Explora más

Algoritmos de tráfico centralizados para ayudar a los conductores a evitar la congestión