基于强化学习的跟车模型可以降低油耗

交通部门仍然是地球上空气污染和气候变化的主要来源之一，约占石油消耗的59%和CO 2排放的22%。因此，确定限制车辆燃料消耗的有效策略有助于减少污染，同时解决全球能源短缺问题。

香港科技大学的研究人员最近开始使用基于强化学习的计算模型来应对这一挑战。

该模型在预印本服务器arXiv上发布的一篇论文中概述，旨在优化跟车场景中的燃油消耗，特别是在半自动和自动驾驶车辆靠近行驶且需要与彼此保持安全距离的情况下其他通过调整速度。

“这篇论文的灵感来自于对可持续和节能交通解决方案日益增长的需求，”该论文的合著者 Huizhong 告诉 Tech Xplore。 “由于交通拥堵和低效驾驶行为显着增加了燃料消耗和排放，我们寻求探索缓解这些挑战的方法。”

钟和他的同事最近工作的主要目标是开发一种计算模型，该模型可以优化跟车场景中的燃油消耗，同时确保汽车之间保持安全距离并确保交通高效流动。他们开发的模型被称为 EcoFollower，基于深度强化学习。

“EcoFollower是一种基于强化学习的跟车模型，旨在优化驾驶过程中的燃油消耗。”钟解释道。 “该模型不断地从环境中学习，调整跟随距离和加速模式，以实现最省油的驾驶行为。EcoFollower 的与众不同之处在于它能够在燃油效率与保持安全顺畅的交通流之间取得平衡。”

在跟车场景中优化车辆运行的传统模型通常只关注安全性或旨在促进交通的高效流动。另一方面，EcoFollower 模型的设计也旨在降低燃料消耗。

研究人员通过一系列测试评估了他们的模型，并将其应用于下一代模拟（NGSIM）数据集。这是在四个不同地点收集的交通数据的开源集合。该团队的初步测试结果非常有希望，因为在所有测试场景中，EcoFollower 都显着降低了燃料消耗。

“我们证明了强化学习可以有效地应用于现实世界的驾驶场景，以减少燃油消耗，”钟说。 “我们的实验表明，与实际驾驶场景相比，EcoFollower 可以降低油耗 10.42%。这一结果对于减少总体排放、促进可持续交通具有重要意义。”

未来，EcoFollower 模型可以集成到高级驾驶辅助系统 (ADAS) 和自动驾驶系统中，有助于提高其效率并减少对环境的影响。与此同时，研究人员计划继续研究该模型，以进一步提高其性能。

“虽然它已经比传统的智能驾驶模式（IDM）表现更好，并且与实际驾驶场景相比油耗降低了10.42%，但还需要更多的场景和数据集来进一步测试和增强其通用性和鲁棒性。”钟补充道。 “例如，在混合自主交通环境中，人类驾驶车辆的行为与自动驾驶车辆的行为不同，这可能会影响模型的性能。”

更多内容，可以点开视频下方的链接
谢谢观看本视频。要是喜欢，请订阅、点赞。谢谢

原文：https://techxplore.com/news/2024-09-car-based-fuel-consumption.html
更多信息： Huizhong 等人，EcoFollower：考虑燃料消耗的环境友好型汽车跟随模型， arXiv (2024)。 DOI：10.48550/arxiv.2408.03950
期刊信息： arXiv

油管：https://youtu.be/FDgx6K4qyTM