研究人员使用真实数据仿真 优化自动驾驶车队部署

盖世汽车讯 据外媒报道，为优化城市自动驾驶车队部署，帝国理工学院的研究人员使用真实数据进行了仿真测试，其结果显示了自动驾驶（AV）车队对拥堵、排放、公共交通和共享乘车的潜在影响。

该团队使用真实数据、一系列服务参数以及车队管理算法分析了成千上万种可能的部署场景，目的是确保此类服务可以更加高效运行，并且实现盈利，以及减少对其他交通方式的连锁反应，如主动和可持续出行，同时将该城市街道部署方案推向全球。

（图片来源：帝国理工学院）

帝国理工学院土木与环境工程系的运输系统与物流实验室（TSL）的研究人员与自动驾驶汽车软件公司Oxbotica合作开展了一个项目。该项目名为SHIFT，通过创新英国（Innovate UK）交付，并获得了由互联及自动驾驶汽车中心(Centre for Connected and Autonomous Vehicles)资助的158万英镑，。

伦敦交通局（TfL）还提供数据，帮助理解如何在伦敦不同地区采用不同的方式部署自动驾驶汽车，以及是否有必要在特定区域部署自动驾驶汽车，对支持伦敦市长交通战略的核心目标：2041年城市绿色出行比例（步行、自行车和公共交通）达到80%，改善伦敦空气质量。

为未来做好准备

帝国理工团队公布了SHIFT自动驾驶部署报告，涵盖了仿真的具体细节、首创的驾驶员安全指南以及AV研发手册和数据基础结构框架，从而帮助操作员在英国进行大量的AV部署演示。

帝国理工学院运输系统与物流系Panagiotis Angeloudis博士表示：“部署AV技术可能会改变全球城市的出行方式。借助SHIFT项目，我们有机会更详细地研究AV对其他交通方式的潜在影响。运用我们开发的工具，利益相关者可以更好地规划AV技术部署，并为未来做好准备。”

该团队基于过去几十年对乘客行为的研究，使用现有道路网络和真实出行需求模式的数据对AV车队的影响进行建模。比如，若考虑到价格、便利性和出行时间，人们会如何选择出行方式。

随着时间的推移，由于AV可能不再需要驾驶员，实现全天运行，因此可能会出现空跑，从而造成能源浪费并增加交通拥堵。该团队开发的算法可帮助优化车队运营，确保在正确区域里运行合适的车辆数量，从而避免能源浪费。该团队还对AV电动化的影响进行仿真测试，展示了减少道路运输排放的方法。

数字孪生

项目研究人员之一、帝国理工学院交通和环境系高级讲师Marc Stettler博士表示：“正确管理AV车队可最大程度地减少能源消耗和对环境的影响。我们希望通过增加潜在乘客上座率并避免车找人，减少汽车运行公里数。”

该团队表示其仿真可提供操作环境的“数字孪生”，且无需等待新技术研发和部署即可测试不同场景。因此，它还可以解决其他交通问题，如实现其他公共交通工具（城市公共汽车）的电气化、自动驾驶空中出租车部署等未来发展。

Angeloudis博士表示：“在城市中部署大量AV车队是为了减少私家车数量和释放道路空间。想要公众选择这种出行方式，此类车队需要定价合理且满足公众的需求。为此，应高效管理车辆，使其部署与用户需求保持一致，同时减少拥堵和排放。我们的模型将帮助车队运营商满足上述需求，从而使城市居民获益。”

投资部长Lord Grimstone表示：“自动驾驶汽车具有巨大的潜在经济和环境效益。在英国的繁忙城市中安全部署该技术非常重要。SHIFT的指导方针为自动驾驶汽车上路铺平了道路，并进一步证明，随着我们在疫情期间所做的环保工作，英国在未来自动驾驶领域具有全球领导地位。”

TSL团队将专注于将其仿真技术应用到使自动驾驶汽车安全部署中。