據(jù)外媒報道，美國橡樹嶺國家實驗室（Oak Ridge National Laboratory，ORNL）與Gridsmart Technologies公司的科研人員開展項目合作，雙方利用計算機視覺、機器學習及傳感器技術(shù)，旨在演示如何去對交通燈進行編程從而提升燃油經(jīng)濟性、降低車輛的尾氣排放量、提升交通流的順暢度。

Gridsmart的交通攝像頭已在全球范圍內(nèi)得到應(yīng)用，旨在替代當前安裝于公路轉(zhuǎn)交處的攝像頭，后者主要負責探查車輛并告知交通信號時間。

ORNL的程序可教會Gridsmart攝像頭預(yù)估十字路口車輛的燃油經(jīng)濟性（油耗表現(xiàn)，fuel efficiency），并控制交通燈信號配時（traffic signal timing），實現(xiàn)節(jié)能并優(yōu)化交通吞吐量。

該技術(shù)具有極大的省油潛力。據(jù)美國能源部估計，輕、重型車輛在十字路口及其他位置時，其發(fā)動機空轉(zhuǎn)導致每年燃油浪費量高達60億加侖。ORNL/Gridsmart合作項目獲得了美國能源部旗下車輛技術(shù)辦公室（Vehicle Technologies Office）HPC4Mobility項目的首批資金支持。

該項目還獲得了美國能源部國家實驗室的超級計算資源（supercomputing resources）及科學專業(yè)知識，并與業(yè)內(nèi)企業(yè)合作，共同尋找應(yīng)對當前全球交通挑戰(zhàn)的解決方案。該項目采用了ORNL Leadership Computing Facility中的高性能計算系統(tǒng)（High-Performance Computing system，HPC system），如Summit超級計算機，這是全球功能最強大的開源計算機。該系統(tǒng)被用于執(zhí)行十字路口模擬并提出了數(shù)學策略來引導交通燈定時。

在該項目的第一階段，ORNL的研究人員首先要提取Gridsmart貝殼形高空攝像頭（overhead Bell Cameras）所采集的圖片，然后將其與地平面照片進行比對并創(chuàng)建數(shù)據(jù)庫。研究人員向?qū)⒊叽缂败囕v類型進行歸類，從而訓練攝像頭對各類車輛的燃油經(jīng)濟性進行預(yù)估。

ORNL的研究人員研發(fā)了一款系統(tǒng)，可將照片與不同級別車輛的油耗相結(jié)合，從而創(chuàng)建貼標圖片數(shù)據(jù)庫。在該項目的第二階段，該項目旨在利用ORNL超級計算機上的強化學習技術(shù)，創(chuàng)建一款軟件應(yīng)用。強化學習通常能教會 計算機如何玩好“游戲（模擬程序，game）”，無需進行明確編程（explicitly programmed）就能實現(xiàn)該目標。在這種情況下，既能實現(xiàn)省油，又不會犧牲交通流。（本文圖片選自traffictechnologytoday.com）

返回第一電動網(wǎng)首頁 >