蓋世汽車訊 據外媒報道，美國能源部旗下勞倫斯伯克利國家實驗室（Lwrence Berkeley Ntionl Lbortory，Berkeley Lb）發布了新的研究項目，旨在將人工智能應用到自動駕駛車輛中，從而使交通流更為順暢、節省車輛油耗并改善空氣質量。

該機構還與加州大學伯克利分校（UC Berkeley）開展合作，將深度強化學習技術用于訓練控制器，實現更加可持續的交通模式。深度強化學習是一種計算工具。

利用Flow提升交通流順暢度

Flow是業內首款軟件框架，可供研發人員發現、標記優化交通流的相關方案，其采用最新款開源微型模擬器，可模擬上萬輛車輛，部分車輛由人工駕駛，其他車輛則屬于自動駕駛車輛的范疇，可定制化交通情境內的車輛駕駛。

研究人員利用Flow設計、測試、部署首款互聯與自動駕駛車輛（CAV）的車載系統，主動緩解高速道路上走走停停的幽靈賽車現象（stop-nd-go phntom trffic jm）。

強化學習是如何緩解交通擁堵的？

深度強化學習可被用于訓練計算機下圍棋并教會機器人如何在障礙賽跑場地（obstcle course）奔跑。在培訓過程中，系統會進行觀察，然后利用迭代技術反復強化該行動，然后再挑選出行動的優先項。

在交通用例中，Flow將訓練車輛檢查其前方和后方是否有車輛靠近。

DeepAir項目

該防污染項目取名為DeepAir，其意為利用深度學習與衛星圖像對空氣質量進行大規模的評估。

該項目研究人員將利用深度學習算法，分析衛星圖片，并將其與手機的交通信息及環境監測站采集的數據。

據研究人員預計，最終的結果分析使其能洞察污染物的來源及分布，最終便于其設計更為高效、及時的介入手段。（本文圖片選自newscenter.lbl.gov）

返回第一電動網首頁 >