Les mesures éco-conduisées pourraient réduire considérablement les émissions de véhicules
Tout automobiliste qui a déjà attendu plusieurs cycles pour un feu de circulation pour devenir vert sait à quel point les intersections signalées peuvent être ennuyeuses. Mais s'asseoir aux intersections n'est pas seulement une traînée sur la patience des conducteurs – le ralenti des véhicules intacts pourrait contribuer jusqu'à 15% des émissions de dioxyde de carbone du transport terrestre américain.
Une étude de modélisation à grande échelle dirigée par des chercheurs du MIT révèle que les mesures de l'éco-conduite, qui peuvent impliquer l'ajustement de vitesses de véhicule pour réduire l'arrêt et une accélération excessive, pourraient réduire considérablement ces CO2 émissions.
En utilisant une puissante méthode d'intelligence artificielle appelée apprentissage en renforcement profond, les chercheurs ont effectué une évaluation approfondie d'impact des facteurs affectant les émissions de véhicules dans trois grandes villes américaines.
Leur analyse indique que l'adoption complète des mesures éco-contestes pourrait réduire de 11% à 22% les émissions de carbone d'intersection à l'échelle de la ville, sans ralentir le débit de la circulation ni affecter la sécurité des véhicules et de la circulation.
Même si seulement 10% des véhicules sur la route utilisent l'éco-conduite, cela entraînerait 25% à 50% de la réduction totale du CO2 Émissions, ont révélé les chercheurs.
De plus, l'optimisation dynamiquement des limites de vitesse à environ 20% des intersections offre 70% des avantages totaux d'émission. Cela indique que les mesures éco-contestées pourraient être mises en œuvre progressivement tout en ayant des impacts positifs mesurables sur l'atténuation du changement climatique et l'amélioration de la santé publique.
«Les stratégies de contrôle basées sur les véhicules comme l'éco-conduite peuvent faire bouger l'aiguille sur la réduction du changement climatique. Nous avons montré ici que les outils modernes d'apprentissage automatique, comme l'apprentissage en renforcement profond, peuvent accélérer les types d'analyses qui soutiennent la prise de décision sociotechnique.
« Ce n'est que la pointe de l'iceberg », a déclaré l'auteur principal Cathy Wu, le professeur agrégé de Thomas D. et Virginia W. Cabot en matière de développement de carrière en génie civil et environnemental (CEE) et l'Institut pour les données, les systèmes et la société (IDSS) au MIT, et un membre du laboratoire d'informations et de systèmes de décision (LIDS).
Elle est rejointe sur le journal par l'auteur principale Vindula Jayawardana, une étudiante diplômée du MIT; ainsi que les étudiants diplômés du MIT AO Qu, Cameron Hickert et Edgar Sanchez; Le premier cycle du MIT Catherine Tang; Baptiste Freydt, étudiant diplômé à ETH Zurich; et Mark Taylor et Blaine Leonard du ministère des Transports de l'Utah. La recherche est publiée dans Recherche de transport Partie C: technologies émergentes.
Une étude de modélisation en plusieurs parties
Les mesures de contrôle du trafic rappellent généralement l'infrastructure fixe, comme les panneaux d'arrêt et les feux de circulation. Mais à mesure que les véhicules deviennent plus avancés technologiquement, il présente une opportunité d'éco-conduite, qui est un terme de fourre-tout pour les mesures de contrôle de la circulation basées sur les véhicules comme l'utilisation de vitesses dynamiques pour réduire la consommation d'énergie.
À court terme, l'éco-conduite pourrait impliquer des conseils de vitesse sous forme de tableaux de bord de véhicule ou d'applications pour smartphone. À plus long terme, l'éco-conduite pourrait impliquer des commandes de vitesse intelligente qui contrôlent directement l'accélération des véhicules semi-autonomes et entièrement autonomes via des systèmes de communication de véhicule à l'infrastructure.
« La plupart des travaux antérieurs se sont concentrés sur la façon de mettre en œuvre l'éco-conduite. Nous avons déplacé le cadre pour considérer la question de la mise en œuvre de l'éco-conduite. Si nous devions déployer cette technologie à grande échelle, cela ferait-il une différence? » Dit Wu.
Pour répondre à cette question, les chercheurs se sont lancés dans une étude de modélisation à multiples facettes qui prendrait la meilleure partie de quatre ans.
Ils ont commencé par identifier 33 facteurs qui influencent les émissions de véhicules, notamment la température, le grade de route, la topologie d'intersection, l'âge du véhicule, la demande de la circulation, les types de véhicules, le comportement du conducteur, le calendrier du signal de la circulation, la géométrie des routes, etc.
« L'un des plus grands défis a été de s'assurer que nous étions diligents et que nous n'avons laissé aucun facteur majeur », explique Wu.
Ensuite, ils ont utilisé des données de cartes ouvertes de rue, des enquêtes géologiques américaines et d'autres sources pour créer des répliques numériques de plus de 6 000 intersections signalées dans trois villes – Atlanta, San Francisco et Los Angeles – et ont simulé plus d'un million de scénarios de trafic.
Les chercheurs ont utilisé un apprentissage en renforcement profond pour optimiser chaque scénario pour l'éco-conduite afin d'atteindre les avantages maximaux des émissions.
L'apprentissage du renforcement optimise le comportement de conduite des véhicules grâce à des interactions d'essais et d'erreurs avec un simulateur de trafic à haute fidélité, récompensant les comportements des véhicules qui sont plus économes en énergie tout en pénalisant ceux qui ne le sont pas.
Cependant, la formation des comportements des véhicules qui se généralisent dans divers scénarios de trafic d'intersection étaient un défi majeur. Les chercheurs ont observé que certains scénarios sont plus similaires les uns aux autres que d'autres, tels que des scénarios avec le même nombre de voies ou le même nombre de phases du signal de la circulation.
En tant que tels, les chercheurs ont formé des modèles d'apprentissage par renforcement séparés pour différents groupes de scénarios de trafic, ce qui donne de meilleurs avantages d'émission dans l'ensemble.
Mais même avec l'aide de l'IA, l'analyse du trafic à l'échelle de la ville au niveau du réseau serait si intensif en calcul que cela pourrait prendre une autre décennie pour s'effilocher, dit Wu.
Au lieu de cela, ils ont cassé le problème et ont résolu chaque scénario éco-conducteur au niveau de l'intersection individuelle.
« Nous avons soigneusement limité l'impact du contrôle de l'éco-conduite à chaque intersection sur les intersections voisines. De cette manière, nous avons radicalement simplifié le problème, ce qui nous a permis d'effectuer cette analyse à grande échelle, sans introduire des effets de réseau inconnus », dit-elle.
Avantages en émissions importantes
Lorsqu'ils ont analysé les résultats, les chercheurs ont constaté que l'adoption complète de l'éco-conduite pourrait entraîner une réduction des émissions d'intersection entre 11% et 22%.
Ces avantages diffèrent en fonction de la disposition des rues d'une ville. Une ville plus dense comme San Francisco a moins de place pour mettre en œuvre l'éco-conduite entre les intersections, offrant une explication possible de réduction des économies d'émissions, tandis qu'Atlanta pourrait voir de plus grands avantages compte tenu de ses limites de vitesse plus élevées.
Même si seulement 10% des véhicules utilisent une éco-conduite, une ville pourrait encore réaliser 25% à 50% de la prestation totale des émissions en raison de la dynamique de suivi de la voiture: les véhicules non conformes à la conduite suivaient les véhicules éco-conduits contrôlés car ils optimisent la vitesse pour passer en douceur à travers les intersections, réduisant également leurs émissions de carbone.
Dans certains cas, l'éco-conduite pourrait également augmenter le débit du véhicule en minimisant les émissions. Cependant, Wu prévoit que l'augmentation du débit pourrait entraîner une prise de plus de conducteurs sur les routes, ce qui réduit les avantages des émissions.
Et bien que leur analyse de mesures de sécurité largement utilisées appelées mesures de sécurité de substitution, telles que le temps de collision, suggèrent que l'éco-conduite est aussi sûre que la conduite humaine, elle pourrait provoquer un comportement inattendu chez les conducteurs humains. Des recherches supplémentaires sont nécessaires pour bien comprendre les impacts potentiels de la sécurité, dit Wu.
Leurs résultats montrent également que l'éco-conduite pourrait offrir des avantages encore plus importants lorsqu'ils sont combinés avec des solutions de décarbonisation du transport alternatives. Par exemple, une adoption à 20% de l'éco-conduite à San Francisco réduirait des niveaux d'émission de 7%, mais lorsqu'il était combiné avec l'adoption projetée de véhicules hybrides et électriques, il réduirait les émissions de 17%.
« Il s'agit d'une première tentative de quantifier systématiquement les avantages environnementaux à l'échelle du réseau de l'éco-conduite. Il s'agit d'un excellent effort de recherche qui servira de référence clé pour que d'autres puissent s'appuyer dans l'évaluation des systèmes éco-conduisés », explique Hesham Rakha, le professeur d'ingénierie de Samuel L. Pritchard chez Virginia Tech, qui n'a pas été impliqué dans cette recherche.
Et tandis que les chercheurs se concentrent sur les émissions de carbone, les avantages sont fortement corrélés aux améliorations de la consommation de carburant, de la consommation d'énergie et de la qualité de l'air.
« C'est presque une intervention gratuite. Nous avons déjà des smartphones dans nos voitures, et nous adoptons rapidement des voitures avec des fonctionnalités d'automatisation plus avancées. Pour que quelque chose évolue rapidement dans la pratique, il doit être relativement simple à mettre en œuvre et à pelle.
