Des chercheurs discutent de l’utilisation de l’IA pour encourager le covoiturage et les transports partagés
Imaginez héler une navette dynamique chaque fois que vous avez besoin d'aller quelque part et arriver plus vite que si vous veniez de conduire vous-même. C'est la vision partagée par les chercheurs de Berkeley : un monde où les véhicules à occupation multiple (VOM) respectueux de l'environnement et économes en énergie sont le mode de transport préféré et le plus rapide.
À l’aide d’un environnement simulé, les chercheurs ont testé un nouvel algorithme de contrôle des feux de circulation qui vise à maximiser le débit des personnes plutôt que des véhicules aux intersections. Baptisée HumanLight, la technologie utilise l’apprentissage par renforcement, un type d’intelligence artificielle, pour prioriser et récompenser les passagers des HOV avec plus de feux verts. Leurs conclusions, publiées dans Recherche sur les transports, partie Ca montré que les gains de temps de trajet qui en résultent incitent fortement les gens à choisir les options de transport en commun plutôt que les voitures à occupation unique.
L'auteur principal de l'étude est Dimitris Vlachogiannis, Ph.D. Les co-auteurs sont Scott Moura, professeur émérite Clare et Hsieh Wen Shen en génie civil et environnemental ; la chercheuse principale Jane Macfarlane, directrice du Smart Cities Research Center ; et Hua Wei, professeur adjoint à l'Arizona State University.
Moura et Macfarlane se sont récemment entretenus avec Berkeley Engineering à propos de ces travaux, expliquant comment ils pourraient un jour fournir une solution de gestion du trafic plus démocratique et plus durable.
Comment vos travaux précédents vous ont-ils conduit à HumanLight ?
Jane : J'ai contribué au lancement d'OnStar et nous avions des capteurs de siège, un peu comme ceux utilisés avec les airbags, qui nous diraient combien de personnes se trouvaient dans la voiture en cas d'urgence ou d'accident. [I thought] Si nous avons un moyen de savoir combien de personnes sont assises dans ces véhicules et attendent à un feu de circulation, nous pouvons développer un système de contrôle des feux de circulation, comme HumanLight, qui donne la priorité aux personnes les plus occupées.
Scott : Nous avons mené ce projet de sept ans appelé NEXTCAR, dans le cadre duquel nous avons étudié des moyens d'optimiser la vitesse du véhicule afin de réduire la consommation d'énergie en fonction de la synchronisation des feux de circulation. Au fur et à mesure que j’en approfondissais, j’ai commencé à me demander : et si nous pouvions contrôler le timing des feux de circulation ? Les ingénieurs des transports, quant à eux, réfléchissaient : comment contrôler le timing des feux de circulation si le flux des véhicules est incontrôlable ? Et si nous pouvions contrôler les deux ?
Jane et Dimitris ont ensuite présenté l'idée de HumanLight, qui étudie comment contrôler la synchronisation des feux de circulation afin que nous puissions maximiser le débit des personnes, et non des voitures, ce qui est en fin de compte ce qui compte.
Pourquoi les gens devraient-ils se soucier de la gestion du trafic ?
Scott : La réponse simple est : 51 milliards de tonnes. C’est la quantité de gaz à effet de serre émise chaque année dans le monde. Un peu moins de 1 % de cette somme provient de l’État de Californie. Et 40 % des émissions de gaz à effet de serre de la Californie proviennent des transports. Aujourd’hui, la Californie s’efforce de ramener ce chiffre à zéro pour relever les défis du changement climatique.
Une façon d’atteindre cet objectif est de faire en sorte que tout le monde achète des véhicules électriques. Mais cela nécessiterait de construire une toute nouvelle chaîne d’approvisionnement et de modifier l’économie mondiale. En attendant, une autre option consiste à s’attaquer aux fruits les plus faciles à trouver. En fin de compte, nous parlons de logiciels et d'utilisation de tout le matériel et de l'infrastructure dont nous disposons déjà, mais nous sommes plus stratégiques dans la manière dont nous gérons la synchronisation des feux de circulation afin de réduire les embouteillages et la consommation d'énergie.
Jane : Au niveau des infrastructures, lorsque vous commencez à réfléchir à qui contrôle le trafic, vous réalisez que nous vivons dans un chaos chaotique contrôlé. Il y a des ingénieurs de la circulation urbaine qui règlent les feux de circulation et établissent le timing. Ensuite, le ministère des Transports gère les bretelles d’accès et de sortie des autoroutes. En outre, il existe de nombreuses applications de navigation qui permettent de déplacer les gens dans notre ville et de diriger parfois les voitures vers des quartiers résidentiels non conçus pour un trafic intense.
Chaque année, de plus en plus de personnes circulent sur les routes. Nous devons donc exercer davantage de contrôle sur le système pour garantir qu'il profite à la fois aux personnes et à l'environnement.
Comment HumanLight s’intègre-t-il dans le puzzle du contrôle des feux de circulation ? Comment fonctionne cette solution ?
Jane : HumanLight fait partie de la prochaine étape dans l'évolution de la priorité des signaux de transport en commun et de la préemption des véhicules d'urgence. Son objectif est d'optimiser le contrôle des feux de circulation pour un débit maximal de personnes, et non de voitures. Plutôt que d'utiliser la théorie du contrôle standard, HumanLight utilise une technique d'IA, l'apprentissage par renforcement, pour gérer le comportement dynamique d'environnements de circulation complexes.
Par exemple, mettre en place un couloir de feux tricolores alignés est assez simple, mais une fois que vous entrez dans une grille de feux tricolores, cela devient beaucoup plus complexe du point de vue de la théorie du contrôle. Nous espérons donc que l’apprentissage par renforcement nous aidera à gérer un peu mieux le timing et la phase des feux de circulation.
Scott : Imaginez une intersection à quatre voies où, dans une direction, passent de nombreux bus et navettes. Pendant ce temps, dans la direction opposée, il y a davantage de voitures particulières, de véhicules à occupation unique qui circulent. Le timing des feux de circulation peut être, par exemple, que chaque direction soit verte pendant 30 secondes. Semble juste; vous avez deux directions différentes.
Mais si vous souhaitez déplacer les gens d'un point A à un point B le plus rapidement possible, il peut être judicieux de donner la priorité à la direction dans laquelle passent le plus de personnes. C'est l'idée centrale : rendre la synchronisation des feux de circulation intelligente, en comprenant l'occupation des véhicules entrants. Et puis, cela donne essentiellement la priorité au flux de véhicules là où il y a plus de monde.
Vous adoptez une approche centrée sur l'humain en matière de gestion du trafic. Est-ce différent des travaux antérieurs ou d’autres approches utilisées actuellement ?
Jeanne : Oui. Je dirais que HumanLight est unique à cet égard. Par exemple, les systèmes actuels de priorité aux signaux de transport en commun donneront la priorité à un autobus vide parce qu'ils ne savent pas combien de personnes se trouvent à bord de l'autobus. Ils savent juste que le bus arrive. Pourtant, ce bus pourrait prendre 50 personnes de l’autre côté du feu. Mais HumanLight pourrait potentiellement fournir une image plus claire de l’occupation des véhicules pour plusieurs modes de transport, des voitures aux navettes et bus, et amener davantage de personnes là où elles souhaitent aller plus rapidement.
Scott : Dans le passé, il existait une technologie appelée synchronisation adaptative des feux de circulation. Il s'agit d'un réseau de caméras ou de détecteurs magnétiques placés le long d'un couloir pour détecter la circulation. Mais ces appareils détectent uniquement les boîtes métalliques, pas les personnes. Ainsi, un bus ou une navette contenant douze personnes est considéré de la même manière qu'un SUV Suburban avec une seule personne. Cette approche n’a donc aucun sens lorsque nous essayons de déplacer des personnes.
HumanLight met non seulement l’accent sur le déplacement des personnes, mais fournit également un cadre pour réunir deux technologies habilitantes. L’un concerne les véhicules connectés, qui sont connectés à l’infrastructure Internet. Comme Jane l'a dit, avec OnStar, vous pouvez savoir combien de personnes se trouvent dans un véhicule et potentiellement communiquer cette information au réseau de contrôle de la circulation. L’autre technologie est l’IA. Compte tenu de tous les progrès de l’apprentissage par renforcement et de l’IA, vous pouvez désormais résoudre ce problème d’infrastructure complexe d’une manière que nous ne pouvions pas faire il y a cinq ou dix ans.
Pourriez-vous me parler des résultats de cette étude ? Y a-t-il eu des surprises ?
Jane : Je ne m'attendais pas à voir d'aussi bons résultats pour les personnes qui ne voyagent pas dans des véhicules à plusieurs places. Après tout, vous ne voulez pas concevoir une solution dans laquelle les personnes qui ne peuvent pas prendre une navette, pour une raison quelconque, sont pénalisées ou doivent attendre une demi-heure supplémentaire pour arriver à destination. Avec HumanLight, nous avons pu concevoir une solution démocratique.
Scott : Dimitris nous a aidés à réaliser un autre résultat important : inciter les gens à faire du covoiturage. Au départ, je considérais HumanLight comme une simple solution de contrôle d’infrastructure. Mais parce que nous donnons la priorité aux humains, cela encourage également le comportement humain à faire du covoiturage, à utiliser les navettes et les bus.
Que faut-il encore faire avant de mettre en œuvre un système comme HumanLight ?
Scott : Premièrement, je pense que nous devons aligner les parties prenantes. Mais trouver le bon propriétaire/exploitant d’infrastructure, la bonne ville prête à essayer cela, sera un défi car il s’agit généralement d’organisations peu enclines à prendre des risques. Ils essaient simplement de maintenir la fluidité du trafic, donc expérimenter des choses est très angoissant.
Deuxièmement, nous avons besoin d’une infrastructure connectée. Nous devons équiper les armoires de circulation, que vous voyez à chaque intersection, d'une radio qui communique avec les véhicules et le cloud. Ils peuvent alors recevoir des informations sur l'occupation du véhicule et modifier le petit ordinateur dans l'armoire qui change les feux tricolores.
Le ministère américain des Transports a ce qu'il appelle le Vehicle-to-Everything [V2X] plan de déploiement. D’ici 2035, ils veulent que chaque intersection aux États-Unis soit dotée de cette technologie connectée, essentiellement une radio sur le panneau de signalisation qui parle aux voitures, et les voitures parlent au panneau de circulation.
Si cela se produit, nous pourrons potentiellement le faire. Mais en attendant, il y a déjà des endroits qui tentent de le faire. Je travaillais justement avec le district 12 de Caltrans dans le comté d'Orange. Ils ont 180 emplacements dans tout leur réseau routier qui disposent déjà de ces radios capables de contrôler les feux de circulation.
Jane : Et j'aimerais ajouter les équipementiers automobiles [Original Equipment Manufacturers] à cette liste de parties prenantes clés. Ces capteurs de siège font partie des véhicules d'aujourd'hui. Certes, ils étaient dans des véhicules GM et disponibles pour OnStar. Nous aurons besoin que les constructeurs nous fournissent des informations sur le nombre de personnes à bord du véhicule.
Enfin, je voudrais souligner que le succès d’un système comme HumanLight dépend du monde de la voiture connectée que Scott est en train de construire. Ces données sur l'endroit où vous essayez d'aller doivent être transmises au système de contrôle du cloud afin que nous puissions faire un meilleur travail pour vous y amener plus rapidement.