使用强化学习（RL）控制自动驾驶汽车平滑交通波：百车实地测试

📢 转载信息

原文链接：http://bair.berkeley.edu/blog/2025/03/25/rl-av-smoothing/

原文作者：Berkeley AI Research

---

我们在高峰时段的公路交通中部署了100辆由强化学习（RL）控制的汽车，旨在为每个人平滑拥堵并减少燃料消耗。我们的目标是解决那些通常没有明确原因却会导致拥堵和大量能源浪费的“走走停停”（stop-and-go）波。为了训练高效的交通流平滑控制器，我们构建了快速、数据驱动的模拟系统，供RL智能体与之交互，学习在保持吞吐量和在人类驾驶员周围安全运行的同时，最大化能源效率。

总的来说，一小部分控制良好的自动驾驶汽车（AV）就足以显著改善道路上所有驾驶员的交通流量和燃油效率。此外，所训练的控制器设计为可部署在大多数现代车辆上，以去中心化的方式运行，并依赖标准的雷达传感器。在我们最新的论文中，我们探讨了从模拟到现场，在这次100辆汽车实验中将RL控制器大规模部署所面临的挑战。

幻影拥堵的挑战

一个“走走停停”波在高速公路交通中向后移动。

如果您开车，您肯定经历过“走走停停”波的令人沮丧的体验，那些看似毫无缘由的交通减速，它们凭空出现，然后又突然消失。这些波通常是由我们驾驶行为的微小波动引起的，这些波动在交通流中被放大。我们自然会根据前方的车辆调整速度。如果间隙拉大，我们会加速以跟上；如果他们刹车，我们也会减速。但由于我们存在非零的反应时间，我们可能刹车比前车稍微用力一点。后面的驾驶员也会做同样的事情，这种放大效应会持续下去。随着时间的推移，最初微不足道的减速演变成了交通后方完全停止。这些波会向后穿过交通流，由于频繁的加速，导致能源效率大幅下降，同时伴随着二氧化碳排放增加和事故风险。

这并非孤立现象！当交通密度超过某个临界阈值时，这些波在繁忙的道路上无处不在。那么我们如何解决这个问题呢？像匝道计量和可变限速这样的传统方法试图管理交通流，但它们通常需要昂贵的基础设施和集中协调。一个更具可扩展性的方法是使用自动驾驶汽车（AV），它们可以实时动态调整驾驶行为。然而，仅仅将AV插入人类驾驶员中间是不够的：它们还必须以更智能的方式驾驶，从而为所有人改善交通状况，这正是RL发挥作用的地方。

交通流的基本图。路上的汽车数量（密度）会影响向前移动的交通量（流量）。在低密度下，增加更多汽车会增加流量，因为可以通过更多的车辆。但超过临界阈值后，汽车开始相互阻碍，导致拥堵，此时增加更多汽车实际上会减慢整体移动速度。

用于波形平滑AV的强化学习

RL是一种强大的控制方法，智能体通过与环境交互来学习最大化奖励信号。智能体通过反复试验收集经验，从错误中学习，并随着时间的推移而改进。在我们的案例中，环境是一个混合自主交通场景，其中AV学习驾驶策略以抑制“走走停停”波，并为自身和附近的人类驾驶车辆降低燃料消耗。

训练这些RL智能体需要具有逼真交通动态的快速模拟，以复制高速公路的“走走停停”行为。为实现这一目标，我们利用了在田纳西州纳什维尔附近的24号州际公路（I-24）收集的实验数据，并用它来构建模拟系统，其中车辆重放高速公路轨迹，产生不稳定的交通情况，后面行驶的AV需要学习去平滑它。

模拟重放一条出现多次“走走停停”波的高速公路轨迹。

我们在设计AV时就考虑到了部署的因素，确保它们仅使用关于自身和前方车辆的基本传感器信息即可运行。观测值包括AV的速度、前导车的速度以及它们之间的空间间隔。给定这些输入，RL智能体然后为AV规定一个瞬时加速度或期望速度。仅使用这些局部测量值的关键优势在于，RL控制器可以以去中心化的方式部署在大多数现代车辆上，而无需额外基础设施。

奖励设计

最具挑战性的部分是设计一个奖励函数，当最大化该函数时，它能与我们期望AV实现的各种目标保持一致：

• 波形平滑： 减少“走走停停”的振荡。
• 能源效率： 降低所有车辆（而不仅仅是AV）的燃料消耗。
• 安全性： 确保合理的跟车距离并避免急刹车。
• 驾驶舒适性： 避免激进的加速和减速。
• 遵守人类驾驶规范： 确保“正常”的驾驶行为，不让周围的驾驶员感到不适。

平衡这些目标是困难的，因为必须找到每个项的合适系数。例如，如果最小化燃料消耗在奖励中占主导地位，RL AV会学会停在高速公路中间，因为那是能源最优解。为防止这种情况，我们引入了动态最小和最大间隙阈值，以确保安全合理的行为，同时优化燃油效率。我们还惩罚了AV后方人类驾驶车辆的燃料消耗，以阻止RL学习一种自私的行为，即以牺牲周围交通为代价来优化AV的能源节约。总的来说，我们的目标是在能源节约与合理和安全的驾驶行为之间取得平衡。

模拟结果

动态最小和最大间隙阈值的说明，AV可以在此范围内自由操作，以尽可能高效地平滑交通。

AV学到的典型行为是保持比人类驾驶员稍大的间隙，使它们能够更有效地吸收即将到来的、可能是突然的交通减速。在模拟中，这种方法在最拥堵的情况下，使所有道路使用者节省了高达20%的燃料，而道路上仅有不到5%的AV。而且这些AV不需要是特种车辆！它们可以只是配备了智能自适应巡航控制（ACC）的标准消费类汽车，这也是我们在规模上测试的内容。

RL AV的平滑行为。 红色：数据集中的人类轨迹。 蓝色：队列中连续的AV，其中AV 1是紧随人类轨迹之后的第一个。AV之间通常有20到25辆人类驾驶的汽车。每个AV减速的幅度或加速的速度都不如其领航车快，导致波幅随时间减小，从而实现节能。

100辆AV实地测试：大规模部署RL

实验周期间，我们100辆汽车停在我们运营中心的样子。

鉴于模拟结果令人鼓舞，自然而然的下一步就是弥合从模拟到高速公路的差距。我们将训练好的RL控制器部署到I-24上100辆汽车上，在连续几天的高峰交通时段进行测试。这次大规模实验，我们称之为MegaVanderTest，是迄今为止进行的最大规模的混合自主交通流平滑实验。

在现场部署RL控制器之前，我们已经在模拟中对其进行了广泛的训练和评估，并在硬件上进行了验证。总的来说，部署的步骤包括：

• 在数据驱动模拟中训练： 我们使用I-24的高速公路交通数据创建了一个具有真实波动态的训练环境，然后验证了训练好的智能体在各种新交通场景中的性能和鲁棒性。
• 硬件部署： 在机器人软件中验证后，训练好的控制器被上传到汽车上，并能够控制车辆的设定速度。我们通过车辆的车载巡航控制进行操作，这充当了底层安全控制器。
• 模块化控制框架： 测试中的一个关键挑战是没有前车信息传感器。为克服此问题，RL控制器被集成到一个分层系统中，即MegaController，该系统结合了考虑下游交通状况的速度规划器指南，并将RL控制器作为最终决策者。
• 硬件验证： RL智能体被设计为在大多数车辆由人类驾驶的环境中运行，需要鲁棒的策略来适应不可预测的行为。我们通过在仔细的人工监督下在道路上驾驶RL控制的车辆来进行验证，并根据反馈对控制进行更改。

经验证后，RL控制器被部署到100辆汽车上，并在早高峰时段在I-24上行驶。周围的交通对实验一无所知，确保了驾驶员行为的公正性。实验过程中收集的数据来自沿高速公路放置的数十个高架摄像头，这些数据通过计算机视觉流程提取了数百万条单独的车辆轨迹。根据这些轨迹计算出的指标表明，AV周围的燃料消耗有所下降，这与模拟结果和先前较小的验证部署的预期一致。例如，我们可以观察到，人们离我们的AV越近行驶，他们平均消耗的燃料似乎就越少（这是使用校准的能源模型计算得出的）：

平均燃料消耗与下游交通中最近的、激活的RL控制AV的距离函数关系。随着人类驾驶员在AV后方距离变远，他们的平均燃料消耗也随之增加。

衡量影响的另一种方法是衡量速度和加速度的变化率：变化率越低，波的幅度应该越小，这正是我们在现场测试数据中观察到的。总的来说，尽管从大量的摄像机视频数据中获取精确测量很复杂，但我们观察到控制车辆周围的能耗节省了15%到20%。

实验某一天中高速公路上所有车辆的数据点，以速度-加速度空间绘制。红色线条左侧的集群代表拥堵，右侧的集群对应于自由流。我们观察到，存在AV时，拥堵集群变小，这是通过计算软凸包的面积或拟合高斯核来衡量的。

最后的思考

这次100辆车的现场操作测试是去中心化的，AV之间没有明确的协作或通信，这反映了当前的自主部署现状，使我们离更平滑、更节能的高速公路更近了一步。然而，仍有巨大的改进潜力。将模拟扩展得更快、更准确，并结合更好的人类驾驶模型，对于弥合模拟到现实的差距至关重要。为AV配备额外的交通数据，无论是通过先进传感器还是集中规划，都可以进一步提高控制器的性能。例如，虽然多智能体RL在改进协作控制策略方面前景广阔，但启用AV之间通过5G网络进行显式通信如何进一步提高稳定性和缓解“走走停停”波，仍然是一个悬而未决的问题。至关重要的是，我们的控制器与现有的自适应巡航控制（ACC）系统无缝集成，使得大规模现场部署成为可能。配备智能交通平滑控制的车辆越多，我们道路上看到的波浪就越少，这意味着为所有人带来了更少的污染和燃料节省！

---

🚀 想要体验更好更全面的AI调用？

欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。