使用强化学习平抑自动驾驶汽车（AV）的拥堵波，实现节能减排

📢 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 (BAIR)

---

我们部署了100辆由强化学习（RL）控制的汽车进入高峰时段的高速公路交通中，旨在为所有人平抑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，但会导致拥堵和大量能源浪费的“走走停停”（stop-and-go）波。为了训练高效的流量平抑控制器，我们构建了快速、数据驱动的模拟环境，供RL智能体与之交互，学习如何在保证吞吐量和在人类驾驶员周围安全操作的同时，最大化能源效率。

总体而言，一小部分控制良好的自动驾驶汽车（AV）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，所训练的控制器旨在可以部署在大多数现代车辆上，以分散式方式运行，并依赖标准的雷达传感器。在我们最新的论文中，我们探索了将RL控制器从模拟环境部署到实地进行大规模部署所面临的挑战，并在此次百车实验中进行了验证。

“幽灵拥堵”的挑战

一个“走走停停”波在高速公路上向后移动。

如果您开车，您肯定经历过“走走停停”波带来的沮丧感：那些看似毫无来由、突然出现然后又突然消失的交通减速现象。这些波浪通常是由我们驾驶行为中的微小波动引起的，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。如果间隙变大，我们会加速以跟上；如果前车刹车，我们也会减速。但由于我们有非零的反应时间，我们可能刹车比前车稍微用力一点。后面的司机也会这样做，这种现象不断放大。随着时间的推移，最初微不足道的减速演变成后方交通的完全停止。这些波浪向后穿过交通流，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上升。

这并非孤立现象！当交通密度超过某个临界阈值时，这些波浪在繁忙的道路上无处不在。那么我们如何解决这个问题呢？传统的做法，如匝道计量和可变限速，试图管理交通流量，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AVs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，为每个人改善交通，这就是RL发挥作用的地方。

交通流的基本图。道路上的车辆数量（密度）会影响向前移动的流量。在低密度下，增加更多车辆会增加流量，因为可以通过更多的车辆。但超过临界阈值后，车辆开始互相阻碍，导致拥堵，此时增加更多车辆实际上会减慢整体移动速度。

用于波浪平抑AV的强化学习

强化学习（RL）是一种强大的控制方法，智能体（agent）通过与环境交互来学习最大化奖励信号。智能体通过试错收集经验，从错误中学习，并随时间推移而改进。在我们的案例中，环境是一个混合自主交通场景，AVs在这里学习驾驶策略，以抑制“走走停停”波，并降低自身及附近人类驾驶车辆的燃料消耗。

训练这些RL智能体需要能够复制高速公路“走走停停”行为的、具有逼真交通动态的快速模拟环境。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，并用这些数据构建了模拟环境，其中车辆重放高速公路轨迹，产生不稳定的交通状况，后面行驶的AVs则从中学习如何平抑这些波动。

模拟重放了一条显示多个“走走停停”波形的高速公路轨迹。

我们在设计AV时就考虑到了部署的因素，确保它们仅能使用关于自身和前方车辆的基本传感器信息进行操作。观测数据包括AV的速度、前车的速度以及它们之间的空间间隔。根据这些输入，RL智能体为AV开出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，当其被最大化时，能够与我们期望AV实现的不同目标保持一致：

• 波浪平抑： 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： 确保一种“正常”的驾驶行为，不让周围驾驶员感到不适。

将这些目标平衡在一起是很困难的，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 AVs会学着在高速公路中间停下来，因为那样是最节能的。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自身的能源节约。总的来说，我们的目标是在能源节约与合理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示意图，AV可以在此范围内自由操作，以尽可能高效地平抑交通。

AVs学习到的典型行为是保持比人类驾驶员稍大的间隙，这使它们能够更有效地吸收前方可能出现的、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，而此时道路上仅有不到5%的AVs。而且这些AVs不必是特殊的车辆！它们可以是配备了智能自适应巡航控制（ACC）的普通消费级汽车，这正是我们进行规模化测试的内容。

RL AVs的平抑行为。 红色：数据集中的人类轨迹。 蓝色：队列中连续的AVs，其中AV 1是最靠近人类轨迹的。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会像其前车那么大，从而随着时间的推移导致波幅减小，并实现节能。

100车队实地测试：将RL大规模部署

100辆汽车在实验周期间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控制器部署在I-24上的100辆车上，在连续几天的高峰交通时段进行测试。这项被称为MegaVanderTest的大规模实验，是迄今为止进行的最大规模的混合自主交通平抑实验。

在实地部署RL控制器之前，我们对其进行了广泛的模拟训练和评估，并在硬件上进行了验证。总的来说，部署步骤包括：

• 数据驱动模拟训练： 我们使用I-24的高速公路交通数据创建了一个具有逼真波浪动态的训练环境，然后在一系列新的交通场景中验证训练后智能体的性能和鲁棒性。
• 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，能够控制车辆的设定速度。我们通过车辆的车载巡航控制系统进行操作，该系统充当低层安全控制器。
• 模块化控制框架： 测试期间的一个关键挑战是没有获取到前车信息传感器的权限。为克服这一点，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智能体被设计用于在大多数车辆由人类驾驶的环境中运行，这要求策略具有鲁棒性，能够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控制的车辆来验证这一点，并根据反馈对控制进行调整。

验证完成后，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。周围的交通对实验不知情，确保了驾驶行为的无偏性。实验期间，数据是通过沿高速公路设置的数十个高空摄像头收集的，通过计算机视觉流程提取了数百万条单独的车辆轨迹。根据这些轨迹计算的指标表明，在AV周围的区域，燃料消耗呈下降趋势，这与模拟结果和先前较小的验证部署相符。例如，我们可以观察到，人们离我们的AV越近，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、启用了RL控制的AV的距离函数关系。人类驾驶员离AV越远，其平均燃料消耗就越高。

衡量的另一个方法是测量速度和加速度的方差：方差越低，波的幅度应该越小，这与我们在实地测试数据中观察到的情况一致。总的来说，尽管从大量的摄像机视频数据中获得精确的测量是复杂的，但我们观察到在我们的控制车辆周围有15%到20%的能源节约。

实验某一天中高速公路上所有车辆在速度-加速度空间中的数据点。红色线条左侧的簇代表拥堵，右侧的簇代表自由流。我们观察到，存在AV时，拥堵簇的面积更小，通过计算软凸包的面积或拟合高斯核来衡量。

最后的思考

这次100车队实地操作测试是去中心化的，AV之间没有明确的合作或通信，这反映了当前自动驾驶技术的部署现状，并使我们离更平稳、更节能的高速公路更近了一步。然而，仍然有巨大的改进潜力。将模拟环境扩展到更快、更准确，并包含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），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很有前景，但启用AV之间通过5G网络进行显式通信是否能进一步提高稳定性和减轻“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，使得大规模的实地部署成为可能。配备智能交通平抑控制的车辆越多，我们道路上看到的波浪就越少，这意味着为每个人带来了更少的污染和更低的燃料消耗！

---

许多贡献者参与了MegaVanderTest的实现！完整的名单可以在CIRCLES项目页面上找到，其中包含有关该项目的更多详细信息。

阅读更多：[论文]

---

🚀 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。