使用强化学习控制自动驾驶汽车平滑高速公路拥堵

📢 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

---

我们在高峰时段的高速公路上部署了100辆由强化学习（RL）控制的汽车，以平滑拥堵并为每个人减少燃料消耗。 我们的目标是解决那些通常没有明确原因，但会导致拥堵和巨大能源浪费的“走走停停”（stop-and-go）波。为了训练高效的流量平滑控制器，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。

总体而言，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，训练好的控制器被设计成可以在大多数现代车辆上部署，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，我们探讨了将RL控制器从模拟扩展到现场大规模部署的挑战，包括这次100辆车的实验。

幽灵堵车的挑战

一个“走走停停”的波浪在高速公路交通中向后移动。

如果你开车，你肯定经历过“走走停停”波的沮丧感——那些看似毫无来由的交通减速，然后又突然恢复正常。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。如果车距拉开，我们会加速以跟上；如果前车刹车，我们也会减速。但由于我们存在非零的反应时间，我们可能会比前车刹得稍猛一些。后面的下一个驾驶员也会做同样的事情，这种效应不断放大。随着时间的推移，最初微不足道的减速在交通后部变成完全停车。这些波浪会向后传播通过车流，导致频繁加速造成的能源效率显著下降，同时伴随着二氧化碳排放量的增加和事故风险的上升。

这并非孤立现象！当交通密度超过某一临界阈值时，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？传统的方案，如匝道计量和可变限速，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AV，它们可以实时动态调整驾驶行为。然而，仅仅在人类驾驶员中插入AV是不够的：它们还必须以更智能的方式驾驶，使所有人的交通状况都得到改善，这就是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。但超过一个临界阈值后，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。

用于波浪平滑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。智能体通过试错收集经验，从错误中学习，并随着时间的推移而改进。在我们的案例中，环境是一个混合自动驾驶的交通场景，其中AV学习驾驶策略来抑制“走走停停”波，并减少它们自身和附近人类驾驶车辆的燃料消耗。

训练这些RL智能体需要具有逼真交通动态的快速模拟，能够复制高速公路的“走走停停”行为。为实现这一目标，我们利用了在美国田纳西州纳什维尔附近I-24收集的实验数据，并用它来构建模拟环境，让车辆重放高速公路轨迹，产生不稳定的交通状况，供落后的AV学习去平滑。

模拟重放一条展示了数个“走走停停”波浪的高速公路轨迹。

我们在设计AV时考虑了部署因素，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。观测数据包括AV的速度、前车速度以及它们之间的空间距离。根据这些输入，RL智能体随后为AV开出瞬时加速度或目标速度。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，能与我们希望AV实现的不同目标保持一致：

• 波浪平滑： 减少“走走停停”的振荡。
• 能源效率： 降低所有车辆的燃料消耗，而不仅仅是AV。
• 安全性： 确保合理的跟车距离并避免突然刹车。
• 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，因为必须找到每项指标的合适系数。例如，如果最小化燃料消耗在奖励中占主导地位，RL AVs会学会停在高速公路中间，因为那是能源最优的。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。我们还对后方人类驾驶车辆的燃料消耗进行了惩罚，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的能源节省。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们学习到的典型行为是保持比人类驾驶员稍大的跟车距离，使它们能够更有效地吸收即将到来的、可能的突然的交通减速。在模拟中，这种方法在最拥堵的情况下，使道路使用者总体燃料节省高达20%，而道路上部署的AV比例不到5%。而且这些AV不必是特种车辆！它们可以是配备了智能自适应巡航控制（ACC）的普通消费汽车，这正是我们在规模化测试中所做的。

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是紧跟在人类轨迹后方的。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快慢都不如其前车大，从而导致波幅随时间减小，进而实现能源节约。

100辆AV现场测试：大规模部署RL

实验周期间，我们的100辆车停在我们的运营中心。

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，在高峰时段连续几天进行测试。这次大规模实验，我们称之为MegaVanderTest，是有史以来规模最大的混合自动驾驶交通平滑实验。

在现场部署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。总体而言，部署步骤包括：

• 在数据驱动的模拟中训练： 我们使用I-24的高速公路交通数据创建了具有逼真波浪动态的训练环境，然后在一个各种新的交通场景中验证了训练好的智能体性能和鲁棒性。
• 部署到硬件： 在机器人软件中验证后，训练好的控制器被上传到汽车上，能够控制车辆设定的速度。我们通过车辆的车载巡航控制进行操作，它充当低级安全控制器。
• 模块化控制框架： 测试期间的一个关键挑战是没有获取前车信息的传感器。为克服这一障碍，RL控制器被集成到一个分层系统中，即MegaController，该系统将一个考虑下游交通状况的速度规划器指南，与RL控制器作为最终决策者结合起来。
• 硬件验证： RL智能体被设计成在大多数车辆由人类驾驶的环境中运行，需要适应不可预测行为的鲁棒策略。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更改。

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。周围的交通对实验一无所知，确保了驾驶行为的公正性。实验期间收集的数据来自沿着高速公路放置的数十个高空摄像头，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，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结果一致。例如，我们可以观察到，人们离我们的AV越近驾驶，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、启用了RL控制的AV距离的函数关系。随着人类驾驶员在AV后方距离的增加，他们的平均燃料消耗也在增加。

衡量影响的另一种方法是测量速度和加速度的方差：方差越小，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，尽管从大量摄像机视频数据中获取精确测量很复杂，但我们观察到在受控汽车周围有15%到20%的能源节省趋势。

实验某一天高速公路上所有车辆在速度-加速度空间中的数据点散点图。红色线条左侧的集群代表拥堵，右侧的集群对应自由流。我们观察到，当存在AV时，拥堵集群变小，测量方法是通过计算软凸包的面积或拟合高斯核。

最后的想法

这次100辆车的现场操作测试是去中心化的，AV之间没有明确的合作或通信，这反映了当前的自动驾驶部署现状，使我们离更平稳、更节能的高速公路更近了一步。然而，仍有巨大的改进潜力。使模拟更快、更准确，并使用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，我们在道路上看到的波浪就越少，这意味着为每个人带来更少的污染和燃料节省！

---

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，其中还有更多关于该项目的细节。

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。