📢 转载信息
原文链接：http://bair.berkeley.edu/blog/2025/03/25/rl-av-smoothing/
原文作者：BAIR (Berkeley Artificial Intelligence Research)
我们将100辆由强化学习（RL）控制的汽车部署到高峰时段的高速公路交通中，旨在为所有人平抑拥堵并降低燃料消耗。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、以数据驱动的仿真环境，让RL智能体与之互动，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（AVs）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，所训练的控制器被设计成可以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，我们探讨了将RL控制器从仿真扩展到实际部署中的挑战，尤其是在这次涉及100辆汽车的实验中。
幽灵堵车的挑战
一个“走走停停”波在高速公路交通中向后移动。
如果您有过驾驶经历，肯定体验过走走停停波带来的沮丧感——那些看似毫无缘由的交通减速，它们会凭空出现，然后又突然消失。这些波浪通常是由我们驾驶行为中的微小波动引起的，这些波动会随着交通流被放大。我们会根据前车调整速度。如果前车和我们的距离拉开，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更狠一点。后面的驾驶员也做了同样的事情，这种效应持续放大。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。这些波浪向后穿过车流，由于频繁的加速，导致能源效率大幅下降，同时伴随着$ ext{CO}_2$排放量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，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（AVs），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间插入AVs是不够的：它们还必须以更智能的方式驾驶，使交通状况对每个人都更好，这就是RL发挥作用的地方。
交通流的基本图。道路上的汽车数量（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。但超过某个临界阈值后，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，智能体通过与环境互动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AVs学习驾驶策略，以抑制走走停停波，并降低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仿真环境。为实现此目的，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，并用它来构建仿真环境，其中车辆重播高速公路轨迹，产生不稳定的交通状况，而AVs在它们后面学习进行平滑处理。
仿真重放了一条出现多次走走停停波的高速公路轨迹。
我们在设计AV时就考虑了部署因素，确保它们仅使用关于自身和前车的基本传感器信息即可运行。观察数据包括AV的速度、前车的速度以及它们之间的距离间隙。根据这些输入，RL智能体然后为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，使其最大化后能与我们期望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AVs）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，不让周围驾驶员感到不适。
将这些目标平衡在一起非常困难，因为必须找到每个分量的合适系数。例如，如果最小化燃料消耗在奖励中占主导地位，RL AVs将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，以阻止其学习一种自私的行为，即以牺牲周围交通为代价来优化AV的节能效果。总而言之，我们旨在平衡节能与合理、安全的驾驶行为。
仿真结果
动态最小和最大间隙阈值的说明，AV可以在此范围内自由运行，以尽可能高效地平滑交通。
AV通常学会的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。在仿真中，这种方法在最拥堵的场景下，使所有道路使用者（尽管只有不到5%是AVs）的燃料节省高达20%。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）的普通消费汽车，这也是我们在规模上进行测试的内容。
RL AVs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面的。AVs之间通常有20到25辆人类驾驶的汽车。每个AV的减速幅度或加速幅度都不如其前车大，从而导致波幅随时间减小，进而实现节能。
100辆AV现场测试：将RL扩展部署到实际环境
在实验周期间，我们100辆汽车停在我们运营中心的样子。
鉴于仿真结果令人鼓舞，自然而然的下一步是将差距从仿真环境弥合到实际高速公路上。我们将训练好的RL控制器部署到I-24上100辆汽车上，在连续几天的早高峰时段进行测试。这项被称为MegaVanderTest的大规模实验，是有史以来最大规模的混合自主交通平滑实验。
在实际部署RL控制器之前，我们在仿真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，部署步骤包括：
- 在数据驱动的仿真中训练： 我们使用I-24的高速公路交通数据创建了一个具有逼真波浪动态的训练环境，然后验证训练好的智能体在各种新交通场景中的性能和鲁棒性。
- 部署到硬件： 经过机器人软件验证后，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获取到前车信息传感器。为克服这一问题，RL控制器被集成到一个分层系统中，即MegaController，它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，这要求其具有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调整。
每辆100辆汽车都连接到一个Raspberry Pi，RL控制器（一个小型神经网络）部署在上面。
RL控制器直接控制车载自适应巡航控制（ACC）系统，设定其速度和期望的跟车距离。
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。周围的交通对实验不知情，确保了驾驶员行为的无偏性。实验期间收集的数据来自沿高速公路设置的数十个高架摄像头，通过计算机视觉流程提取了数百万条单独的车辆轨迹。在这些轨迹上计算的指标表明，AVs周围的燃料消耗有所下降，这与仿真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AVs驾驶得越近，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、参与实验的RL控制AV的距离函数关系。人类驾驶员在AV后方距离越远，其平均燃料消耗就越高。
衡量影响的另一种方法是衡量速度和加速度的变化方差：方差越低，波的幅度应该越小，这与我们在现场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取精确测量很复杂，但我们观察到受控汽车周围有15%到20%的能源节省的趋势。
实验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。红色线左侧的簇代表拥堵，右侧的簇代表自由流动。我们观察到，当AV存在时，拥堵簇变小，这是通过计算软凸包的面积或拟合高斯核来衡量的。
最后的想法
100辆汽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，这反映了当前自动驾驶技术的部署现状，使我们离更平稳、更节能的高速公路又近了一步。然而，仍有巨大的改进潜力。使仿真更快、更准确，并结合更好的人类驾驶模型，对于弥合仿真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缓解走走停停波，仍然是一个悬而未决的问题。最关键的是，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变得可行。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，这意味着所有人都将减少污染和节省燃料！
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，以及更多关于该项目的详细信息。
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。
评论区