交通是每天的现实。我们燃烧数十亿加仑的天然气,浪费数十亿小时,并在走走停停的交通中产生大量污染。浪费时间,资源—和我们生活中的巨大部分我们知道拼车道’t 减少交通 —但是这就是我们可以做到的。

拼车专用道原本应该通过激励人们加倍来减少交通。研究人员估计,只有10%的拼车是“诱导”或形成的,以节省通勤时间。车道上更多的汽车是自然拼车(例如家庭),已经共享的乘车(公共汽车和乘车共享),免税的单车或作弊者。

It’我们过得好一点了’re working at home —但是后COVID呢?

后共青文化只会使情况变得更糟。目前,各州使用车道鼓励绿色车辆—并收取通行费。这些可能是有价值的目标,但它们并不能帮助流量。结果很明显: 拼车道不起作用.

更糟糕的是,基本概念存在缺陷。拼车车道仅是有价值的,因为我们无法让其他车道保持行驶。那是完全错误的。 目标应该是有效使用所有车道。

为什么会这样?我们对于它可以做些什么呢?我们可以使用现代机器人技术来做很多事情,而不仅仅是帮助我们开车。我们可以使用它来减少流量。

众所周知,自动驾驶汽车(AV)可以取代人类驾驶员,从而挽救生命并提高机动性。但是,即使在AV完全取代驱动程序之前,它们仍可以发挥另一个作用:当今新兴的AV和计量控制技术可以重定向以减少流量。从长远来看,我们可以通过改道拼车路线来完全消除交通。

是什么原因导致流量?

交通变得越来越糟,拼车道本应该有助于交通拥堵,避风港’t helped.

让我们从了解问题开始。交通工程师通常绘制“流量”与“密度”的关系图来模拟交通。作为网络工程师,我将根据网络拥塞模型尝试不同的观点。下图显示了来自排队理论的典型吞吐量图。

考虑它是高速公路上的一条车道。垂直轴是吞吐量,以每单位时间经过给定点的车辆数量来衡量。横轴是“提供的负载”,即单位时间内进入系统的车辆数量。

车道吞吐量。随着汽车进入车道,吞吐量会增加。最终,吞吐量达到了最大值。在达到最大值之后添加更多的汽车会导致交通拥堵,从而极大地降低吞吐量。

在提供低负载的情况下,每辆新车都会以限速行驶,从而将吞吐量提高一倍。因此,吞吐量随负载线性增加。在某些时候,车道变得拥挤,吞吐量无法跟上。因此,随着汽车驶入车道,它会滚落。如果您继续增加负载,吞吐量将“崩溃”。拥挤的车道大大减少了流量。

在典型的交通情况下,最大吞吐量相当于大约45英里/小时的速度。那是驾驶员尽可能舒适地收拾行李的地方,刹车灯开始闪烁。因此,如果您以45英里/小时的速度在高速公路上行驶,请准备停车。任何更多的负载或任何干扰,您的车道速度将很快降至几乎为零。

幻影果酱

这就是我们关于车道的故事。如果您看远处的车道,它将变得更加有趣。当您将更多的汽车打包到车道上时,拥堵将超过最大拥堵。吞吐量下降。在此之后,汽车堆积的速度超过了障碍物无法应付的速度。随着拥塞的增加,流量也随之增加。

当然,现在拥挤的车道无法承载那么多的交通,因此在拥堵的最前面,载重下降了。这提高了吞吐量,并使汽车摆脱了障碍。您可能已经注意到了“幻影果酱”现象。有时,交通堵塞是有原因的,例如事故或车道合并。但是,在大多数情况下,当您到达慢点的尽头时,流量会完全消失,没有明显的原因。

拥塞模型。 当形成块时,该区域的吞吐量较低。从后面的汽车迅速地增加了。前排的汽车离开了街区。因此,阻塞会随时间向后移动。如果有足够多的汽车进入,则整个车道将被阻塞。

拥塞模型显示了块如何形成—造成停滞的汽车“浪潮”,它们随着时间的推移向后移动。高通量从后面送入块。高通量从前面清除了障碍物。阻塞会随着时间的推移而向后移动。

实际上,它要复杂得多,因为在大多数情况下,车辆正在进入和离开系统。通过不受控制的进入,整个系统可能会超过最大吞吐量级别,并且一切都将被完全阻塞。

计量灯可以通过限制进入的流量来提供帮助。不幸的是,今天的计量灯只是降低了所提供的负载。他们一直在增加汽车,即使道路已经被阻塞。他们根本不够聪明,无法保持行进路线。

拼车专用道?

那么,我们该如何解决呢?首先,我们必须就目标达成共识。如果所有通道始终保持最大流量,那么总体吞吐量的潜在提升将是巨大的!即使在最大吞吐量不足的情况下运行,也比阻塞更可取。我们必须设定一个明确的目标: 禁止停车。使用这样的系统,吞吐量将提高。通勤时间将是一个界限。没有理由检查Google的交通状况。

拼车道毫无意义。

这确实意味着一些“入库”的车辆正在等待加入该流程。我们仍然可以通过提供更快的交通流量来奖励拼车,电动汽车或摩托车。驾驶员必须意识到并同意,较长的通勤等待时间完全值得缩短通勤时间。

限制提供的负载

达成该目标后,我们可以变得更加智能来控制所提供的负载。如果我们可以测量交通速度,则可以检测到拥塞波。波浪向后移动,受到进来的交通的推动。通过阻止传入流量,我们可以发送较低负载的“反波”,减少阻塞并保持流量移动。

今天,我们尝试通过计量灯控制提供的负载。但是它们甚至都不基于有源传感器。他们只是用计时器隔开汽车。计量灯和流量必须基于所测量的交通状况,而不是基于固定的时间。

交通堵塞会在几秒钟内形成并缓解。这是一个主动的反馈控制问题:测量负载并动态调整负载。它必须足够快以检测和消除波。像今天的计量灯一样,有效的控制无法在数小时内做出反应和调整流量。

有效的控制可以使用Google Maps等应用程序提供的动态感应功能来实时更改计量方式。从定时,随机,无效的计量到仅主动测量的反馈控制的变化将大大减少流量。

避免阻塞车道

但是我们可以使用一些合作车辆做更多的事情。当车道合并或存在临时集中流量的临时障碍物时,使用计量灯降低负载无法轻松控制流量。负载可以通过多种方式超过承载能力。

为了使车道始终保持畅通,我们还必须防止已经在行驶中的车辆阻塞。这可以通过合作驾驶来完成。例如,我们可以要求驾驶员提前放慢速度,并在加重障碍之前立即放慢速度。当然,这是假设其他汽车也这样做,而不仅仅是通过慢车。那不太可能–历史充斥着失败的计划,这些计划假设了人性的改变。

AV可以在这里提供帮助;他们不会遭受人性的折磨。即使是少数在堵塞之前变慢的“利他”车辆,也可以减少传入的负载,减轻堵塞,并大大增加总体流量。

他们必须知道何时放慢速度,而这将需要感知阻塞。最好使用广泛的车对车(V2V)系统,但这很难。幸运的是,可以使用更简单的本地解决方案。例如,一些研究人员认为,向后看的尾注控制就足够了。像Google Maps这样的当今在线交通监控的更新甚至可能足够快,并且每辆车都已经提供了更新。

我们不必等待数十年的时间来获得这种改进!谷歌可能是传感器。车辆控制轻松自如。车辆只需要根据交通情况选择车道和速度即可。如今,借助Tesla的AutoPilot这样的系统,这是可能的。至少在加利福尼亚州,道路上有很多特斯拉,因此,Auto Pilot反交通应用程序可以大大减少交通拥堵— right now.

这不是完美的,但反馈测光和缓解堵塞应该能够接近我们最重要的目标:保持所有车道畅通。它们都可以用当今的技术来实现。

Robolanes Can 结束 交通

我们可以通过更好地利用拼车车道和更智能的AV来做更多的事情。

怎么样?我们拥有所有那些不久将成为无用的拼车车道,它们已经通过特殊车道和天桥与主流分开了。如果允许这些拼车车道 只要 可以对AV,智能车辆进行编程,以使其前后保持相等的间距(csaildotmitdotedu)。仅此而已就可以消除幻象障碍。

更具吸引力的是,AV具有更快的控制系统,可以进行编程以减少车辆’距离很大。这听起来可能不安全,但实际上仅需考虑间距即可解决人为响应延迟。对毫秒变化(而不是秒)做出反应的自动控件可以安全地驱动更紧密的编队。

更好的是,它更安全。碰撞严重程度是速度差异的函数。如果前方的汽车减速的空间较小,则发生碰撞时相对速度不会那么高。

如果可能的话,最安全的驾驶方式是像火车一样触摸前后的保险杠。这样,您可以“降低”前方汽车的加速度曲线。这比撞到停下来的汽车要好得多。当然—这种旅行方式赢了’t happen.

将这些放在一起,“仅AV”车道可以装更多的汽车,避免幻像障碍,并且更安全。实现将需要一些工作,包括控制器和V2V标准。但是,正确编写的安全协议可能无法在车辆之间完美通信的情况下起作用。通讯协议’t easy to attain —但这是交通游戏的一大胜利。

只需将拼车车道转换为永不阻塞的robolanes,即可轻松使吞吐量翻倍。对汽车进行编程以共同驾驶以消除车内空间可能会增加五倍或更多的系数。随着我们增加有能力的汽车数量,我们可以将更多车道迁移为robolanes。此增量路径可以终止流量— forever.

修正流量

我们已经投资了数十亿美元,用于建设立交桥,计量灯和拼车专用道。面对现实吧;他们没有工作。代替这些策略,我们应该关注一个新的目标:智能地控制流量。

首先,让所有车道一直在移动。简单的修复可以迅速发挥作用:使用便宜的传感器来控制测光,并使用我们现有的最佳AV来减轻阻塞。

从长远来看,我们可以调整拼车车道的用途,以应对新兴的视音频革命。这些合起来将花费比当前改善或建造新拼车车道的趋势要少的钱。让我们停止所有其他车道的荒谬浪费,而不是使用更好的拼车车道。

首先,我宁愿花费数十亿美元来解决问题,也不愿使一个破碎的系统永存。

图片来源:Bob Ward;像素

斯坦·施耐德

CEO

斯坦·施耐德是Real-Time Innovations(RTI)的首席执行官,该公司是最大的智能机和现实系统软件框架提供商。斯坦(Stan)在学术和工业出版社发表了75篇论文。他在有关互联医疗系统,智能交通,智能电网和行业未来的活动和会议上发表广泛演讲。 Stan曾在工业互联网协会(IIC)的指导委员会任职六年,然后于2020年辞职。在IIC上,他担任过副主席,测试平台主席和生态系统任务组主席的角色。 Stan担任IoT Solutions World Congress的顾问委员会成员。斯坦活跃于硅谷CEO联盟。 物联网One将Stan评为2017年和2018年IIoT最具影响力25强。嵌入式计算设计将Stan授予Stan 2015年度最佳嵌入式创新者奖。 Stan拥有密歇根大学的学士和硕士学位,以及斯坦福大学的电气工程和计算机科学博士学位。