研究人員在美國(guó)的十字路口模擬了近 100 萬(wàn)種駕駛場(chǎng)景。 圖片來(lái)源：Aerial Archives

司機(jī)可能會(huì)在接近十字路口時(shí)加速，或在紅燈時(shí)猛踩剎車(chē)——這種常見(jiàn)的駕駛習(xí)慣每年會(huì)產(chǎn)生大量的碳排放。但是，一項(xiàng)近日公布于預(yù)印本服務(wù)器arXiv的研究顯示，讓車(chē)輛在十字路口滑行，可以顯著減少碳排放。

一個(gè)基于人工智能的模型顯示，如果美國(guó)的每一輛汽油或柴油動(dòng)力汽車(chē)都能始終如一地遵循某些環(huán)保駕駛行為，可以使美國(guó)每年的碳排放減少6200萬(wàn)至1.23億噸。該研究對(duì)減排量的主要估算僅基于內(nèi)燃機(jī)車(chē)輛，并未考慮電動(dòng)汽車(chē)或混合動(dòng)力汽車(chē)的日益增長(zhǎng)。

即使只有10%的美國(guó)汽車(chē)采用這些環(huán)保駕駛行為，仍然可以實(shí)現(xiàn)多達(dá)一半的減排目標(biāo)。美國(guó)麻省理工學(xué)院的Vindula Jayawardana說(shuō)，考慮到采用環(huán)保方法駕駛的車(chē)輛可以影響身后其他車(chē)輛的速度和制動(dòng)行為，因此這是合理的。

Jayawardana說(shuō)：“這意味著我們不一定需要等待很長(zhǎng)時(shí)間才能讓生態(tài)駕駛的普及率達(dá)到很高水平，進(jìn)而從中受益。”

為了估計(jì)各種環(huán)保駕駛行為的潛在減排量，Jayawardana和同事模擬了美國(guó)3個(gè)主要城市——舊金山、洛杉磯和亞特蘭大的6000多個(gè)十字路口的車(chē)輛行為。選擇這些城市是為了代表該國(guó)多樣的地理環(huán)境和可能影響駕駛的各種因素。

該模型考慮了不同的交通和環(huán)境條件，如車(chē)道配置和天氣，最終模擬了近100萬(wàn)種不同場(chǎng)景。研究人員通過(guò)反復(fù)試驗(yàn)訓(xùn)練人工智能模型，以找出能顯著減少碳排放和駕駛時(shí)間的最佳方法。他們發(fā)現(xiàn)，車(chē)輛滑行到十字路口并限制等待時(shí)的怠速時(shí)間是最有效的。

如果這些城市的所有司機(jī)都始終這樣做，那么車(chē)輛在十字路口的排放量可能減少11%到22%，這具體取決于每個(gè)城市的駕駛條件。

Jayawardana說(shuō)，未來(lái)十字路口的交通信號(hào)設(shè)備也可以與接近的車(chē)輛進(jìn)行通信，提醒它們減速。研究表明，近70%的減排效益來(lái)自20%的十字路口，意味著城市管理者可以聚焦于升級(jí)這些地點(diǎn)的設(shè)備。

美國(guó)卡內(nèi)基·梅隆大學(xué)的Chris Hendrickson說(shuō)，環(huán)保駕駛可以提供“微小但顯著的潛在節(jié)能效益”，同時(shí)還可以使駕駛行為更加平穩(wěn)，減少交通堵塞。但他警告說(shuō)，還需要更多研究來(lái)確定最有效的環(huán)保駕駛形式，并進(jìn)一步提升車(chē)輛自動(dòng)化和連接系統(tǒng)標(biāo)準(zhǔn)化水平。

相關(guān)論文信息：

https://doi.org/10.48550/arXiv.2408.05609