La gestion du trafic routier est une science complexe requérant parfois des solutions relativement lourdes à mettre en place. C’est particulièrement le cas des méthodes visant à réguler et éventuellement dissoudre les embouteillages dans certaines zones clés (périphérique, rocade, etc). Dans ce cadre, une équipe de chercheurs a montré que l’introduction de voitures autonomes dans la circulation routière peut non seulement empêcher ou réduire la fréquence de formation des embouteillages, mais aussi, dans certains cas, doubler la vitesse moyenne des véhicules environnants.
Les chercheurs ont utilisé une interface de type jeu vidéo pour contrôler des voitures simulées sur des routes générées informatiquement. Dans un scénario, les voitures parcouraient une figure en huit avec une intersection centrale. Dans d’autres, une ou plusieurs voies de circulation ont fusionné, où les voitures ont traversé un réseau urbain similaire à Manhattan avec des feux de circulation à chaque passage. L’équipe a examiné divers ratios de voitures autonomes évoluant avec des automobiles classiques simulant une conduite humaine typique.
Dans chaque scénario, les chercheurs ont testé quatre algorithmes utilisant l’apprentissage par renforcement, un type d’intelligence artificielle qui acquiert des compétences par essais et erreurs.
Dans les scénarios de figures en huit et de fusion des voies, un algorithme central a contrôlé toutes les voitures autonomes, expérimentant en modifiant leurs schémas d’accélération et de freinage. Dans le scénario de Manhattan, les feux de circulation étaient contrôlés par l’IA.
Les résultats étaient impressionnants. Dans le scénario de la figure en huit, le remplacement d’une seule des 14 voitures « humaines » par une voiture autonome a doublé la vitesse moyenne des véhicules, ont annoncé les chercheurs le mois dernier lors de la conférence sur l’apprentissage robotique à Zurich, en Suisse.
Dans les scénarios de fusion des voies, le remplacement de 10% des véhicules classiques par des modèles autonomes a également augmenté le flux de circulation global, doublant dans certains cas, là aussi, la vitesse moyenne des voitures.
Sur le même sujet : Le pilote automatique de Tesla prédit une collision et évite un accident de justesse !
Dans cette vidéo, les chercheurs résument leurs travaux et les résultats obtenus :
Donner à l’algorithme le contrôle des feux de signalisation dans une grille de trafic de style Manhattan a augmenté de 7% le nombre de voitures circulant sans encombres. Les résultats ont été publiés dans la revue Proceedings of Machine Learning Research.
Les algorithmes testés doivent encore être améliorés, déclare l’auteur de l’étude, Eugene Vinitsky, chercheur en intelligence artificielle à l’université de Californie (Berkeley). C’est pourquoi son équipe rend ses programmes publics. « Si quelqu’un a une solution ou un algorithme génial, vous pouvez utiliser ce cadre pour tester de nouvelles idées » explique Meng Wang, ingénieur des transports à l’Université de technologie de Delft aux Pays-Bas, qui a effectué des travaux connexes sur le sujet.
Des chercheurs dans d’autres domaines ont créé des modèles pour l’apprentissage par renforcement, et « c’est formidable de le faire dans les embouteillages » s’enthousiasme Daniel Lazar, ingénieur électricien à l’Université de Santa Barbara. « J’espère voir le travail élargi » pour contrôler non seulement la vitesse de la voiture mais également les changements de voie.
Vinitsky ne sait pas quand de véritables voitures autonomes nous aideront tous à aller au travail plus rapidement, mais certaines de ces nouvelles techniques pourraient aider nos véhicules actuels. Par exemple, les systèmes de contrôle de croisière adaptatifs, couramment utilisés dans les nouvelles voitures, pourraient utiliser des schémas d’accélération et de freinage réduisant le trafic, permettant ainsi d’économiser du temps, de l’essence et, éventuellement, de sauver des vies. « Tous les outils sont là » conclut-il.