La gestion des carrefours routiers dans des environnements encombrés et dynamiques, tels que les zones urbaines, peut être très difficile. La mauvaise gestion du trafic à ces endroits peut entraîner des accidents de la route, un gaspillage de carburant et une pollution de l'environnement.

Des chercheurs de l'Université du Maryland ont récemment développé GAMEOPT, un nouvel algorithme qui pourrait aider à gérer plus efficacement les intersections routières non signalées à fort trafic. L'équipe de recherche composée de Nilesh Suriyarachchi, Rohan Chandra, John S. Baras et Dinesh Manocha a présenté sa méthode dans un article récent qui sera publié dans les actes de la 25e Conférence internationale de l'IEEE sur les systèmes de transport intelligents (IEEE ITSC 2022). Cette méthode combine des techniques d'optimisation avec des idées de la théorie des jeux, une construction mathématique qui représente des situations dans lesquelles différents agents sont en concurrence les uns avec les autres.

"Quarante pour cent de tous les accidents, 50 % des collisions graves et 20 % des décès surviennent à des intersections non signalées", a déclaré Chandra, membre de l'équipe de recherche, à TechXplore. "Notre objectif principal est d'améliorer la fluidité du trafic et l'efficacité énergétique dans les intersections de trafic mal réglementées ou non réglementées. Pour atteindre cet objectif, nous proposons un algorithme qui combine des idées d'optimisation et de théorie des jeux pour comprendre comment différents agents de trafic coopèrent et négocient les uns avec les autres à carrefours routiers."

GAMEOPT, l'algorithme de contrôle des flux de trafic développé par l'équipe, peut calculer des trajectoires optimales pour des agents individuels qui traversent le même carrefour routier. Pour ce faire, il effectue deux étapes différentes.

Dans la première étape, (GAME), l'algorithme détecte la présence de tous les véhicules dans une région d'intérêt spécifique (c'est-à-dire les routes menant à l'intersection et l'intersection elle-même). Il exécute ensuite un programme d'enchères qui lui permet de déterminer quels véhicules doivent avoir la priorité dans la navigation de l'intersection, décrivant l'ordre dans lequel tous les agents de la région d'intérêt traverseront l'intersection.

"Notre module d'enchères utilise les comportements et les incitations des conducteurs pour déterminer cette commande", a déclaré Chandra. "Contrairement aux approches existantes pour la gestion des intersections, telles que l'utilisation de feux de circulation et de panneaux d'arrêt, notre nouveau cadre utilise la théorie des jeux pour créer des séquences d'ordre de priorité équitables et efficaces pour les intersections."

Dans la deuxième étape, (OPT), l'algorithme utilise la programmation quadratique en nombres entiers mixtes pour calculer les trajectoires optimales qui satisfont l'ordre de priorité calculé à l'étape 1 (tout en satisfaisant d'autres contraintes telles que la sécurité, la faisabilité, etc.). "Les trajectoires optimales produites par notre algorithme satisfont l'ordre de priorité tout en offrant des garanties d'efficacité, d'équité et de sécurité", a déclaré Suriyarachchi. "GAMEOPT fonctionne également à des vitesses de calcul inférieures à 10 ms dans un trafic à haute densité de plus de 10 000 véhicules/h, ce qui le rend capable de fonctionner en temps réel, même dans des scénarios de trafic dense. Il est très efficace, et nous avons constaté qu'il surpasse l'état de -des méthodes de pointe pour réduire les embouteillages, le temps de parcours et la consommation de carburant dans un simulateur de trafic réaliste."

Dans diverses simulations de trafic réalisées par les chercheurs, GAMEOPT a obtenu des résultats très prometteurs. Cela pourrait réduire considérablement les embouteillages et les émissions de carburant, en gérant des densités de trafic variables à différentes parties des intersections et en permettant à plusieurs véhicules d'entrer simultanément dans l'intersection.

"Dans les simulations, notre algorithme améliore le débit d'au moins 25 %, le temps nécessaire pour atteindre l'objectif de 75 % et la consommation de carburant de 33 % par rapport aux pratiques standard d'utilisation des feux de circulation et des panneaux d'arrêt", a déclaré Manocha. "La capacité de fonctionnement en temps réel de GAMEOPT est 100 fois plus rapide que d'autres méthodes entièrement basées sur l'optimisation, tout en offrant des garanties en termes d'équité, de sécurité et d'efficacité."

À l'avenir, GAMEOPT pourrait s'avérer être un outil très précieux pour gérer plus efficacement les carrefours routiers dans les environnements urbains encombrés. De plus, cela pourrait aider à réduire considérablement la consommation de carburant et les émissions de carbone, économisant ainsi de l'énergie et réduisant les dommages causés à la planète.

L'équipe prévoit de continuer à travailler sur son algorithme et à le perfectionner. Dans leurs prochains travaux, ils prévoient de tester ses performances dans des scénarios urbains simulés plus complexes et de développer un prototype qui pourrait être mis en œuvre dans des environnements réels. Alors que l'itération actuelle de l'algorithme s'adresse aux véhicules autonomes connectés, une extension pour prendre en compte les véhicules à conduite humaine est en cours de développement.

"Nous aimerions également tirer parti de la puissance de l'intelligence artificielle et de l'apprentissage automatique pour estimer les incitations et les priorités des conducteurs à calculer un ordre de priorité plus réaliste, et ainsi améliorer davantage le flux de trafic", a ajouté Manocha.

"De plus, nous pourrions tester l'algorithme avec des agents spéciaux, tels que des véhicules d'urgence qui ont des priorités plus élevées ou différentes." + Explorer plus loin

L'intelligence artificielle pour aider les véhicules autonomes à éviter de tourner au ralenti aux feux rouges

© 2022 Réseau Science X