| 作品介紹 |
氣候變遷為台灣目前最迫切的挑戰，針對淨零排放如此龐大的全球議題，我們能做什麼呢 ? 交通運輸佔全球二氧化碳排放量達16%，過去很少方法將淨零排放與號誌控制結合在一起，我們提出的COMA(COoperative Multi-Agent)智慧車流系統，不僅能降低整體用路人的行車等待時間，給予大眾更舒服的用路環境體驗，更能夠來降低二氧化碳(CO2)、氮氧化物(NOx)等不好的溫室氣體，來達到降低碳排放的效果，為環保與綠能盡一份力，讓台灣有更多的碳排放使用量可以增加其他工業的加速進展。透過此系統，可分析出哪些特殊車輛會造成較多的碳排放，給予較大的優先權，藉以更進一步降低碳排放。此系統的產業應用性可分成三方面: 1. 城市交通管理：可以幫助城市管理者更好地掌握和調度道路上的車輛流量，根據實時交通情況，實現交通效率的最大化，減少交通擁堵，改善交通流動性和縮短行車時間；2. 運輸物流：可以協調貨車和運輸工具的行駛，優化交通流量，減少運輸時間和成本；3. 公共交通：與公共交通系統結合，提供高效的公共交通服務，減少公車的停等時間，增加公交運營效率，鼓勵更多人使用公共交通，減少私家車使用量，減少交通擁堵和空氣污染。
此系統是利用強化深度學習的方式來做訓練，透過我們設計的Global agent來達到整體的最佳解，過去沒有人用Global agent 的概念來做交通號誌控制，主要是因為整體的路口數太多，會造成整體資訊量過大，導致對於記憶體的需求十分龐大，但我們將它改良成為可以平行處裡的版本，因為平行化的處理，使得整體的記憶體需求時間複雜度降低了數個數量級(order)，此這個系統重要的科學突破點，將淨零排放的議題考慮進去，這是首次結合交通號誌控制與淨零排放的系統。為了實地驗證，所設計的實驗有考量了各種尺寸的交通路口，小到五個路口，大到將近兩百個路口我們皆有去進行相關實驗，並且在設計地圖上的時候我們採用像台灣平時容易看到許多T字路口的方式來做呈現，車流也是相似的狀況，藉此來更加貼近真實的道路狀況，為了因應台灣的實際路況，我們利用魚眼鏡頭，來收集與分析台灣道路路況還原了真實世界的街景以及複雜的道路設計。
希望有朝一日能將我們的方法實際落地應用於交通號誌上，透過人工智慧的方式增加交通的行車效率，減少怠速情形發生，以達到節能減碳、實現綠色城市的願景。 |