managing21.be

Computermodellen op basis van reinforcement learning kunnen efficiënte strategieën opleveren om het brandstofverbruik van voertuigen te beperken. Op die manier kan de technologie een belangrijke bijdrage leveren aan de beperking van de milieuvervuiling en bovendien helpen om het wereldwijde energietekort aan te pakken. Dat blijkt uit een studie van wetenschappers aan de Hong Kong University of Science and Technology.

“De transportsector is wereldwijd nog steeds een van de belangrijkste bronnen van luchtvervuiling en klimaatverandering”, werpt onderzoeker Hui Zhong, op. “De sector eist ongeveer 59 procent van het wereldwijde olieverbruik op en neemt 22 procent van de totale emissies van koolstofdioxide voor zijn rekening. De identificatie van efficiënte strategieën om het brandstofverbruik van voertuigen te beperken, kan dus een aanzienlijke bijdrage leveren aan de vermindering van de vervuiling en kan tegelijkertijd het wereldwijde energietekort helpen aanpakken.”

EcoFollower zegt het brandstofverbruik al met minstens met ruim 10 procent te kunnen beperken. – Foto: Pixabay

EcoFollower, het computermodel van de Chinese wetenschappers is ontworpen om het brandstofverbruik te optimaliseren in scenario’s waarbij semi-autonome en volledig zelfrijdende voertuigen zich door het verkeer begeven, maar waarbij de wagens een veilige afstand tegenover elkaar moeten bewaren door hun snelheid aan te passen.

“Er is een toenemende vraag naar duurzame en energiezuinige transportoplossingen,” benadrukte Hui Zhong. “Verkeersopstoppingen en inefficiënt rijgedrag leveren een aanzienlijke bijdrage tot het brandstofverbruik en de emissies van broeikasgassen. Er moeten dan ook strategieën worden ontwikkeld om deze uitdagingen aan te pakken.”

“EcoFollower werd ontwikkeld op basis van reinforcement learning, waarbij een samenwerking van intelligente factoren een cumulatieve meerwaarde moet opleveren”, benadrukte Zhong. “Het programma is ontworpen om het brandstofverbruik tijdens het rijden te optimaliseren. Het model leert continu van zijn omgeving en past de volgafstanden en acceleratiepatronen van de verschillende wagens aan om het meest brandstofefficiënte rijgedrag te bereiken.”

Evenwicht

“EcoFollower onderscheidt zich daarbij met zijn vermogen om brandstofefficiëntie in evenwicht te brengen met het handhaven van een veilige en vlotte verkeersstroom”, verduidelijkt Zhong. “Conventionele modellen om de trajecten van voertuigen in het verkeer te optimaliseren, richten zich meestal uitsluitend op veiligheid of streven ernaar om de efficiënte verkeersstroom te vergemakkelijken. EcoFollower is daarentegen ontworpen om ook het brandstofverbruik te verminderen.”

De resultaten van de eerste tests van het team waren volgens de ontwikkelaars veelbelovend, aangezien EcoFollower het brandstofverbruik in alle testscenario’s aanzienlijk verlaagde. “We hebben aangetoond dat reinforcement learning in reële omstandigheden efficiënt kan worden toegepast om het brandstofverbruik te verlagen”, beklemtoonde Zhong. “Onze experimenten toonden dat de inzet van EcoFollower het brandstofverbruik met 10,42 procent kon verlagen. Dat resultaat heeft belangrijke implicaties voor de vermindering van de totale emissies en de bevordering van een duurzaam transport.”

De onderzoekers wijzen erop dat het model van EcoFollower in de toekomst zou kunnen worden geïntegreerd in de systemen die bestuurders moeten ondersteunen en technologieën voor zelfrijdende wagens. “Dit kan helpen om de efficiëntie van deze voertuigen te vergroten en hun impact op het leefmilieu te verminderen”, stipte Zhong aan.

In een volgende fase willen de onderzoekers de prestaties van het model verder te versterken. “Hoewel EcoFollower al beter presteert dan de traditionele Intelligent Driver Mode (IDM) en het brandstofverbruik met bijna 11 procent vermindert, zijn er nog meer scenario’s en datasets nodig om de technologie verder te testen en te verbeteren”, verduidelijkt Zhong. “Daarbij moet onder meer worden gekeken naar een omgeving met een gemengd verkeer. Er zijn immers duidelijke verschillen in het gedrag van manueel bestuurde wagens en autonome voertuigen. Dat heeft een impact op de prestaties van het model.”

Meer over dit onderwerp:

• Autonome vrachtwagens mogelijk over twee jaar op Japanse wegen
• Verkeerscongesties kunnen de mentale gezondheid ondermijnen
• Ook micromobiliteit is voor artificiële intelligentie interessante markt
• Wereldwijd vorig jaar bijna 15 miljoen elektrische wagens geregistreerd
• WalkSafe helpt mensen om veilig door de stad te navigeren