研究探索利用无人驾驶汽车帮助弱势群体逃离飓风
当飓风来袭时，最脆弱的人并不总是能够及时逃离。德克萨斯大学奥斯汀分校的科学家正在使用德克萨斯高级计算中心 (TACC) 的超级计算机来研究共享自动驾驶汽车 (SAV) 如何让没有自己汽车的人进入避难所，远离危险。“我们研究的一个重要发现是，如果你需要为某个疏散期确定这个系统的规模，那么在加尔维斯顿和休斯顿之间非常长的海岸线上，每 14 名疏散人员就需要一辆共享车辆，”德克萨斯大学奥斯汀分校土木、建筑和环境工程系交通工程教授卡拉·科克尔曼说。她是这项研究的合著者，研究结果发表在《交通规划与技术》杂志上。
其想法是使用类似于 Cruise 和 Waymo 等公司的自动驾驶出租车的共享自动驾驶汽车，将无车的人送到公交车站，然后公交车可以将他们送往休斯顿内陆的飓风避难所。
科克尔曼补充道：“在这些人口密度低、乡村环境较多的地方，要在不到几个小时的时间内完成这项工作可能很困难。”撤离风险较高的地区包括布拉佐里亚、钱伯斯、加尔维斯顿、哈里斯和利伯蒂县。这项研究关注的是数千名可能被困的人，比如医疗保险数据库中列出的那些没有汽车或无法搭车的人。
预计五级飓风来袭时，将有 90 万人接到撤离命令，约占休斯顿地区总人口的 12.4%。工程师估计，背景交通量约为正常交通量的 50%。其余人口预计留在原地。
撤离人员将穿越休斯顿复杂的道路网络；36,124 个路段分布在 5,217 个区域，这些区域被称为交通分析区。其中，1,035 个区域位于极有可能遭受强飓风袭击的地区。
科克尔曼因在 TACC 的 Frontera 超级计算机上使用 SAV 进行交通模拟而获得奖励。
“如果没有超级计算机，这项工作是不可能完成的，”科克尔曼补充道。“我们会在 24 小时或几天内每隔几秒钟跟踪个人和个人车辆，跟踪从早上到晚上和夜间的实际交通状况。”
模拟中的交通决策考虑了交通状况，选择最佳路线，并确定接送优先级，以尽量减少疏散人员所需的时间。
工程师们使用城市交通模拟软件（SUMO）评估交通拥堵和网络容量。他们模拟了飓风登陆前几天的灾前疏散情景。
“SUMO 模拟了该地区每个人的日常活动，”Kockelman 指导的德克萨斯大学奥斯汀分校博士生 Kentaro Mori 说道。“其中的复杂性增加了计算成本。如果没有 TACC，我们就无法运行真正回答这些重要研究问题并提出最佳政策建议所需的众多场景。”
该团队开始进行模拟，从 200 辆机器人出租车扩展到 1,200 辆——他们还尝试了不同尺寸的汽车。
“最终，5 座汽车是最灵活的，”科克尔曼说。“与大型车辆相比，这些车辆加速进入交通的速度更快。”此外，模拟结果显示，车队规模超过 200 辆时，收益会递减。
这项研究是一项开创性的工作，为没有私家车的飓风撤离人员提供了一种可行的替代交通方式的提示性数据。虽然研究结果尚未直接用于飓风应用，但工程师在进行这项研究时确实咨询了德克萨斯州的撤离负责人。作者预计，随着 Waymo 等公司扩大其乘客量，SAV 将在撤离中发挥更大的作用；运营通过智能重新定位闲置车辆、最佳动态拼车匹配、增强路径查找算法等方法进行改进。
科克尔曼补充说，交通模拟可以应用于其他城市和不同的灾难疏散场景，例如西海岸的野火。
“详细模拟并考虑人群的不确定性和异质性的能力以前从未实现过，因为人们的决策方式或交通如何逐秒展开，”Kockelman 说。“使用 TACC 系统后，这种丰富性变得生动起来。我们很幸运，我们在德克萨斯大学奥斯汀分校，能够利用这种能力。”
页:
[1]