車輛在紅綠燈前等待，或者在交通擁擠時，讓發(fā)動機(jī)空轉(zhuǎn)，會浪費(fèi)掉很多燃料。為此，美國ORNL研發(fā)出一個計(jì)算機(jī)視覺系統(tǒng)，以指減少車輛燃油消耗。

蓋世汽車訊 據(jù)美國能源部估計(jì)，因車輛在紅綠燈前等待，或者在交通擁擠時，讓發(fā)動機(jī)空轉(zhuǎn)，美國每年大約會浪費(fèi)掉60億加侖的燃料。而在此類車輛中，燃油效率最低的就是用于運(yùn)輸貨物的大型重型卡車，在不行駛時消耗的燃料比乘用車多得多。

（圖片來源：ORNL）

據(jù)外媒報道，現(xiàn)在，美國橡樹嶺國家實(shí)驗(yàn)室（ORNL）的研究人員設(shè)計(jì)出了一個計(jì)算機(jī)視覺系統(tǒng)，該系統(tǒng)采用之前已經(jīng)上市、田納西公司GRIDSMART（專注于提供交通管理服務(wù)）的交通燈攝像頭，能夠直觀地看到十字路口的車輛，估計(jì)其油耗，然后指導(dǎo)交通信號燈，讓效率較低的車輛繼續(xù)移動，以減少其燃油消耗。

要證明該系統(tǒng)可與現(xiàn)有的技術(shù)共同發(fā)揮作用是一個復(fù)雜的難題，需要將許多不同的部分組合在一起，如高科技攝像頭、車輛數(shù)據(jù)集、人工神經(jīng)網(wǎng)絡(luò)以及計(jì)算機(jī)交通模擬。

為了讓此種基于攝像頭的控制系統(tǒng)能夠工作，首先需要在交通繁忙的十字路口安裝智能攝像頭以捕捉車輛的圖像，并配備數(shù)據(jù)傳輸設(shè)備。此種攝像頭早已存在，其中就包括GRIDSMART公司生產(chǎn)的一款。

目前，GRIDSMART的攝像頭系統(tǒng)已經(jīng)在全球1200個城市安裝，取代了傳統(tǒng)的地面傳感器，取而代之的是安裝在頭頂?shù)聂~眼攝像頭，能夠提供三鏡頭視覺跟蹤，讓交通信號燈的執(zhí)行實(shí)現(xiàn)最優(yōu)。該款鐘形攝像頭與運(yùn)行GRIDSMART客戶端軟件的處理器單元連接在一起，后者為市政交通工程師提供了非常詳細(xì)的信息，如交通指標(biāo)、交通事故的無障礙視圖等。

此類數(shù)據(jù)可用于調(diào)整交叉口的交通燈定時，從而改善交通流量。此外，在規(guī)劃建設(shè)或變道時，可以將車輛數(shù)量考慮在內(nèi)，并幫助衡量交通管制變化帶來的影響。

2018年2月，該團(tuán)隊(duì)的第一步是使用GRIDSMART攝像頭創(chuàng)建車輛類別圖像數(shù)據(jù)集。由于GRIDSMART攝像頭安裝方便，已經(jīng)安裝在ORNL園區(qū)，該團(tuán)隊(duì)還采用了ORNL正在研發(fā)的地面式路邊傳感器系統(tǒng)，從而能夠?qū)㈩^頂?shù)膱D像與高精度的地面視圖相結(jié)合。

一旦利用商用軟件應(yīng)用了車輛分類標(biāo)簽，加上DOE的燃油經(jīng)濟(jì)性評估，該團(tuán)隊(duì)就會得到一個獨(dú)特的數(shù)據(jù)集，以訓(xùn)練用于識別車輛的卷積神經(jīng)網(wǎng)絡(luò)。

由此得到的ORNL日常車輛數(shù)據(jù)集（Overhead Vehicle Dataset）表示，GRIDSMART攝像頭確實(shí)能夠成功捕捉到有用的車輛數(shù)據(jù)，截至2018年9月，收集了大約12600輛車的圖像，其“地面實(shí)況”標(biāo)簽（品牌、型號和MPG估計(jì)）跨越了474種分類。不過，ORNL成像、信號和機(jī)器學(xué)習(xí)小組的研發(fā)人員Thomas Karnowski認(rèn)為，此類分類不夠多，不足以有效地訓(xùn)練一個深度學(xué)習(xí)網(wǎng)絡(luò)，而且該團(tuán)隊(duì)在該項(xiàng)為期一年的項(xiàng)目中，并沒有足夠的時間收集更多的信息。所以，到哪里去找到一個更大、更精細(xì)的車輛數(shù)據(jù)集呢？

Karnowski想到了斯坦福大學(xué)研究員Timnit Gebru進(jìn)行的一個車輛圖像項(xiàng)目，該項(xiàng)目從谷歌街景圖（Google Street View）圖像中識別出了2200萬輛汽車，并分成了2600多個類別（如品牌和型號），然后再將其與人口統(tǒng)計(jì)數(shù)據(jù)進(jìn)行關(guān)聯(lián)。在Gebru的許可下，Karnowski下載了該數(shù)據(jù)集，隨后，該團(tuán)隊(duì)準(zhǔn)備進(jìn)行該項(xiàng)目的第二步，創(chuàng)建一個神經(jīng)網(wǎng)絡(luò)。

該團(tuán)隊(duì)利用深度學(xué)習(xí)多節(jié)點(diǎn)進(jìn)化神經(jīng)網(wǎng)絡(luò)（MENNDL）打造了另一個神經(jīng)網(wǎng)絡(luò)，用于比較。MENNDL是由ORNL計(jì)算機(jī)數(shù)據(jù)分析小組研發(fā)的高性能計(jì)算軟件堆棧。MENNDL使用了一種進(jìn)化算法，該算法不僅可以創(chuàng)建深度學(xué)習(xí)網(wǎng)絡(luò)，還可以動態(tài)地改進(jìn)網(wǎng)絡(luò)設(shè)計(jì)。通過自動結(jié)合和測試數(shù)百萬個“父”網(wǎng)絡(luò)，以生成性能更高的“子”網(wǎng)絡(luò)，MENNDL培育出了優(yōu)化神經(jīng)網(wǎng)絡(luò)。

Karnowski的團(tuán)隊(duì)利用Gebru的訓(xùn)練數(shù)據(jù)集，在橡樹嶺領(lǐng)導(dǎo)計(jì)算設(shè)施（位于ORNL的國家能源部科學(xué)用戶辦公室設(shè)施）內(nèi)，在現(xiàn)已退役的Cray XK7泰坦計(jì)算機(jī)（曾以27千萬億此浮點(diǎn)運(yùn)算被評為世界上最強(qiáng)大的超級計(jì)算機(jī)）上運(yùn)行了MENNDL。Karnowski表示，雖然MENNDL產(chǎn)生了一些新的架構(gòu)，但是其網(wǎng)絡(luò)分類結(jié)果的準(zhǔn)確性沒有超越該團(tuán)隊(duì)的AlexNet派生網(wǎng)絡(luò)。有了額外的訓(xùn)練時間和訓(xùn)練圖像數(shù)據(jù)，Karnowski相信，MENNDL能夠創(chuàng)造一個更理想的網(wǎng)絡(luò)。

由于無法在城市十字路口網(wǎng)絡(luò)內(nèi)配備GRIDSMART交通信號燈，Karnowski的團(tuán)隊(duì)轉(zhuǎn)而使用計(jì)算機(jī)模擬來測試該系統(tǒng)。城市移動出行模擬（SUMO）是一個開源模擬套件，能夠讓研究人員對交通系統(tǒng)進(jìn)行建模，其中包括車輛、公共交通，甚至行人。SUMO還可實(shí)現(xiàn)定制建模，所以Karnowski的團(tuán)隊(duì)能夠?qū)⑵鋺?yīng)用到項(xiàng)目中。在SUMO模擬環(huán)境中，該團(tuán)隊(duì)增加了一個“視覺傳感器模型”，從而可以利用強(qiáng)化學(xué)習(xí)來引導(dǎo)交通信號燈控制器網(wǎng)絡(luò)，減少大型車輛的等待時間。

研究人員在各種交通場景下測試了該方法，以評估視覺傳感的燃油節(jié)省能力。在某些含有大型卡車的使用場景下，該方法可以節(jié)省高達(dá)25%的燃料消耗，而且對等待時間的影響最小。在其他場景中，模擬系統(tǒng)對使用重型卡車的場景進(jìn)行訓(xùn)練，不過在更加平衡的測試交通條件下評估了視覺傳感的燃油節(jié)省能力。研究團(tuán)隊(duì)并沒有對節(jié)省的費(fèi)用進(jìn)行量化，不過經(jīng)過訓(xùn)練的強(qiáng)化學(xué)習(xí)控制能夠很容易適應(yīng)新環(huán)境。

上述所有測試僅限于建立概念驗(yàn)證，還需要更多工作以準(zhǔn)確評估此種方法的影響。Karnowski希望繼續(xù)采用更大的數(shù)據(jù)集、經(jīng)過改進(jìn)的分類器以及更廣泛的模型，來研發(fā)該系統(tǒng)。GRIDSMART公司則認(rèn)為該項(xiàng)目提供了一種為客戶提供新服務(wù)的前景。