Mentionsy

76. Jak nauka może usprawnić transport? – Paweł Gora

Jak nauka może usprawnić transport? Wykład Pawła Gory, Kawiarnia Naukowa Festiwalu Nauki [16 października 2017]

Łatwiej znaleźć przysłowiową igłę w stogu siana niż optymalną konfigurację sygnalizacji świetlnej w Warszawie. Skutecznie może nam w tym jednak pomóc sztuczna inteligencja – mówił w Kawiarni Naukowej Festiwalu Nauki Paweł Gora, doktorant na wydziale MIM UW, który zajmuje się modelowaniem i adaptacyjną optymalizacją ruchu drogowego w mieście.

Według danych przytoczonych przez prelegenta, rocznie z powodu korków w 7 największych polskich miastach kierowcy tracą 4 mld zł. To jedynie koszt związany z poświęconym przez nich czasem i paliwem zużytym przez auta. Do tego dochodzą jeszcze negatywnie wpływające na zdrowie mieszkańców hałas i smog. Dlatego istotne jest znalezienie rozwiązań, które pozwolą na skuteczne zarządzanie ruchem drogowym.

Gora podczas wystąpienia opowiedział o używanych w powyższym celu modelach makroskopowych i mikroskopowych. Jednym z nich jest opracowany we wczesnych latach 90. XX w. model Nagela-Schreckenberga, który symuluje ruch samochodów po prostym odcinku. Gość Kawiarni przedstawił słuchaczom, w jaki sposób inspirując się nim, wypracował model ruchu w dużym mieście, tworząc program Traffic Simulation Framework.

Prelegent mówił również o problemach, z jakimi mierzą się twórcy modeli tego typu. Wyjaśnił m.in., czym jest równowaga Wordropa i paradoks Braessa. Poruszył również problem ustawienia optymalnej konfiguracji sygnalizacji świetlnej w dużej metropolii. Jak wybrać najlepszą spośród niewyobrażalnie wielkiej liczby dostępnych kombinacji? Z pomocą mogą przyjść metaheurystyczne algorytmy (czyli przeszukujące przestrzeń dostępnych rozwiązań w celu znalezienia najlepszego) oraz sztuczna inteligencja oparta o sieci neuronowe. A wybiegając dalej w przyszłość – w dobie komunikujących się ze sobą autonomicznych samochodów sterowanych przez SI, sygnalizacja świetlna może stać się całkowicie zbędna.

Wspaniale, że w tym odcinku, jak się podobał ten proces, który został wydarzony w tym odcinku, to jest bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, bardzo, ...