ORNL与Gridsmart利用超级计算机实现车辆减排

据外媒报道，美国橡树岭国家实验室（Oak Ridge National Laboratory，ORNL）与Gridsmart Technologies公司的科研人员开展项目合作，双方利用计算机视觉、机器学习及传感器技术，旨在演示如何去对交通灯进行编程从而提升燃油经济性、降低车辆的尾气排放量、提升交通流的顺畅度。

Gridsmart的交通摄像头已在全球范围内得到应用，旨在替代当前安装于公路转交处的摄像头，后者主要负责探查车辆并告知交通信号时间。

ORNL的程序可教会Gridsmart摄像头预估十字路口车辆的燃油经济性（油耗表现，fuel efficiency），并控制交通灯信号配时（traffic signal timing），实现节能并优化交通吞吐量。

该技术具有极大的省油潜力。据美国能源部估计，轻、重型车辆在十字路口及其他位置时，其发动机空转导致每年燃油浪费量高达60亿加仑。ORNL／Gridsmart合作项目获得了美国能源部旗下车辆技术办公室（Vehicle Technologies Office）HPC4Mobility项目的首批资金支持。

该项目还获得了美国能源部国家实验室的超级计算资源（supercomputing resources）及科学专业知识，并与业内企业合作，共同寻找应对当前全球交通挑战的解决方案。该项目采用了ORNL Leadership Computing Facility中的高性能计算系统（High－Performance Computing system，HPC system），如Summit超级计算机，这是全球功能最强大的开源计算机。该系统被用于执行十字路口模拟并提出了数学策略来引导交通灯定时。

在该项目的第一阶段，ORNL的研究人员首先要提取Gridsmart贝壳形高空摄像头（overhead Bell Cameras）所采集的图片，然后将其与地平面照片进行比对并创建数据库。研究人员向将尺寸及车辆类型进行归类，从而训练摄像头对各类车辆的燃油经济性进行预估。

ORNL的研究人员研发了一款系统，可将照片与不同级别车辆的油耗相结合，从而创建贴标图片数据库。在该项目的第二阶段，该项目旨在利用ORNL超级计算机上的强化学习技术，创建一款软件应用。强化学习通常能教会 计算机如何玩好“游戏（模拟程序，game）”，无需进行明确编程（explicitly programmed）就能实现该目标。在这种情况下，既能实现省油，又不会牺牲交通流。

作者：李文龙

.adva-cont{margin: 20px 0;background: #f2f2f2;width: 604px;height: 200px;padding: 20px;position: relative;}.adva-cont .img-cont{float: left;position: relative;width: 160px;height: 160px;padding: 20px;background: #FFF;}.adva-cont .img-cont img{position: absolute; top: 50%; left: 50%; max-width: 90%; max-height: 90%; transform: translate(-50%,-50%); -webkit-transform: translate(-50%,-50%);}.adva-cont h3 a{font-family: SimHe, '黑体';text-decoration: none;font-size: 20px;color: #000;display: -webkit-box;-webkit-box-orient: vertical;-webkit-line-clamp: 2;overflow: hidden;}.adva-cont .adva-text{position: absolute;top: 50%;transform: translateY(-50%);padding: 20px 20px 20px 230px;}.adva-text p{margin-top: 30px;}.adva-text p a{height: 79px;text-decoration: none;font-size: 14px;color: #666;display: -webkit-box;-webkit-box-orient: vertical;-webkit-line-clamp: 4;overflow: hidden;}#keywordsHidden{display:none;}车辆减排