Съдържание:

Изследователите обогатяват иновативните стратегии за визуализация, за да си възвърнат загубата на енергия, време и пари в задръствания
Изследователите обогатяват иновативните стратегии за визуализация, за да си възвърнат загубата на енергия, време и пари в задръствания

Видео: Изследователите обогатяват иновативните стратегии за визуализация, за да си възвърнат загубата на енергия, време и пари в задръствания

Отличия серверных жестких дисков от десктопных
Видео: Вълчев: Иновативните училища и учители са тези, които ще променят образователната система 2023, Февруари
Anonim

Визуализационните карти на NREL помагат да се определят областите с най-големи проблеми с задръстванията и свързаните с това загуби на енергия

Придвижвайки се напред в трафика от броня до броня, шофьорите се оплакват от годините на живота си, жертвани в лоши пътувания. Дори пандемията драстично да намали обема на трафика, американците все още загубиха средно 26 часа миналата година заради задръстванията на пътищата. В типична година американските шофьори прекарват близо 46 часа зад волана, което може да добави до хиляди часове в продължение на цял живот.

Задръстванията не само губят време и повече от 3,3 милиарда галона гориво всяка година, но също така водят до 8,8 милиарда часа загубена производителност и скокове на замърсяващи емисии. Неотдавнашно изследване на Националната лаборатория за енергията от възобновяеми енергийни източници (NREL) на американското министерство на енергетиката, в партньорство с Националната лаборатория Oak Ridge (ORNL), разкрива потенциала за разплитане на шумотевиците от трафика чрез комбинация от сензори от следващо поколение и контроли с високопроизводителни изчисления аналитика и машинно обучение. Тези иновативни стратегии за борба със задръстванията са насочени към намаляване на потреблението на енергия на автомобила с до 20% и възстановяване на 100 милиарда долара загубена производителност през следващите 10 години.

Екипът на NREL създаде серия от симулации (или „цифров близнак“) на Chattanooga, Тенеси, условия на трафика, използвайки данни в реално време, събрани чрез широк спектър от сензорни устройства. Симулациите помагат да се определи кои контроли - под формата на програмиране на сигнали за движение, алтернативно маршрутизиране, хармонизация на скоростта, измерване на наклона, динамични ограничения на скоростта и други - могат да осигурят най-голяма енергийна ефективност, като същевременно оптимизират времето за пътуване, скоростта на магистралата и безопасността. Получената информация може да се използва от урбанистите, разработчиците на технологии, автомобилните производители и операторите на автопаркове за разработване на системи и оборудване, които да рационализират пътуванията и доставките.

„Chattanooga предостави идеален микрокосмос от условия и възможности за работа с изключителен списък от общински и държавни партньори“, заяви ръководителят на програмата на лабораторията за автомобилни технологии на NREL Джон Фарел. „В крайна сметка планът е да се приложат тези решения за по-големи столични райони и регионални коридори в цялата страна.“

Сензорите бяха използвани за непрекъснато събиране на данни от повече от 500 източника, включително автоматизирани камери, пътна сигнализация, бордови GPS устройства, радарни детектори и метеорологични станции. Тази информация се използва за симулация, моделиране и подбор на дейности за машинно обучение, ръководени от изследователи от NREL за ръководения от ORNL проект.

Екипът на NREL е разработил най-модерни техники и инструменти за идентифициране и количествено определяне на загубената енергия поради задръстванията в трафика и оценка и валидиране на стратегиите за смекчаване. Чрез сдвояване на данни от множество източници с машинно обучение с висока точност, изследователите на NREL могат да оценят потреблението на енергия и загубите на енергия, да определят къде и защо системите губят енергия и да моделират реалистични реакции към промени в условията и контрола. Това осигурява научна основа за стратегии за подобряване на трафика, които екипът може след това да оцени чрез симулации и да потвърди чрез теренни проучвания.

За проекта Chattanooga екипът на NREL създаде метод за оценка и визуализиране на обема, скоростта и енергопотреблението в реално време и историческия трафик, което позволява да се определят области с най-голям потенциал за икономия на енергия чрез прилагане на стратегии за облекчаване на задръстванията. Екипът също така разработи техники за машинно обучение, за да помогне за оценка на ефективността на сигналите за трафик, докато сътрудничи с изследователи на ORNL по други стратегии за машинно обучение и изкуствен интелект.

Анализите на NREL надхвърлиха данните, използвайки машинно обучение, данни от GPS устройства и сензори на превозното средство и визуален анализ, за ​​да изследват основните причини за задръстванията. Например, екипът откри, че пътната сигнализация по един основен коридор не е била настроена за оптимизиране на по-лекия, извън пиковия обеден трафик, което е довело до висока честота на закъснения поради прекомерно спиране на червени светлини.

Екипът разкри, че един и същ коридор може да действа като стратегическа зона за намаляване на потреблението на енергия, като симулационен модел на коридора показва, че оптимизираните настройки на трафик сигнала имат потенциала да намалят консумацията на енергия на това място с цели 17%. След това изследователите препоръчаха на инженерите на транспортния отдел Чатануга конкретни подобрения на четири контролера на сигнала по коридора. Резултатите от реалния свят показаха до 16% намаление на потреблението на гориво за превозни средства на този участък от пътя - почти постигане на целта от 20% намаления - чрез прилагане на много ограничени стратегии.

„Оптимизирането на контрола върху системите за движение може да помогне за спестяване на значителни количества енергия и намаляване на свързаните с мобилността емисии в реалния свят“, каза Qichao Wang, докторант на NREL и ръководител на усилията за контрол на трафика в този проект.

Пресичането на данни в реално време, необходимо за производството на тези сложни, мащабни симулации, разчиташе на високопроизводителни изчисления на суперкомпютъра Eagle в NREL. Този компютър може да извършва 8 милиона милиарда изчисления в секунда, позволявайки на изследователите да завършат за часове, минути или секунди изчисления, които преди са отнемали дни, седмици или дори месеци.

„Пресичането на високопроизводителни изчисления, данни с висока точност, машинно обучение и транспортни изследвания може да доведе до мощни резултати, далеч надвъзможни в миналото с наследените технологии“, каза Жулиет Угирумурера, изчислител на NREL и съ-ръководител на екипа по проекта на лабораторията.

Всяка година по американските магистрали се транспортират над 11 милиарда тона товари, които възлизат на повече от 32 милиарда долара стоки всеки ден. Това дава на търговските товарни превозвачи дори по-голяма мотивация от отделните шофьори да избягват губенето на гориво и пари при задръствания. Изследователите наскоро започнаха работа с регионални и национални превозвачи в Джорджия и Тенеси, за да проучат как най-ефективно да приспособят симулациите и контрола към товарни превозни средства.

„Досега нашият прототип в градски мащаб се фокусираше по-плътно върху пътническите превозни средства и индивидуалните модели на пътуване“, каза Уесли Джоунс, мениджър на научната изчислителна група на NREL и съ-ръководител на екипа по проекта на лабораторията. „Докато разширяваме нашето изследване, за да изследваме товарни превози, ще разгледаме по-широко и регионалните и националните маршрути, по които те пътуват.“

В крайна сметка се очаква тези технологии за пътнически и товарни превози да бъдат приложени в цялата страна, с допълнителни сензори и контролно оборудване, интегрирани в инфраструктурата и свързани и автономни превозни средства.

Други партньори по проекта включват град Чатануга, Министерство на транспорта на Тенеси, Министерство на транспорта в Джорджия, Университет на Тенеси, Университет Вандербилт, Държавен университет Уейн, TomTom, FedEx, USXpress, Услуги за транспортиране на завети и Товарни вълни.

Научете повече за изчислителната наука на NREL и изследванията на транспорта и мобилността.

Популярни по теми