FYI.

This story is over 5 years old.

Tecnologia

Questo nuovo algoritmo di IA risolve anche i peggiori problemi di traffico

E per funzionare dovrebbe controllare solo il 10% delle auto.

Il momento più alto dello scontro irrazionalità individuale versus irrazionalità collettiva è senz'altro il traffico automobilistico. Costruiamo le strade basandoci sul presupposto che noi, in quanto singoli attori del sistema, adotteremo dei comportamenti che potrebbero premiarci a livello individuale, ma che in realtà sono in contraddizione con l'obiettivo collettivo di spostare molteplici auto attraverso una quantità limitata di spazio e il più rapidamente possibile. Pensate, ad esempio, a come in un singolo ingorgo, un'auto che frena causi, a sua volta, lo stop di tutta un'altra serie di veicoli. In realtà, non è possibile nessun tipo di comportamento veramente individuale nel traffico, eppure gli umani al volante continuano a soffrire dei soliti difetti degli esseri umani.

Pubblicità

Rimediare a questo problema è una delle promesse delle auto senza pilota. Se riuscissimo ad escludere gli esseri umani e i loro comportamenti alla guida fuori dal sistema-traffico, facendo controllare le auto a dei sistemi di IA cooperativi, potremmo eliminare definitivamente il traffico o, almeno, diminuirlo in maniera considerevole. Provate ad immaginare: meno congestione, meno inquinamento, meno incidenti, meno strade e più tempo libero da non dedicare alla guida. In sostanza, questo è l'obiettivo ma, nonostante le auto senza conducente siano già una realtà, i sistemi sviluppati al momento rimangono in gran parte applicabili sono in un futuro non meglio definito.

A questo scopo, gli scienziati informatici della Nanyang Technological University di Singapore hanno sviluppato un nuovo algoritmo di routing intelligente che cerca di ridurre al minimo l'insorgere di ingorghi stradali — quei casini spontanei causati da una serie di interruzioni improvvise del fluire dei mezzi presenti in un determinato percorso. L'algoritmo è sia distribuito che veloce dal punto di vista computazionale, entrambi requisiti fondamentali per qualsiasi sistema di gestione del traffico del mondo reale. Il loro lavoro viene descritto nel numero di aprile di IEEE Transactions on Emerging Topics in Computational Intelligence.

Il calcolo automatico dei percorsi è un ramo tradizionale dell'informatica. Ci riferiamo alla teoria dei grafi, un campo di ricerca che ha fatto avanzare la scienza degli algoritmi da molto tempo prima dell'invenzione dei computer. Il problema è che gli algoritmi di calcolo dei percorsi possono essere straordinariamente complessi anche quando applicati a una quantità minima di percorsi possibili e coinvolgendo un numero minimo di attori. Al contrario, il traffico reale coinvolge quantità enormi di percorsi possibili e di auto (oltre ad altri "agenti" come i semafori).

Pubblicità

L'algoritmo dei ricercatori di Nanyang parte dal presupposto che, data una certa densità di traffico, la situazione tenderà inevitabilmente al peggio. Qualcuno, prima o poi, causerà un ingorgo — ovvero, qualcosa causerà una perturbazione del traffico tale da mettere in crisi tutto il sistema. In questo contesto, il termine collasso indica che, per un certo periodo di tempo, il deflusso del traffico da un segmento stradale sarà maggiore dell'afflusso di traffico.

"Partiamo dal presupposto che dato un modello di ripartizione del traffico, la probabilità che il traffico collassi sia maggiore di zero (questo significa che potrebbe verificarsi) e il nostro obiettivo sia quello di dirigere il flusso di traffico in modo che la probabilità di ripartizione complessiva del traffico sia minimizzata," scrivono Hongliang Guo e colleghi. In altre parole, "il nostro obiettivo è quello di massimizzare la probabilità che nessuno dei nodi della rete incontri una situazione simile".

Quindi, l'obiettivo dell'algoritmo è ottenere questa massimizzazione, che si riduce a un'equazione piuttosto semplice. Da qui in poi, il problema si sposta nel campo dell'apprendimento automatico. A questo punto, la questione si fa piuttosto complicata, ma è sufficiente capire che stiamo prendendo in considerazione un determinato carico di traffico a cui va aggiunto un ulteriore carico sconosciuto che potrebbe entrare nella rete in qualsiasi momento e quindi considerare le probabilità di collasso delle rete presso ciascuno dei nodi o delle intersezioni presenti nella rete. Aggiungete un po' di algebra lineare e così otteniamo i percorsi ottimali attraverso una determinata rete.

Fondamentalmente, Guo e co. sono stati in grado di apportare una serie di ottimizzazioni matematiche tali da rendere questo genere di calcolo eseguibile in tempo reale. Il team è riuscito a dimostrare l'utilità del suo algoritmo in varie simulazioni e attualmente sta lavorando su un'ulteriore serie di analisi svolte con la collaborazione di BMW, che sta fornendo un vasto database di dati prodotti dalla sua flotta di car-sharing presente a Monaco di Baviera.

L'applicazione di questo algoritmo in ambito tecnologico potrebbe avvenire in un futuro non così lontano come potrebbe sembrare. Inoltre, da quanto è emerso, solo il 10 percento delle auto presenti in un sistema stradale devono affidarsi a questo algoritmo perché le sue capacità di ottimizzazione sortiscano un effetto positivo su tutta la rete. Quindi, potete tirare un sospiro di sollievo: siete ancora liberi di continuare a guidare come degli stupidi piloti umani non ottimizzati da algoritmi.