Một nghiên cứu mô hình quy mô lớn do các nhà nghiên cứu của MIT dẫn đầu cho thấy rằng các biện pháp lái xe tiết kiệm nhiên liệu, bao gồm việc điều chỉnh tốc độ xe một cách linh hoạt để giảm thiểu việc dừng lại và tăng tốc quá mức, có thể làm giảm đáng kể lượng khí thải CO2.

Sử dụng phương pháp trí tuệ nhân tạo mạnh mẽ “deep reinforcement learning”, các nhà nghiên cứu đã tiến hành đánh giá tác động chuyên sâu của các yếu tố ảnh hưởng đến khí thải xe cộ tại ba thành phố lớn của Hoa Kỳ.

Phân tích của họ chỉ ra rằng việc áp dụng đầy đủ các biện pháp lái xe tiết kiệm nhiên liệu có thể cắt giảm lượng khí thải carbon tại các giao lộ trên toàn thành phố hàng năm từ 11 đến 22%, mà không làm giảm lưu lượng giao thông hoặc ảnh hưởng đến an toàn giao thông và phương tiện.

Các nhà nghiên cứu nhận thấy rằng, ngay cả khi chỉ 10% số xe trên đường sử dụng chế độ lái xe tiết kiệm nhiên liệu, điều đó cũng sẽ giúp giảm từ 25% tổng lượng khí thải CO2.

Các biện pháp kiểm soát giao thông thường gợi nhớ đến cơ sở hạ tầng cố định, như biển báo dừng và đèn tín hiệu giao thông. Nhưng khi các phương tiện ngày càng tiên tiến về công nghệ, điều đó tạo ra cơ hội cho việc lái xe tiết kiệm nhiên liệu, một thuật ngữ chung cho các biện pháp kiểm soát giao thông dựa trên phương tiện như sử dụng tốc độ linh hoạt để giảm tiêu thụ năng lượng.

Trong ngắn hạn, lái xe tiết kiệm nhiên liệu có thể bao gồm hướng dẫn tốc độ thông qua bảng điều khiển trên xe hoặc ứng dụng trên điện thoại thông minh. Về lâu dài, lái xe tiết kiệm nhiên liệu có thể bao gồm các lệnh tốc độ thông minh điều khiển trực tiếp gia tốc của các phương tiện bán tự động và tự động hoàn toàn thông qua hệ thống giao tiếp giữa xe và cơ sở hạ tầng.

“Hầu hết các nghiên cứu trước đây tập trung vào cách thức  triển khai lái xe tiết kiệm nhiên liệu. Chúng tôi đã chuyển hướng nghiên cứu để xem xét câu hỏi liệu  chúng ta có nên triển khai lái xe tiết kiệm nhiên liệu hay không. Nếu chúng ta triển khai công nghệ này trên quy mô lớn, liệu nó có tạo ra sự khác biệt?” Wu nói.

Để trả lời câu hỏi đó, các nhà nghiên cứu đã bắt tay vào một nghiên cứu mô hình hóa đa chiều, kéo dài gần bốn năm.

Họ bắt đầu bằng cách xác định 33 yếu tố ảnh hưởng đến lượng khí thải từ phương tiện giao thông, bao gồm nhiệt độ, độ dốc đường, cấu trúc giao lộ, tuổi đời của xe, nhu cầu giao thông, loại xe, hành vi người lái, thời gian tín hiệu giao thông, hình dạng đường, v.v.

“Một trong những thách thức lớn nhất là đảm bảo chúng tôi làm việc cẩn trọng và không bỏ sót bất kỳ yếu tố quan trọng nào,” Wu nói.

Sau đó, họ sử dụng dữ liệu từ OpenStreetMap, các cuộc khảo sát địa chất của Hoa Kỳ và các nguồn khác để tạo ra các bản sao kỹ thuật số của hơn 6.000 giao lộ có đèn tín hiệu ở ba thành phố - Atlanta, San Francisco và Los Angeles - và mô phỏng hơn một triệu kịch bản giao thông.

Các nhà nghiên cứu đã sử dụng học tăng cường sâu để tối ưu hóa từng kịch bản lái xe tiết kiệm nhiên liệu nhằm đạt được lợi ích tối đa về giảm phát thải.

Tối ưu hóa việc lái xe thông qua tương tác thử và sai với một trình mô phỏng giao thông có độ chính xác cao, khen thưởng những hành vi lái xe tiết kiệm năng lượng hơn đồng thời phạt những hành vi không tiết kiệm năng lượng.

Các nhà nghiên cứu coi vấn đề này như một bài toán điều khiển đa tác nhân hợp tác phi tập trung, trong đó các phương tiện hợp tác để đạt được hiệu quả năng lượng tổng thể, ngay cả giữa các phương tiện không tham gia, và chúng hoạt động theo cách phi tập trung, tránh được nhu cầu liên lạc tốn kém giữa các phương tiện.

Tuy nhiên, việc huấn luyện hành vi của phương tiện sao cho có thể áp dụng chung cho nhiều tình huống giao thông khác nhau tại các giao lộ là một thách thức lớn. Các nhà nghiên cứu nhận thấy rằng một số tình huống tương tự nhau hơn những tình huống khác, chẳng hạn như các tình huống có cùng số làn đường hoặc cùng số pha đèn tín hiệu giao thông.

Do đó, các nhà nghiên cứu đã huấn luyện các mô hình học tăng cường riêng biệt cho các nhóm kịch bản giao thông khác nhau, mang lại lợi ích giảm phát thải tốt hơn về tổng thể.

Nhưng ngay cả với sự trợ giúp của trí tuệ nhân tạo, việc phân tích lưu lượng giao thông toàn thành phố ở cấp độ mạng lưới sẽ đòi hỏi lượng tính toán khổng lồ đến mức có thể mất thêm một thập kỷ nữa để hoàn thiện, Wu cho biết.

Thay vào đó, họ chia nhỏ vấn đề và giải quyết từng tình huống lái xe tiết kiệm nhiên liệu riêng lẻ tại từng giao lộ.

“Chúng tôi đã cẩn thận giới hạn tác động của việc điều khiển lái xe tiết kiệm nhiên liệu tại mỗi giao lộ lên các giao lộ lân cận. Bằng cách này, chúng tôi đã đơn giản hóa đáng kể vấn đề, cho phép chúng tôi thực hiện phân tích này trên quy mô lớn mà không gây ra các hiệu ứng mạng lưới không xác định,” bà nói.

Khi phân tích kết quả, các nhà nghiên cứu nhận thấy rằng việc áp dụng hoàn toàn lái xe tiết kiệm nhiên liệu có thể giúp giảm lượng khí thải tại các giao lộ từ 11 đến 22 phần trăm.

Những lợi ích này khác nhau tùy thuộc vào bố cục đường phố của thành phố. Một thành phố đông dân cư như San Francisco có ít không gian hơn để thực hiện lái xe tiết kiệm nhiên liệu giữa các giao lộ, điều này có thể giải thích cho việc tiết kiệm khí thải ít hơn, trong khi Atlanta có thể nhận được nhiều lợi ích hơn do giới hạn tốc độ cao hơn.

Ngay cả khi chỉ có 10% số xe sử dụng chế độ lái tiết kiệm nhiên liệu, một thành phố vẫn có thể đạt được lợi ích giảm từ 25 đến 50% tổng lượng khí thải nhờ vào hiện tượng xe chạy theo sau: Các phương tiện không sử dụng chế độ lái tiết kiệm nhiên liệu sẽ đi theo các phương tiện đang lái tiết kiệm nhiên liệu một cách có kiểm soát khi chúng tối ưu hóa tốc độ để đi qua các giao lộ một cách mượt mà, từ đó giảm lượng khí thải carbon của chính chúng.

Trong một số trường hợp, lái xe tiết kiệm nhiên liệu cũng có thể làm tăng lưu lượng xe bằng cách giảm thiểu khí thải. Tuy nhiên, Wu cảnh báo rằng việc tăng lưu lượng có thể dẫn đến việc có nhiều người lái xe hơn tham gia giao thông, làm giảm lợi ích về giảm khí thải.

Và trong khi phân tích của họ về các chỉ số an toàn được sử dụng rộng rãi, được gọi là các biện pháp an toàn thay thế, chẳng hạn như thời gian va chạm, cho thấy rằng lái xe tiết kiệm nhiên liệu an toàn như lái xe thông thường, nó có thể gây ra những hành vi bất ngờ ở người lái xe. Wu cho biết cần nhiều nghiên cứu hơn để hiểu đầy đủ các tác động an toàn tiềm tàng.

Kết quả nghiên cứu của họ cũng cho thấy rằng lái xe tiết kiệm nhiên liệu có thể mang lại lợi ích lớn hơn nữa khi kết hợp với các giải pháp giảm phát thải carbon trong giao thông vận tải thay thế. Ví dụ, việc áp dụng lái xe tiết kiệm nhiên liệu ở San Francisco với tỷ lệ 20% sẽ giảm mức phát thải xuống 7%, nhưng khi kết hợp với dự kiến ​​áp dụng xe hybrid và xe điện, mức phát thải sẽ giảm tới 17%.

“Đây là nỗ lực đầu tiên nhằm định lượng một cách có hệ thống các lợi ích môi trường trên toàn mạng lưới của việc lái xe tiết kiệm nhiên liệu. Đây là một nỗ lực nghiên cứu tuyệt vời, sẽ đóng vai trò là tài liệu tham khảo quan trọng để những người khác tiếp tục phát triển trong việc đánh giá các hệ thống lái xe tiết kiệm nhiên liệu”, Giáo sư Hesham Rakha, Giáo sư Kỹ thuật Samuel L. Pritchard tại Đại học Virginia Tech, người không tham gia vào nghiên cứu này, cho biết.

Và trong khi các nhà nghiên cứu tập trung vào lượng khí thải carbon, thì lợi ích lại có mối tương quan mật thiết với những cải thiện về mức tiêu thụ nhiên liệu, sử dụng năng lượng và chất lượng không khí.

“Đây gần như là một biện pháp can thiệp miễn phí. Chúng ta đã có điện thoại thông minh trong ô tô và đang nhanh chóng áp dụng các loại xe có tính năng tự động hóa tiên tiến hơn. Để một điều gì đó có thể nhanh chóng được nhân rộng trong thực tế, nó phải tương đối dễ thực hiện và sẵn sàng triển khai. Lái xe tiết kiệm nhiên liệu đáp ứng được các tiêu chí đó”, Wu nói.

Công trình này được tài trợ một phần bởi Amazon và Sở Giao thông Vận tải Utah.