缓解交通拥堵是降低排放的最新方法

　　美国能源部正准备利用其国家实验室的强大计算能力来消除美国人日常生活的祸害：交通拥堵。
　　这项工作的目的不仅是改善驾车者的心情。如果可行，它将减少美国多达20%的运输燃料消耗并减少汽车排放。第二个目标是在未来10年内，通过缓解美国城市高峰时段的交通拥堵来挽回多达1000亿美元的工人生产力损失。
　　两年前，田纳西州橡树岭的橡树岭国家实验室和科罗拉多州戈尔登的国家可再生能源实验室（NREL）选择了田纳西州查塔努加市（人口为182799）作为他们的第一个实验对象。这座城市坐落在该州东南角的丘陵和山脊之间，是美国交通最拥挤的二十个城市之一。
　　NREL科学家的第一步是构建一个详细的计算机模型，或称“数字孪生体”，以单独分析城市的交通模式，然后探索其交通高峰期拥堵的解决方案。
　　“查塔努加提供了一个理想的条件和机会，使我们能够与杰出的市政府和州级合作伙伴一起工作。”NREL车辆技术管理计划总管John Farrell解释道。“最终，我们计划将这些解决方案应用于全国较大的城市区域和区域性走廊。”
　　国家目标是每年节省33亿加仑（约125亿升）的燃油并减少88亿小时的生产力损失，同时减少每年因空转而导致激增的汽车排放量。根据NREL的数据，在正常（非新冠疫情流行的）年份中，驾驶员将“被困在方向盘上”46个小时。
　　正如Farrell在一次采访中解释的那样，完成查塔努加两年交通研究的关键是NREL 最新的超级计算机“鹰”（Eagle），它每秒可以进行800亿次计算。他指出，五年前不具有现在的计算机技术和应用方式。
　　“鹰”能帮助NREL使用一种称为“机器学习”的过程，该过程可以探索大量数据并快速识别出人类可能需要花费数周甚至数月才能发现的模式。查塔努加市提供了大量的交通数据。
　　国家可再生能源实验室的科学家们与众多合作伙伴一起工作，包括查塔努加市交通运输部门、三所大学、田纳西州和乔治亚州的交通运输部门以及几家卡车运输公司，例如联邦快递公司。
　　这项研究使用了500多个数据源，其中包括：美国全球定位系统中的太空卫星，自动照相机，雷达探测器，气象站，显示汽车位置的城市记录仪以及人工视觉观察。
　　Farrell补充道：“机器学习存在困难的一个方面是，它仅告诉你现象却不能解释它背后的原因。”超级计算机第一个甄别出的对象是浅滩路（Shallowford Road）——一条由郊区进入城市的多车道高速公路。研究人员发现，浅滩路沿线的四个交通信号控制器需要处理极其繁忙的交通状况，这意味着驾驶员在一天当中会被一连串红灯拦住。
　　他们“缓解交通拥堵”的措施之一是根据交通情况调整时机，从而增加了绿灯出现频次，并使高速公路上的车辆燃料使用量减少了16％。他们一次性就使得一个地区的节油量接近了他们为整个城市设定的节油目标。在此之前，他们的方法仅基于计算机理论。Farrell称此结果“既让人震惊，又让人满足”。
　　未来两年他们将致力于区域交通拥堵解决方案，其中包括通往查塔努加地区的其他高速公路。该方案将研究卡车的交通行为，以及它面对查塔努加的交通拥挤变化时的反应。
　　它们将包括“动态速度限制”，通过调整以更有效地缓解交通压力，并调整控制通往高速公路的匝道上信号灯的时间。Farrell指出：“不仅是查塔努加市，在全国范围内货运都是造成堵塞的主要因素之一。”他解释说，卡车的反复停车和起步，会比轿车带来更多的燃料损失和温室气体排放，尤其是在丘陵地区。
　　根据NREL的数据，每年在美国高速公路上运输的货物超过110亿吨，每天的货物价值超过320亿美元。
　　NREL及其合作伙伴希望到2022年10月左右，他们将拥有一个可以应用于其他城市及其周边地区的模型。丹佛和亚特兰大是接下来最有可能进行交通模拟的城市。
　　Farrell说，他希望基于查塔努加市的模型和经验能在一年内用于解决其他城市交通拥堵的问题。“对气候变化的影响只是我们可以帮助解决的问题之一。”他说，“当你解决了拥堵问题时，道路安全性也会得到提高。”
　　虽然新冠疫情最近已将交通拥堵造成的时间损失减少到26％左右，但Farrell表示，一旦国家复苏，挤在交通拥堵中所造成的时间损失很可能会恢复到全国常态水平，即40到50小时。
　　这将导致88亿小时的生产力损失。Farrell补充说：“减少交通拥堵时间的影响其实很大，因为它影响着很多人。”同时他预测，这也可能会激发更快的模型测试与更快的超级计算机。（李卓）