当飓风来袭时，最脆弱的人群并不总是能够及时撤离。德克萨斯大学奥斯汀分校的科学家们正在使用德克萨斯高级计算中心 (TACC) 的超级计算机来研究共享自动驾驶汽车 (SAV) 如何让没有自己汽车的人们进入避难所，避免受到伤害。

“我们研究的一个重要发现是，如果您需要在特定的疏散期间调整该系统的规模，那么您将需要一个共享的系统车辆德克萨斯大学奥斯汀分校土木、建筑和环境工程系交通工程教授卡拉·科克尔曼 (Kara Kockelman) 说：“在加尔维斯顿和休斯顿之间的漫长海岸线上，每 14 名疏散人员就需要撤离一次。”她是这项研究的合著者，发表在日记中交通规划与技术。

这个想法是使用共享自动驾驶汽车，类似于 Cruise 和 Waymo 等公司的机器人出租车，将无车人士带到公交车站，然后公交车可以将他们运送到休斯敦内陆更远的飓风避难所。

科克尔曼补充说：“在这些低密度、更多的农村环境中，在不到几个小时的时间内做到这一点可能很困难。”疏散高风险地区包括布拉佐里亚县、钱伯斯县、加尔维斯顿县、哈里斯县和利伯蒂县。这项研究的重点是成千上万可能被困的人，例如医疗保险数据库中列出的那些没有汽车或无法乘车的人。

当 5 级飓风袭来时，预计将有 90 万人接到疏散命令，约占休斯顿地区总人口的 12.4%。工程师们估计背景交通约为正常流量负载的50%。假设其余人口仍留在原地。

撤离人员将穿越休斯顿复杂的道路网络；36,124 条链路分布在 5,217 个区域（称为流量分析区域）。其中，1,035 个地区极有可能遭受强飓风袭击。

Kockelman 因在 TACC 的 Frontera 超级计算机上使用 SAV 进行交通模拟而获得了分配。

“如果没有超级计算机，这项工作是不可能的，”科克尔曼补充道。“我们在 24 小时或几天的实际交通中每隔几秒钟就跟踪个人和车辆，因为交通从早上到晚上以及夜间都在变化。”

模拟中的交通决策考虑了交通状况，选择最佳路线，并确定接载的优先顺序，以最大限度地减少疏散人员所需的时间。

工程师使用（SUMO）Simulation of Urban Mobility 交通模拟软件来评估交通拥堵和网络容量。他们在飓风登陆前几天模拟了灾前疏散场景。

德克萨斯大学奥斯汀分校博士 Kentaro Mori 表示：“SUMO 模拟了该地区每个人的日常活动。”科克尔曼指导的学生。“大量的复杂性增加了计算成本。如果没有 TACC，我们将无法运行真正回答这些重要研究问题并提出最佳政策建议所需的许多场景。”

该团队从 200 辆机器人出租车开始进行模拟，后来扩展到 1,200 辆——他们还尝试了不同尺寸的汽车。

“归根结底，5 座汽车是最灵活的，”科克尔曼说。“与大型车辆相比，这些车辆加速进入交通的速度更快。”更重要的是，模拟显示，超过 200 艘船队的回报递减。

这项研究是一项开创性的工作，为无法使用私家车的飓风撤离人员提供了可行的替代交通方式的建议性数据。虽然结果尚未直接用于飓风应用，但工程师们在形成这项研究时确实咨询了德克萨斯州的疏散领导。作者预计，随着 Waymo 等公司扩大其载客量，SAV 在疏散中将发挥更大的作用；运营方面通过闲置车辆智能重新定位、最优动态拼车匹配、增强寻路算法等方法进行改进。

科克尔曼补充说，交通模拟可以适用于其他城市和不同的灾难疏散场景，例如西海岸的野火。

科克尔曼说：“在人们做出决策的方式或每秒交通流量如何展开的情况下，详细模拟并考虑到人群中的不确定性和异质性的能力以前是不可能实现的。”“通过使用 TACC 系统，这种丰富性变得生动起来。我们很幸运，我们在 UT Austin 并能够利用这种能力。”

更多信息：Jooyong Lee 等人，在灾前疏散期间利用共享自动驾驶车辆帮助弱势群体，交通规划与技术（2024）。DOI：10.1080/03081060.2024.2360678