當颶風來襲時，最脆弱的人群並不總是能夠及時撤離。德州大學奧斯汀分校的科學家正在使用德州高級運算中心 (TACC) 的超級電腦來研究共享自動駕駛汽車 (SAV) 如何讓沒有自己汽車的人進入避難所，避免受到傷害。

「我們研究的一個重要發現是，如果您需要在特定的疏散期間調整該系統的規模，那麼您將需要一個共享的系統車輛德州大學奧斯汀分校土木、建築和環境工程系交通工程教授卡拉·科克爾曼(Kara Kockelman) 說：「在加爾維斯頓和休士頓之間的漫長海岸線上，每14 名疏散人員就需要撤離一次。發表在日記中交通規劃與技術。

這個想法是使用共享自動駕駛汽車，類似於 Cruise 和 Waymo 等公司的機器人計程車，將無車人士帶到公車站，然後公車可以將他們運送到休士頓內陸更遠的颶風避難所。

科克爾曼補充說：“在這些低密度、更多的農村環境中，在不到幾個小時的時間內做到這一點可能很困難。”疏散高風險地區包括布拉佐裡亞縣、錢伯斯縣、加爾維斯頓縣、哈里斯縣和利伯蒂縣。這項研究的重點是成千上萬可能被困住的人，例如醫療保險資料庫中列出的那些沒有汽車或無法乘車的人。

當 5 級颶風來襲時，預計將有 90 萬人接到疏散命令，約佔休士頓地區總人口的 12.4%。工程師估計背景交通約為正常流量負載的50%。假設其餘人口仍留在原地。

撤離人員將穿越休士頓複雜的道路網絡；36,124 條連結分佈在 5,217 個區域（稱為流量分析區域）。其中，1,035 個地區極有可能遭受強烈颶風襲擊。

Kockelman 因在 TACC 的 Frontera 超級電腦上使用 SAV 進行交通模擬而獲得了分配。

「如果沒有超級計算機，這項工作是不可能的，」科克爾曼補充道。“我們在 24 小時或幾天的實際交通中每隔幾秒鐘就跟踪個人和車輛，因為交通從早上到晚上以及夜間都在變化。”

模擬中的交通決策考慮了交通狀況，選擇最佳路線，並確定接載的優先順序，以最大限度地減少疏散人員所需的時間。

工程師使用（SUMO）Simulation of Urban Mobility 交通模擬軟體來評估交通擁堵和網路容量。他們在颶風登陸前幾天模擬了災前疏散場景。

德克薩斯大學奧斯汀分校博士 Kentaro Mori 表示：“SUMO 模擬了該地區每個人的日常活動。”科克爾曼指導的學生。“大量的複雜性增加了計算成本。如果沒有 TACC，我們將無法運行真正回答這些重要研究問題並提出最佳政策建議所需的許多場景。”

該團隊從 200 輛機器人計程車開始進行模擬，後來擴展到 1,200 輛——他們還嘗試了不同尺寸的汽車。

「歸根結底，5 人座汽車是最靈活的，」科克爾曼說。“與大型車輛相比，這些車輛加速進入交通的速度更快。”更重要的是，模擬顯示，超過 200 艘船隊的回報遞減。

這項研究是一項開創性的工作，為無法使用私家車的颶風撤離人員提供了可行的替代交通方式的建議數據。雖然結果尚未直接用於颶風應用，但工程師在形成這項研究時確實諮詢了德州的疏散領導。作者預計，隨著 Waymo 等公司擴大其載客量，SAV 在疏散中將發揮更大的作用；營運方面透過閒置車輛智慧重新定位、最優動態共乘匹配、增強尋路演算法等方法進行改進。

科克爾曼補充說，交通模擬可以適用於其他城市和不同的災難疏散場景，例如西海岸的野火。

科克爾曼說：“在人們做出決策的方式或每秒交通流量如何展開的情況下，詳細模擬並考慮到人群中的不確定性和異質性的能力以前是不可能實現的。”「透過使用 TACC 系統，這種豐富性變得生動起來。我們很幸運，我們在 UT Austin 並能夠利用這種能力。”

更多資訊：Jooyong Lee 等人，在災前疏散期間利用共享自動駕駛車輛幫助弱勢群體，交通規劃與技術（2024）。DOI：10.1080/03081060.2024.2360678