운송 시스템의 다양성에 대한 문제

운송 시스템의 다양성에 대한 문제

운송 시스템의 다양성에 대한 문제? 캐시 우는 항상 원활하게 실행되는 시스템에 만족해 왔습니다. 고등학교 시절, 그녀는 정시에 수업에 도착할 수 있는 가장 좋은 경로를 최적화하는 프로젝트를 설계했습니다. 그녀의 연구 관심사와 경력은 어린 나이에 부모님이 심어주신 사회에 기여해야 한다는 강한 책임감과 함께 조직화하고 최적화하려는 성향을 보여주는 증거입니다. MIT 학부생이었던 우는 농업, 에너지, 교육과 같은 분야를 탐구했고, 결국 교통 분야에 뛰어들었습니다. 교통은 우리 삶의 각 부분을 감동시킨다고 그녀는 말합니다. 더불어 우리는 매일 비효율성과 안전 문제, 교통 시스템과 관련된 환경적 피해를 경험하고 있고 우리는 더 잘할 수 있고 더 잘해야 한다고 믿는다고 말했습니다. 하지만 그렇게 하는 것은 복잡합니다. 교통 시스템 제어의 오랜 문제를 고려해 보겠습니다. 캐시 우는 도로 정보를 측정하는 데 사용되는 감지 및 통신 기술의 유형은 말할 것도 없고 시간, 날씨, 차량 유형과 같은 변수의 영향을 받는 제어 문제의 한 가지 문제가 아니라 더 정확하게는 제어 문제의 계열이라고 설명합니다. 모든 차별화 요소는 기하급수적으로 더 큰 일련의 제어 문제를 야기합니다. 수천 개의 제어 문제 변형과 수천 개는 아니더라도 수백 개의 연구 및 논문이 각 문제에 전념하고 있습니다. 우는 수많은 변형을 다양성의 저주라고 부르며 혁신을 방해하고 있습니다. 이에 대해서 캐시 우는 새로운 제어 전략이 거리에 안전하게 배치될 수 있다는 것을 증명하는 데는 몇 년이 걸릴 수 있고, 시간이 지남에 따라 우리는 환경 영향을 완화하면서 안전과 형평성을 개선할 기회를 잃게 되며, 이 프로세스를 가속화하는 것은 엄청난 잠재력을 가지고 있다고 말했습니다. 그렇기 때문에 MIT 정보 및 의사 결정 시스템 연구소의 그녀와 그녀의 그룹은 단일 제어 문제나 단일 최적화 문제뿐만 아니라 대규모 제어 및 최적화 문제를 해결하기 위해 머신 러닝 기반 방법을 고안하고 있습니다. 이에 대해서 우리의 경우, 사람들이 수십 년 동안 고전적인 접근 방식으로 해결하기 위해 노력해 온 새로운 교통 문제를 검토하고 있고 다른 접근 방식이 필요한 것 같다고 밝혔습니다. 다음으로 교차로 최적화에 대해서 알아보겠습니다. 현재 캐시 우 대표의 가장 큰 연구 노력은 프로젝트 그린웨이브입니다. 기후 변화에 직접적으로 기여하는 많은 분야가 있지만, 운송 수단이 온실가스 배출량의 가장 큰 부분을 차지하며, 그 중 29%는 육상 운송 수단으로 인한 것입니다. 이동성과 관련된 환경 영향 완화에 대한 논의의 대부분은 전기 자동차에 집중되어 있지만, 전기화에는 단점이 있습니다. 전기차 차량 회전율은 시간이 많이 걸리고, 기술에 대한 글로벌 액세스가 제한되어 있어 광범위한 채택에 상당한 장애물이 될 수 있다고 캐시 우는 말합니다. 반면에 우는 심층 강화 학습을 활용하여 교통 통제 문제를 해결합니다. 특히 그녀는 교통 교차로를 살펴보고 있는데 그럴 만한 이유가 있습니다. 미국에만 30만 개 이상의 신호 교차로에서 차량이 다시 가속하기 전에 정지하거나 속도를 줄여야 하는 상황이 발생했습니다. 그리고 모든 재가속은 화석 연료를 연소시키고 온실가스 배출에 기여합니다. 캐시 우 대표는 이 문제의 심각성을 강조하며 우리는 교차로에서 공회전하고 재가속하는 에너지를 통해 육상 운송 CO2 최대 15%가 낭비된다는 예비 분석을 수행했다고 말했습니다. 지금까지 그녀와 그녀의 그룹은 미국의 10개 주요 대도시 지역에 걸쳐 30,000개의 교차로를 모델링했습니다. 이는 30,000개의 다양한 구성, 도로 지형, 다양한 기상 조건, 여행 수요 및 연료 믹스의 변화입니다. 각 교차로와 해당 시나리오는 고유한 다중 에이전트 제어 문제를 나타냅니다. 캐시 우는 팀과 함께 하나의 문제뿐만 아니라 수만 개의 시나리오로 구성된 전체 문제를 해결할 수 있는 기술을 고안하고 있습니다. 간단히 말해서 신호등이 녹색일 때 교차로에 도착하도록 차량의 타이밍을 조정하여 시작, 정지, 재가속 문제를 제거하는 것입니다. 그 과정에서 도로 개입과 탄소 집약적인 도시 주행을 크게 줄이기 위한 전략의 영향 평가를 가능하게 하는 도구, 데이터 세트 및 방법으로 구성된 에코시스템을 구축하고 있습니다. 이 프로젝트의 협력자는 유타주 교통부이며, 캐시 우는 이 부서가 자신과 자신의 그룹이 공개적으로 접근할 수 없었을 데이터와 실용적인 지식을 공유함으로써 필수적인 역할을 했다고 말합니다. 캐시 우는 중요한 사회 문제와 관련해서는 실무자들과 함께 고민해야 하고, 현장의 관점을 들을 수 있어야 하며, 실무자와의 상호작용은 저의 시야를 넓히고 연구의 토대를 마련하는 데 도움이 되고, 해결책의 열쇠가 되는 관점이 언제 들릴지, 아니면 문제를 이해하는 열쇠가 될지 알 수 없다고 말했습니다. 다음으로 최적의 경로 찾기에 대해서 알아보도록 하겠습니다. 비슷한 맥락에서 그녀와 그녀의 연구 그룹은 대규모 조정 문제를 해결하고 있습니다. 예를 들어서 차량 라우팅입니다. 매일 배달 트럭이 보스턴시에만 10만 개 이상의 소포를 배송한다고 캐시 우는 말합니다. 이 작업을 수행하려면 무엇보다도 어떤 트럭을 사용할지, 어떤 패키지를 배송할지, 그리고 가능한 한 효율적으로 배송할 순서를 파악해야 합니다. 그리고 트럭에 전기가 공급되면 충전해야 하므로 프로세스에 또 다른 주름이 생기고 경로 최적화가 더욱 복잡해집니다. 차량 라우팅 문제와 따라서 캐시 우의 작업 범위는 패키지 배송을 위한 트럭 라우팅을 넘어 확장됩니다. 차량 호출 차량은 물건을 픽업하고 내려야 할 수도 있으며, 자전거나 드론으로 배송이 이루어지면 어떻게 될까요? 예를 들어서 캐시 우와 그녀의 팀은 아마존과의 파트너십을 통해 창고에 수백 대의 로봇에 대한 라우팅 및 경로 계획을 논의했습니다. 모든 변형에는 개발하는 데 비용과 시간이 많이 드는 맞춤형 휴리스틱이 필요합니다. 다시 말하지만 이 문제는 복잡하고 시간이 많이 걸리며 현재 고전적인 기법으로 해결되지 않은 여러 가지 문제군이며 모두 중앙 라우팅 문제의 변형입니다. 다양성의 저주는 운영과 물류를 충족합니다. 캐시 우는 고전적인 접근 방식과 최신 딥 러닝 방법을 결합하여 이러한 모든 차량 라우팅 문제를 효과적으로 해결할 수 있는 휴리스틱을 자동으로 식별할 수 있는 방법을 찾고 있습니다. 지금까지 그녀의 접근 방식은 성공적인 것으로 입증되었습니다. 작은 문제에 대한 기존 솔루션 방법을 사용하여 학습 프레임워크에 통합하여 큰 문제에 대한 기존 솔루션을 확장하고 가속화하는 하이브리드 학습 접근 방식을 제공했습니다. 또한 차량 라우팅 문제의 특수 변형에 대한 휴리스틱을 자동으로 식별할 수 있는 방식으로 이 작업을 수행할 수 있습니다. 다음 단계는 자동화된 창고의 다중 에이전트 로봇 문제에도 유사한 접근 방식을 적용하는 것이라고 캐시 우는 말했습니다. 캐시 우 씨와 그녀의 그룹은 부분적으로는 사용에서 영감을 받은 기초 연구에 전념한 덕분에 큰 진전을 이루고 있습니다. 알려진 방법이나 과학을 문제에 적용하는 대신 문제를 해결하기 위한 새로운 방법, 즉 새로운 과학을 개발합니다. 그녀와 그녀의 팀이 사용하는 방법은 실용적인 의미를 가진 사회적 문제에 의해 필요합니다. 접근 방식의 영감? 다름 아닌 루이스 파스퇴르는 지금은 유명한 파스터의 사분면이라는 제목의 기사에서 자신의 연구 스타일을 설명했습니다. 탄저균은 양의 개체 수를 감소시키고 있었고, 파스퇴르는 탄저균에 대해 무엇을 할 수 있는지 그 이유와 방법을 더 잘 이해하고자 했습니다. 당시의 도구로는 문제를 해결할 수 없었기 때문에 호기심이 아니라 필요에 의해 새로운 분야인 미생물학을 발명했습니다. 지금까지 운송 시스템의 다양성에 대한 문제에 대해서 살펴봤습니다.