트래픽으로 너무 비밀을 둔 누군가가 그것에 관한 책을 썼을 때, 나는 차량 정체에 대한 근게 혐오감을 가지고 있습니다. 내 글로벌 기본 전략은 단순히 가능한 한 적게 운전하는 것이지만, 단순히 가스 페달에 발을 넣어야 할 때가 있습니다. 많은 사람들과 마찬가지로, 나는 Waze 앱에 점점 더 의존하고 있는데, 각 드라이버의 스마트 폰을 통해 미분화되지 않은 드라이버를 집단 형태의 네트워크 인텔리전스와 유사한 것으로 바꿉니다.
.Waze는 다른 날에 나에게 일어났다. 운전자가 경로를 따라 여행 할 때마다 Waze는 속도를 추적합니다. 이는 다음 드라이버마다 방송 될 수 있습니다. 무언가가 멈춘 자동차, 충돌 또는 모호한 불길한“도로의 위험”을 방해하겠다고 위협한다면, 첫 번째 드라이버는 전자 빵 부스러기를 거의 남겨 두지 않을 수 있습니다. 이 유령의 흔적이 충분히 남아 있으면 후속 Waze 사용자의 일부 비율이 다른 경로로 리디렉션 될 수 있습니다.
이 모든 것은 개미 식민지에서 발견 된 운동의 역학과 놀랍도록 유사하다. 그러므로 개미가 네트워크 연구원들에게 너무나 매혹적인 것으로 판명되었다는 것은 작은 놀라움이 있습니다.
벨기에의 연구원 마르코 도리고 (Marco Dorigo)는 1990 년대 초 첫 번째 작품으로, 현재는“개미 식민지 최적화”(일반적으로 ACO로 단락)에서 실제 개미 행동을 기반으로 운동을 조직하기위한 전략으로 인정 받고있다. 그는 초기 논문에서 다음과 같이 설명했다. 개미는 페로몬 냄새를 맡을 수 있으며 길을 선택할 때 강한 페로몬 농도로 표시된 경로를 선택하는 경향이 있습니다.”
.일종의 덕질 원 (Dorigo는이를“자가 촉매 피드백”이라고 함)에서, 경로가 짧을수록 페로몬의 축적이 더 빨라질수록 경로가 더 바람직하다. 페로몬 농도는 시간이 지남에 따라 증발되어 차선책 경로가 시들어 버릴 수 있습니다. 마찬가지로, Waze에서 운전자는 다른 운전자가 더 느린 경로를 피하는 데 도움이되는 일종의 "e-pheromone"인 혼잡에 대한 보고서를 "엄지 손가락"할 수 있습니다. ( 무엇 그리고 얼마나 가장 널리 최적되는 솔루션을 달성하기 위해 운전자에게 정보가 제공되어야합니다.
일반적으로“낙관적”이라고하는 과정에서 이러한“환경의 흔적”은 전송 네트워크를 전달, 조정 또는 구조화 할 수있는 더 큰 메타 능력이없는 간단한 에이전트가“놀랍도록 지능적인 집단 행동”을 표시 할 수있는 방법을 설명하는 데 도움이됩니다. 미네소타 대학교 교통 연구원 데이비드 레빈슨 (David Levinson)은 일일 통근자의 15 %만이 가능한 가장 짧은 경로에 있다고 밝혔다.
.개미 식민지 최적화는 인상적인 속도와 범위로 마이그레이션되었으며 터키의 전기 소비 추정에서 공급망 설계, 키 큰 교량 교두 설계, 로봇 학습에 이르기까지 모든 종류의 연구 추구에 거주했습니다.
그러나 상상할 수 있듯이 교통 연구원들은 특히 그 접근 방식에 이끌 렸으며, 그럴만 한 이유가 있습니다. 2012 년 논문에서 Texas A &M University의 토목 기술자들은 개미 식민지 최적화가 교통 공학의 일반적인 문제에 대한 "유전자 알고리즘"접근 방식에 대한 근거를 원했습니다.
유전자 알고리즘은 이름의 이름을 반영하여 자연 선택 과정을 모방합니다. 그것은 문제에 대한 최상의 솔루션을“검색”합니다. 진화는 환경에 유기체를 적용 할 때, 잠재적 솔루션,이 경우 트래픽 조명 조정, 반복적 인 과정에서 수정함으로써.
.ACO는 "모델 실행"의 수가 증가함에 따라 유전자 알고리즘을 초과하기 시작했습니다. 저자들이 지적했듯이,“이것은 ACO가 수렴에 도달하기 위해 많은 수의 시뮬레이션이 필요한보다 복잡한 실제 교통 상황을 더 잘 처리 할 수 있음을 시사합니다.” (물론, 개미 식민지 최적화는“실제 세계”트래픽과는 다른 방식으로 다양합니다. 예를 들어, 운전자는 사전 결정된 목적지를 가지고 있지만 개미는 그렇지 않으며, 따라서 ACO를 더 많이 만들고 인간적으로 만들기 위해 다양한 개선이 이루어졌습니다). 저자들은“이것은 동일한 계산 능력에 대한 더 나은 솔루션이 식별되고, 특히 계산 시간이 최상의 가능한 솔루션을 검색 할 수 있고 ACO가 매우 복잡한 네트워크를 해결하기위한 좋은 대안이 될 수있는 경우”라고 말합니다.
개미가 그렇게 잘 수행하는 한 가지 이유는 행동을위한 이러한 진화 된 알고리즘에 대한 엄격하고 자존심이 아닌 준수 때문입니다. 4 월에 발표 된 매혹적인 실험에서 개미는 두 개의 출구가있는 챔버에 배치되었습니다. 개미가 강렬하게 싫어하는 시트로 넬라 오일의 다양한 비율이 챔버에 추가되었으며 (“고통을 최소화하기 위해 모든 노력이 이루어 졌음”) 과학자들은 개미가 챔버에서 어떻게 종료되었는지 추적했습니다. 비교를 위해, 컴퓨터 시뮬레이션은 인간이 어떻게 보행자 행동에 대한 Dirk Helbing의 "사회적 힘 모델"사용)를 방해했을 것인지를 알기 위해 실행되었습니다. 연구원들이 지적했듯이,“사회적 힘 모델의 예측과 개미의 행동의 차이는 놀랍습니다.” 인간이 즉시 졸업하기 시작한 곳에서 출구는“개미는 대다수의 지역에 퍼져 나갔다”고 더 넓은 지역을 활용했다 (공격적인 시트 로넬라와 가장 가까운 지역 제외). 일종의 "느린 더 빠른"효과에서, 그들은 더 조심스럽게 미리 조심스럽게 배열함으로써 출구를 방해하는 것을 피했습니다.
.인간이 더 큰 네트워크의 비용으로“이기적인 라우팅”전략을 추구하는 경향은 오랫동안 트래픽에서 주목되어 왔습니다. 영어 수학자이자 교통 연구원 John Glen Wardrop이 처음으로 유명한 "Wardrop Equilibrium"에서 개별 운전자에게 가장 적합한 것은 반드시 트래픽 전체에 가장 적합한 것은 아닙니다 ( "시스템 평형"). 예를 들어, Massachusetts Institute of Technology의 팀이 익명화 된 핸드폰 데이터를 사용한 보스턴 지역 연구에서, 통근 기원의 지리적으로 표적화 된 섹션에서 트립의 단지 1 %를 취소하면 모든 것이 줄어들 것이라고 밝혔다. 드라이버의 여행은 18 %입니다.
끝없이 협력적이고 eosocial ents는이 더 큰 네트워크 비효율적 인 영향을 미치지 않을 것입니다. 인간 통근자 중 하나의 작은 부문의 트래픽 영향은 운송 네트워크에서 뚜렷한 약점을 보여줍니다. 보스턴 통근자의 1 %가 평소와 같이 운전하는 동안 보스턴 통근자의 1 %가 운전하지 않거나 경로를 변경하지 않는다고 말할 것인가?
Tom Vanderbilt는 다른 주제들 중에서도 디자인, 기술, 과학 및 문화에 대해 글을 씁니다. 트위터에서 그를 따르십시오 @tomvanderbilt .
Watch :이론적 컴퓨터 과학자 Scott Aaronson은 정보가 텔레를 물리학에 몰래 몰래 몰아 넣는 지 여부에 관한 것입니다.
이 고전적인 사실 So Romantic Post는 원래 2016 년 6 월에 출판되었습니다.
