該研究由道路與鐵路基礎設施專家馬爾科?蓋里埃里（Marco Guerrieri）教授和固體與結(jié)構力學教授尼古拉?普尼奧（Nicola Pugno）共同完成。研究團隊利用深度學習技術追蹤螞蟻的行為，發(fā)現(xiàn)螞蟻在移動過程中形成的路徑網(wǎng)絡與高速公路上的車輛交通有相似之處。

研究人員通過分析一段 30 厘米長的螞蟻路徑（相當于每只螞蟻體長的 100 倍），并使用深度學習算法追蹤視頻中的螞蟻運動，繪制了螞蟻的軌跡、速度、流量和密度。結(jié)果顯示，螞蟻通過形成隊列、保持穩(wěn)定速度以及“禁止超車”等策略，即使在高密度情況下也能避免擁堵。

蓋里埃里教授指出，螞蟻是少數(shù)能夠管理雙向交通流的物種之一，這與人類的道路系統(tǒng)類似，但它們能夠?qū)崿F(xiàn)無縫導航而不會出現(xiàn)擁堵。螞蟻會跟隨由領頭螞蟻標記的信息素路徑，以小隊形式移動，保持較小的間距且不超車。研究人員在論文中強調(diào)：“從螞蟻在信息素路徑上行走，到車輛在高速公路車道上行駛，所有集體系統(tǒng)面臨的主要挑戰(zhàn)是如何在擁擠環(huán)境中避免高密度情況下的擁堵。”

研究進一步表明，螞蟻通過簡單的自組織規(guī)則解決復雜的交通問題，這些規(guī)則并非像傳統(tǒng)交通那樣由外部強加，而是通過螞蟻之間的直接接觸或化學信號自然形成。這使得螞蟻的行為比傳統(tǒng)道路上的車輛更具協(xié)作性。

該研究做出了幾個關鍵貢獻。首先，其推導了螞蟻群體中的微觀交通變量，并分析了螞蟻用于預防擁堵的集體策略?；谶@些發(fā)現(xiàn)，研究提出了受螞蟻行為啟發(fā)的交通調(diào)控策略。

蓋里埃里教授認為，未來的自動駕駛車輛（CAVs）交通系統(tǒng)可以借鑒螞蟻的行為。正如螞蟻通過信息素進行交流一樣，自動駕駛車輛可以利用先進的通信技術與彼此及道路基礎設施互動，形成協(xié)調(diào)的隊列。這將使車輛能夠在平行車道上以高速度和緊密間距行駛，從而提高交通效率、服務水平，并減少尾氣排放。

然而IT之家注意到，該研究也存在局限性。首先，該研究的數(shù)據(jù)收集僅針對一種螞蟻物種，因此無法將結(jié)果推廣到所有螞蟻物種。其次，分析基于一段沒有彎道、交叉口或螞蟻流沖突區(qū)域的單一路徑。最后，由于自動駕駛車輛是新興技術，目前尚無來自實際交通和高速公路應用的實證數(shù)據(jù)支持研究結(jié)果。