得益于新的人工智能系统，交通信号灯前的车辆排长队可能会成为过去。

阿斯顿大学研究人员开发的系统是同类中的第一个，它能读取实时摄像机镜头，并对灯光进行调节，以保持交通畅通，减少拥堵。该系统使用深度强化学习，该程序可以理解自己什么时候做得不好，并尝试不同的行动方案，或者在取得进展时继续改进。在测试中，该系统明显优于所有其他通常依赖于人工设计相变的方法。

据估计，2019 年英国城市地区的拥堵导致英国居民平均每年浪费大约 115 小时的时间，以及 894 英镑的燃料浪费和收入损失，造成拥堵的主要原因是交通信号不及时。

研究人员构建了最先进的逼真交通模拟器 Traffic 3D 来训练他们的程序，教它处理不同的交通和天气情况。当系统在真实的交叉路口进行测试时，它随后适应于真实的交通路口，尽管它完全是在模拟中训练的，然而，它可以在许多现实世界的环境中有效。

阿斯顿大学计算机科学专业的读者 Maria Chli 博士解释说，他们“已经将其设置为交通控制游戏：当一辆汽车通过一个路口时，这个程序就会得到一个“奖励”。每当一辆车需要等待或遇到塞车时，就会有一个“消极的奖励”。实际上我们并没有提供任何信息;我们只是控制奖励系统。”

目前，路口使用的交通灯自动化的主要形式依赖于磁感应回路：一条电线位于道路上，记录经过它的汽车。程序对其进行计数，然后对数据做出反应。由阿斯顿大学团队创建的人工智能在汽车通过红灯之前“看到”高交通量并做出决定，因此反应更快更迅速。

阿斯顿大学计算机科学高级讲师 George Vogiatzis 博士说：“我们将这个程序建立在学习行为基础上的原因是，它可以理解以前没有明确经历过的情况。我们已经用物理测试过导致拥堵的障碍物，而不是红绿灯的相位变化，系统仍然表现良好。只要有一个因果关系，计算机最终会弄清楚那个联系是什么，这是一个非常强大的系统。

该程序可以设置为查看任何交通路口，真实的或模拟的，并将开始自主学习。可以操纵奖励系统，例如鼓励程序让紧急车辆快速通过。但是同时，程序总是会自我学习，而不是用特定的指令来编程。

研究人员希望今年开始在真实道路上测试他们的系统。

原文链接：https://www.aston.ac.uk/latest-news/ai-traffic-light-system-could-make-traffic-jams-distant-memory-0