人工智能系统有可能结束交通灯前的排队

这是同类系统中的第一个，读取实时摄像机镜头，并调整灯光进行补偿，以保持交通流量，减少拥堵。

该系统使用深度强化学习，即程序知道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，据说该系统的表现明显优于其他所有方法，这些方法往往依赖于手动设计的相变。

2019年，据估计，英国城市地区的拥堵导致司机每年浪费大约115个小时的时间，以及894英镑的燃料，而造成这种情况的主要原因是交通信号时间不够。

为了克服这一问题，研究人员建立了一个逼真的交通模拟器Traffic 3D，通过教它处理不同的交通和天气场景来训练他们的程序。在真实的路口测试时，尽管经过模拟训练，但它仍能适应真实的交通路口，这一发展在许多现实世界的环境中都是有效的。

在一份声明中，阿斯顿大学计算机科学专业的读者Maria Chli博士说:“我们把这作为一个交通控制游戏。当一辆车通过路口时，该程序就会得到“奖励”。每当一辆车不得不等待或出现堵塞时，就会有一个负面奖励。实际上我们没有输入;我们只是控制奖励系统。”

目前，在路口使用的红绿灯自动化的主要形式依赖于磁感应回路，在磁感应回路中，一根电线放置在道路上，并记录通过它的汽车。程序计算这些数据，然后对数据做出反应。由于由阿斯顿大学团队开发的人工智能在车辆过灯之前就“看到”了高交通量，并在那时做出决定，因此它的反应更灵敏，反应更快。

阿斯顿大学计算机科学高级讲师乔治·沃嘉兹博士说:“我们将这个程序基于习得行为，这样它就能理解以前没有明确经历过的情况。”我们已经用造成拥堵的物理障碍进行了测试，而不是红绿灯相位，系统仍然表现良好。只要存在因果关系，计算机最终就会找出这种联系是什么。这是一个非常强大的系统。”

据该团队介绍，该程序可以设置为查看任何真实或模拟的交通路口，并将开始自主学习。奖励系统可以被操纵，以鼓励程序让紧急车辆迅速通过;但是程序总是自己教自己，而不是用特定的指令来编程。

研究人员希望今年开始在实际道路上测试他们的系统。

研究论文，全自动、基于视觉的交通信号控制:从模拟到现实，将在本周虚拟举行的2022年自主代理和多代理系统会议上提出。(2022年5月9日至13日)。