研究公報稱，低效的交通信號控制是城市擁堵的主要原因之一。目前交通信號自動化主要依賴於磁感應回路，鋪設在道路上的電線記錄經過的汽車，系統進行計數，再對資料做出回饋。而由阿斯頓大學團隊開發的人工智慧系統在汽車通過交通信號之前就能"看到"擁堵的路況並做出調整交通信號的決定，因此反應更快。
公報說，研究人員首先構建了一種先進的交通模擬器來訓練他們的人工智慧系統，讓其學習處理不同的交通狀況和天氣情況，隨後在真實的交叉路口進行測試，發現該系統也能適應真實的路況。
研究參與者、阿斯頓大學的瑪麗亞·克莉博士介紹說，研究人員將此人工智慧系統設置成一種交通控制遊戲。當系統讓汽車順利通過一個路口時，它會獲得"獎勵"；每次汽車必須等待或出現堵塞時，則會得到負面回饋。研究人員無須輸入程式設計指令，只需控制獎勵機制。
公報說，該系統使用了深度強化學習技術，它可以"查看"任何真實或模擬的交通路口路況，並開始進行自主學習。在當前系統表現欠佳時，它能夠"理解"並嘗試使用不同的行動方案或者改進方案。研究團隊希望今年年內將該系統投入真實道路測試。
最新評論