由于阿斯顿大学研究人员开发了一种新的人工智能系统，红绿灯前的长队可能已经成为过去。

系统鈥攖他是第一个鈥攔欧洲宇航防务集团（eads）实时拍摄并调整灯光以进行补偿，保持交通畅通，减少拥堵。

该系统使用深度强化学习，程序可以理解何时做得不好，并尝试不同的行动方案鈥攐r在取得进展时会继续改进。

在测试中，该系统明显优于所有其他方法，这些方法通常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英国居民平均浪费约115小时的时间鈥攁nd公司拢894燃料浪费和收入损失鈥攅每年。交通拥堵的一个主要原因是交通信号灯配时不足。

研究人员建立了一个最先进的照片逼真的交通模拟器traffic 3D，来训练他们的程序，教它处理不同的交通和天气情况。当该系统在一个真实的交叉口上进行测试时，它随后适应了真实的交通交叉口，尽管它完全是通过模拟进行训练的。因此，它可以在许多现实环境中有效。

阿斯顿大学计算机科学专业的读者玛丽亚·奇利博士解释说，他们“将此设置为一个交通控制游戏。该程序在让汽车通过交叉口时会获得‘奖励’。每当汽车不得不等待或发生堵塞时，都会有负向奖励。实际上我们没有任何输入；我们只是控制奖励系统。”

目前，路口交通灯自动化的主要形式依赖于磁感应线圈；道路上有一根电线，用来记录过往的车辆。程序对此进行计数，然后对数据作出反应。因为阿斯顿大学团队创建的人工智能在汽车通过车灯之前“看到”高交通量，然后做出决定，所以它的响应速度更快，反应也更快。

George Vogiatzis博士，阿斯顿大学计算机科学高级讲师，他说“我们之所以将此程序建立在所学行为的基础上，是为了让它能够理解以前没有明确经历过的情况。我们已经用导致交通拥堵的物理障碍来测试了这一点，而不是红绿灯相位，系统仍然做得很好。只要存在因果关系，计算机最终会找出这种关系。这是一种非常强大的功能系统“”

该程序可设置为查看任何交通路口鈥攔eal或模拟鈥攁nd将开始自主学习。奖励系统可以被操纵，例如鼓励项目让应急车辆快速通过。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。

这篇研究论文《完全自主、基于视觉的交通信号控制：从模拟到现实》将在本周举行的2022年自主智能体和多智能体系统会议上发表。