AI 交通信号灯系统或让交通拥堵成为遥远的记忆

快速阅读: 据《阿斯顿大学》称，阿斯顿大学研发的AI系统能实时调整红绿灯，缓解交通拥堵。该系统通过深度强化学习自主优化信号控制，已在模拟和真实场景中表现出色。（98字）

由于阿斯顿大学研究人员开发的一种新的人工智能系统，交通灯前的长队可能会成为过去。这个系统是首个此类系统，它能够实时读取摄像头画面并调整红绿灯以适应交通状况，保持交通流畅并减少拥堵。这项工作详细描述在论文《全自主、基于视觉的交通信号控制：从模拟到现实》中，该论文今天（5月11日）在2022年自主代理与多代理系统会议上发表。该系统使用深度强化学习，其中程序能够理解自己是否做得不好，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，该系统显著优于所有其他方法，这些方法通常依赖于手动设计的相位转换。据估计，在2019年，英国城市地区的拥堵导致每位英国居民每年平均浪费约115小时的时间，以及894英镑的燃油浪费和收入损失。造成拥堵的主要原因是交通信号时间设置不当。

研究人员构建了一个最先进的高度逼真的交通模拟器Traffic 3D来训练他们的程序，教它处理不同的交通和天气情况。当系统在真实的交叉路口进行测试时，它随后能够适应真实的交通交叉路口，尽管它完全是通过模拟进行训练的。因此，它可能在许多现实场景中有效。

阿斯顿大学计算机科学系高级研究员玛丽亚·奇利博士解释道：“我们将这设定为一个交通控制游戏。当程序让一辆车通过交叉路口时，会获得‘奖励’。每当一辆车需要等待或发生堵塞时，就会有负面奖励。实际上我们并没有输入；我们只是控制奖励系统。”

目前，交叉路口使用的交通灯自动化主要依赖于磁感应环；一条电线铺设在路面上，记录经过的车辆。程序统计这些信息并做出反应。因为由阿斯顿大学团队开发的人工智能在车辆通过红绿灯之前就能“看到”高流量，并在此时做出决策，因此更加灵敏，可以更快地做出反应。

阿斯顿大学计算机科学高级讲师乔治·沃吉亚齐斯博士表示：“我们之所以将这个程序建立在学习行为的基础上，是为了让它能够理解它没有明确经历过的状况。我们用一个物理障碍物进行了测试，这个障碍物导致了拥堵，而不是交通信号灯的阶段，但系统仍然表现良好。只要存在因果关系，计算机最终会弄清楚这种关系。这是一个非常强大的系统。”

该程序可以被设置为查看任何交通交叉口——真实或模拟的——并将开始自主学习。奖励系统可以被调整，例如鼓励程序快速让紧急车辆通过。但程序始终通过自我学习来改进，而不是被编程特定指令。

研究人员希望今年开始在真实道路上测试他们的系统。研究论文《全自主、基于视觉的交通信号控制：从模拟到现实》正在本周以线上形式举行的2022年自主代理与多代理系统会议上展示。（2022年5月9日至13日）

(以上内容均由Ai生成)