在城市里開車時，我們已經看到過很多次這樣的情況。人們喜歡加速的好感覺，而不考慮前面的交通情況。然后他們猛踩剎車，等待，在紅燈前空轉。在這個過程中，他們學到了什么嗎?沒有，他們會一遍又一遍地重復同樣的程序。這就是強大的引擎的作用，對嗎?

等待時間并不是信號燈路口唯一令人不快的事情。車輛在等待信號燈變化時，會消耗燃料并排放溫室氣體。即使有今天的啟動&停止系統和電動汽車，能源也浪費在空調和輔助設備上。研究人員一直試圖找到解決這一困擾的辦法。第一個交通感應系統似乎是根據等待通過十字路口的車輛數量來調整紅燈的時間。

但還可以做得更多，麻省理工學院的研究人員都參與其中。人類司機可能發現很難把握紅燈的時間并相應地調整速度。但這可以由使用人工智能控制速度的自主車輛來持續實現。而隨著自動駕駛汽車即將占領街道，這可能是一個令人興奮的提議。

在一項新的研究中，麻省理工學院的研究人員使用人工智能來控制一隊自主車輛，當它們接近和通過一個有信號燈的十字路口時，保持交通順暢。這減少了燃料消耗和排放，同時提高了平均車速。當道路上的所有車輛都是自主的時候，就能取得最佳效果。盡管如此，當只有25%的人使用控制算法時，它也可以發揮作用。

科學家們使用了深度強化學習，控制算法學會了做出一連串的決定。因此，該算法利用神經網絡學到的假設，找到良好序列的捷徑，即使有數十億種可能性。但是研究人員希望系統能夠學習一種策略，在減少燃料消耗的同時限制對旅行時間的影響，這可能是相互沖突的。

"為了減少旅行時間，我們希望汽車開得快，但為了減少排放，我們希望汽車慢下來或根本不動。高級作者Cathy Wu說："這些相互競爭的獎勵會讓學習代理非常困惑。

在測試階段，麻省理工學院的團隊發現，他們的算法沒有產生任何走走停停的交通，至少在只對一個十字路口進行建模時是如此。如果路上的每輛車都是自主的，他們的控制系統可以減少18%的燃料消耗和25%的二氧化碳排放，同時將行駛速度提高20%。即使算法只控制25%的車輛，這也能提供50%的燃料和減排效益。

正如我們所說，這項研究集中在一個單一的交叉口算法上。然而，在現實生活中，當交叉口串聯起來時，事情就會變得復雜。研究人員將進一步擴展他們的分析，以包括多交叉口的情況和不同類型的交叉口。這項工作仍處于早期階段，但吳認為這種方法可以在近期內實施。