在城市里开车时，我们已经看到过很多次这样的情况。人们喜欢加速的好感觉，而不考虑前面的交通情况。然后他们猛踩刹车，等待，在红灯前空转。在这个过程中，他们学到了什么吗?没有，他们会一遍又一遍地重复同样的程序。这就是强大的引擎的作用，对吗?
等待时间并不是信号灯路口唯一令人不快的事情。车辆在等待信号灯变化时，会消耗燃料并排放温室气体。即使有今天的启动&停止系统和电动汽车，能源也浪费在空调和辅助设备上。研究人员一直试图找到解决这一困扰的办法。第一个交通感应系统似乎是根据等待通过十字路口的车辆数量来调整红灯的时间。
但还可以做得更多，麻省理工学院的研究人员都参与其中。人类司机可能发现很难把握红灯的时间并相应地调整速度。但这可以由使用人工智能控制速度的自主车辆来持续实现。而随着自动驾驶汽车即将占领街道，这可能是一个令人兴奋的提议。
在一项新的研究中，麻省理工学院的研究人员使用人工智能来控制一队自主车辆，当它们接近和通过一个有信号灯的十字路口时，保持交通顺畅。这减少了燃料消耗和排放，同时提高了平均车速。当道路上的所有车辆都是自主的时候，就能取得最佳效果。尽管如此，当只有25%的人使用控制算法时，它也可以发挥作用。
科学家们使用了深度强化学习，控制算法学会了做出一连串的决定。因此，该算法利用神经网络学到的假设，找到良好序列的捷径，即使有数十亿种可能性。但是研究人员希望系统能够学习一种策略，在减少燃料消耗的同时限制对旅行时间的影响，这可能是相互冲突的。
"为了减少旅行时间，我们希望汽车开得快，但为了减少排放，我们希望汽车慢下来或根本不动。高级作者Cathy Wu说："这些相互竞争的奖励会让学习代理非常困惑。
在测试阶段，麻省理工学院的团队发现，他们的算法没有产生任何走走停停的交通，至少在只对一个十字路口进行建模时是如此。如果路上的每辆车都是自主的，他们的控制系统可以减少18%的燃料消耗和25%的二氧化碳排放，同时将行驶速度提高20%。即使算法只控制25%的车辆，这也能提供50%的燃料和减排效益。
正如我们所说，这项研究集中在一个单一的交叉口算法上。然而，在现实生活中，当交叉口串联起来时，事情就会变得复杂。研究人员将进一步扩展他们的分析，以包括多交叉口的情况和不同类型的交叉口。这项工作仍处于早期阶段，但吴认为这种方法可以在近期内实施。
