研究公报称，低效的交通信号控制是城市拥堵的主要原因之一。目前交通信号自动化主要依赖于磁感应回路，铺设在道路上的电线记录经过的汽车，系统进行计数，再对数据做出反馈。而由阿斯顿大学团队开发的人工智能系统在汽车通过交通信号之前就能“看到”拥堵的路况并做出调整交通信号的决定，因此反应更快。
公报说，研究人员首先构建了一种先进的交通模拟器来训练他们的人工智能系统，让其学习处理不同的交通状况和天气情况，随后在真实的交叉路口进行测试，发现该系统也能适应真实的路况。
研究参与者、阿斯顿大学的玛丽亚·克莉博士介绍说，研究人员将此人工智能系统设置成一种交通控制游戏。当系统让汽车顺利通过一个路口时，它会获得“奖励”；每次汽车必须等待或出现堵塞时，则会得到负面反馈。研究人员无须输入编程指令，只需控制奖励机制。
公报说，该系统使用了深度强化学习技术，它可以“查看”任何真实或模拟的交通路口路况，并开始进行自主学习。在当前系统表现欠佳时，它能够“理解”并尝试使用不同的行动方案或者改进方案。研究团队希望今年年内将该系统投入真实道路测试。
