※ 引述《gerychen (邪恶肥宅)》之铭言：
: 标题: [问卦] 让阿法狗控制红绿灯，这样还会塞车吗？
: 时间: Fri Jan 20 00:28:39 2017
:
: 饿死抬头
:
: 阿法狗这个人工智能打遍天下无敌手
:
: 围棋好手在他面前就像个初学者一样无助
:
: 以阿法狗的惊人实力
:
: 如果让他控制台北的红绿灯
:
: 配合他从google那取得的即时路况
:
: 这样能做到台北再也不会塞车了吗？
:
先讲结论:machine learning 用在号志控制上是可行的
事实上这也不是什么新技术
早在2000年左右就有人提出了
可以参考以下这个影片
模拟当交通路网用机械学习时的情况
https://www.youtube.com/watch?v=xa2C66fCT_w&t=550s
而在许多文献中也已经指出
用机械学习的绩效很"可能"比传统号志最佳化软件来的更好
(讲可能是因为发文章的人也不想得罪这些软件霸主XD)
那阿法狗既然这猛神猛
怎么台湾到现在还没有人想要用这方法解决塞车问题呢?
最主要原因在于资料来源
在模拟环境中,你要喂给阿法狗多少交通资料都没问题
但在现实,一支车辆侦测器就是15~20万(还不含施工费)
一个十字路口也许就要4支侦测器
想想看假设是要解决内湖塞车问题
可能就要布设上百支侦测器
建置费用可能对地方政府来说还负担的起
但维护费用就很令人头痛
各位可能不知道这些车辆侦测器的寿命
平均大概都在1~2年而已 (以非侵入式的来说)
这代表这套交控系统的费用实在是昂贵到不行
而原PO也提到一个非常具有前瞻性的解决方案
也就是靠google的资讯
更精确来说
是靠行动装置的讯号来侦测道路交通状况
目前这个方法比较大的瓶颈在于
交通控制基本逻辑是需要交通需求量
而非现在从google可以免费取得的道路旅行时间
当然,技术上google或是中华电信都可能可以取得
现在道路上有多少正在移动的行动装置
但是要如何辨识这些移动的点
是用汽车、机车、还是搭公共汽车
这些技术问题都还有待克服
但即使有这些困境
我也还是认为,用机械学习控制号志是非常有搞头的
不然我下礼拜就可以去公司递辞呈惹 T^T