※ 引述《gerychen (邪惡肥宅)》之銘言：
: 標題: [問卦] 讓阿法狗控制紅綠燈，這樣還會塞車嗎？
: 時間: Fri Jan 20 00:28:39 2017
:
: 餓死抬頭
:
: 阿法狗這個人工智慧打遍天下無敵手
:
: 圍棋好手在他面前就像個初學者一樣無助
:
: 以阿法狗的驚人實力
:
: 如果讓他控制台北的紅綠燈
:
: 配合他從google那取得的即時路況
:
: 這樣能做到台北再也不會塞車了嗎？
:
先講結論:machine learning 用在號誌控制上是可行的
事實上這也不是甚麼新技術
早在2000年左右就有人提出了
可以參考以下這個影片
模擬當交通路網用機械學習時的情況
https://www.youtube.com/watch?v=xa2C66fCT_w&t=550s
而在許多文獻中也已經指出
用機械學習的績效很"可能"比傳統號誌最佳化軟體來的更好
(講可能是因為發文章的人也不想得罪這些軟體霸主XD)
那阿法狗既然這猛神猛
怎麼台灣到現在還沒有人想要用這方法解決塞車問題呢?
最主要原因在於資料來源
在模擬環境中,你要餵給阿法狗多少交通資料都沒問題
但在現實,一支車輛偵測器就是15~20萬(還不含施工費)
一個十字路口也許就要4支偵測器
想想看假設是要解決內湖塞車問題
可能就要佈設上百支偵測器
建置費用可能對地方政府來說還負擔的起
但維護費用就很令人頭痛
各位可能不知道這些車輛偵測器的壽命
平均大概都在1~2年而已 (以非侵入式的來說)
這代表這套交控系統的費用實在是昂貴到不行
而原PO也提到一個非常具有前瞻性的解決方案
也就是靠google的資訊
更精確來說
是靠行動裝置的訊號來偵測道路交通狀況
目前這個方法比較大的瓶頸在於
交通控制基本邏輯是需要交通需求量
而非現在從google可以免費取得的道路旅行時間
當然,技術上google或是中華電信都可能可以取得
現在道路上有多少正在移動的行動裝置
但是要如何辨識這些移動的點
是用汽車、機車、還是搭公車
這些技術問題都還有待克服
但即使有這些困境
我也還是認為,用機械學習控制號誌是非常有搞頭的
不然我下禮拜就可以去公司遞辭呈惹 T^T