《科學》雜誌網站發文稱，科研人員研究證明只需要幾輛自動駕駛汽車就可避免大城市經常發生的堵車狀況，在一些情況下還可將車輛行駛速度整體提升兩倍。

任何人都能造成堵車，只需要踩下剎車就行了。你後面的司機會剎車，下一個司機也會剎車，開始一連串的“停-走”反應，這些反應可以向後延續數公里。現在，科研人員已經表明，一些自動駕駛汽車可以防止這種擁堵，在某些情況下還能將車輛行駛速度提升兩倍。

在研究中，科研人員使用一個視頻遊戲式的界面來控制人造道路上的模擬汽車。在一個場景中，這些汽車圍繞着有中央十字路口的八字形行駛。一條或幾條車道的交通合併，或者汽車穿過曼哈頓式的城市網，每個路口都有紅綠燈。研究小組研究了不同比例的自動駕駛汽車與普通汽車混合行駛的情況。

在每個場景中，科研人員測試了四種使用強化學習的算法——一種通過反覆試驗來學習技能的人工智能（AI）。在八字形和合並場景中，一種中央算法控制所有自動駕駛汽車，實驗人員通過改變它們的加速和制動模式進行實驗。在曼哈頓場景下，人工智能可以控制交通燈而不是汽車。

結果令人印象深刻。在14輛模擬人類駕駛的汽車行駛在八字形道路的場景中，只需用一輛自動駕駛汽車取代一輛“人類駕駛”汽車即可將所有車輛的平均行駛速度提升兩倍。在合併場景中，用自動駕駛汽車取代10%的普通汽車也增加了總體交通流量，在某些情況下平均車速翻了一番。自動駕駛的汽車通過在它們自己和前面的汽車之間保持一個緩衝區來加速交通，從而避免經常剎車。在曼哈頓式的交通網格中，通過控制交通燈的算法使經過的車輛數量增加了7%。

加州大學伯克利分校的人工智能研究員尤金·維尼茨基（Eugene Vinitsky）說，經過測試的算法還有很大的改進空間。這就是爲什麼他的團隊將其程序公開化的原因。荷蘭德爾夫特理工大學（Delft University of Technology）的交通工程師王孟（Meng Wang）說：“如果有人有出色的解決方案或算法，你可以用這個框架來測試（新想法）。”

加州大學聖巴巴拉分校的電氣工程師丹尼爾·拉扎爾說，其他領域的研究人員已經爲強化學習建立了基準，而且“他們在交通領域做到這一點太棒了。我希望看到這項研究擴大範圍，不僅可以控制車速，還能控制車輛換道。”

Vinitsky不能預測何時自動駕駛汽車能真正能幫助我們實現更順暢的交通，但是他說一些新技術可以幫助我們完善現有的車輛，例如可以將研究中能減少交通擁堵的加速和制動模式用於當前汽車常見的自適應巡航控制系統，進而節省時間、汽油，並且可能挽救生命。