交通部運輸研究所

      交通壅塞問題為都市交通管理的一大挑戰，從蒐集車流資料至研擬號誌控制策略，往往耗費大量人力與物力資源。近年來人工智慧(AI)技術快速發展，如何藉由AI 深度學習之類神經網路模式解決交通問題為交通領域當前之重要課題。因此，本計畫透過AI 蒐集重要交通數據，進而藉由AI 方式進行交通號誌控制。本計畫以臺中市太平區「樂業-十甲東」、「樂業-東英」兩路口做為實驗場域，導入AI 影像辨識設備進行交通數據之蒐集，並建構AI 號誌控制架構，利用AI 影像辨識技術所獲得之交通參數，透過經學習後的AI 號誌控制模式，依即時交通量來選取與執行適當時制計畫。
      在 AI 號誌控制模式部分，考量強化學習於尋找最適號誌控制時，需耗費大量試誤的探索時間才會收斂，致使較無實務環境之應用案例，本計畫利用時制最佳化分析軟體PaSO，先行針對實驗範圍產生考量幹道續進之最佳化時制計畫，以及時段參數來進行AI 強化學習，最後將學習後之AI 號誌控制模式，於現場進行實際運作。本計畫事先透過微觀交通模擬軟體SUMO 建構實驗場域模擬環境，進而產生AI 號誌控制之模擬績效，最後在實測場域上進行實測。實測結果顯示，可改善實驗場域尖峰時段車流績效均達10%以上。