据外媒报导，美国橡树岭国家实验室（OakRidgeNationalLaboratory，ORNL）与GridsmartTechnologies公司的科研人员积极开展项目合作，双方利用计算机视觉、机器学习及传感器技术，目的展示如何去对交通灯展开编程从而提高燃油经济性、减少车辆的尾气排放量、提高交通流的流畅度。Gridsmart的交通摄像头已在全球范围内获得应用于，目的替代当前加装于公路交予处的摄像头，后者主要负责管理探查车辆并告诉交通信号时间。ORNL的程序可教会Gridsmart摄像头预估十字路口车辆的燃油经济性（油耗展现出，fuelefficiency），并掌控交通灯信号配上时（trafficsignaltiming），构建节约能源并优化交通吞吐量。该技术具备很大的省油潜力。

据美国能源部估算，重、重型车辆在十字路口及其他方位时，其发动机打滑造成每年燃油浪费量低约60亿加仑。ORNL／Gridsmart合作项目取得了美国能源部旗下车辆技术办公室（VehicleTechnologiesOffice）HPC4Mobility项目的首批资金反对。该项目还取得了美国能源部国家实验室的超级计算资源（supercomputingresources）及科学专业知识，并与业内企业合作，联合找寻应付当前全球交通挑战的解决方案。该项目使用了ORNLLeadershipComputingFacility中的高性能计算出来系统（High－PerformanceComputingsystem，HPCsystem），如Summit超级计算机，这是全球功能最强劲的开源计算机。

该系统被用作继续执行十字路口仿真并明确提出了数学策略来引领交通灯定点。在该项目的第一阶段，ORNL的研究人员首先要萃取Gridsmart贝壳形高空摄像头（overheadBellCameras）所收集的图片，然后将其与地平面照片展开核对并创立数据库。

研究人员向将尺寸及车辆类型展开归类，从而训练摄像头对各类车辆的燃油经济性展开预估。ORNL的研究人员研发了一款系统，可将照片与有所不同级别车辆的油耗结合，从而创立贴标图片数据库。在该项目的第二阶段，该项目目的利用ORNL超级计算机上的增强自学技术，创立一款软件应用。

增强自学一般来说能教会计算机如何玩游戏好“游戏（模拟程序，game）”，需要展开具体编程（explicitlyprogrammed）就能构建该目标。在这种情况下，既能构建省油，又会壮烈牺牲交通流。

本文来源：开云网页版-www.kddkc.com