近日，劳伦斯伯克利国家实验室的能源部与加州大学合作，正开展以交通问题和空气污染问题为解决目标的人工智能项目。对于交通管理项目，通过深层加固学习来训练自动驾驶车辆，以此系统化驾驶方式，并且还能改善交通流量并减少能量消耗。对于第二个项目，则通过深度学习算法来分析卫星图像，结合来自手机的交通信息和环境传感器发送的数据，从而提高该地区的空气质量。
自动驾驶
伯克利实验室能源分析和环境影响部门主任，加州大学伯克利分校副教授，同时也是该研究团队成员Tom Kirchstetter说：“美国30％的能源使用是用于运输人员和货物，这种能源消耗导致空气污染，包括大约一半的氮氧化物排放以及黑碳（烟灰）排放。”
对于运输和环境方面，机器学习技术可以帮助检查交通事故和环境污染日益严重的问题。这一交通管理项目也被称为“环形项目（Circles）”，或“自动驾驶汽车减少拥堵影响计划”，它是由伯克利实验室研究员Alexandre Bayen领导的，他是加州大学伯克利分校电子工程和计算机科学教授，同时也是加州大学伯克利分校运输研究所所长。
同时另一个被称为的DeepAir（深度学习和卫星想象，以估算大规模的空气质量影响）的环境项目，由伯克利实验室研究员Marta Gonzalez领导，他也是加州大学伯克利分校城市和区域规划部的教授。研究人员希望他们的研究工作在未来十年内成为实践标准。
