LibSignal: An Open Library for Traffic Signal Control

要約

この論文では、交通信号制御タスクにおける強化学習モデルのクロスシミュレーター比較のためのライブラリを紹介します。
このライブラリは、拡張可能なインターフェイスと統合されたクロスシミュレータ評価メトリクスを備えた最新の強化学習モデルを実装するために開発されました。
Simulation of Urban MObility (SUMO) や CityFlow などの交通信号制御タスクで一般的に使用されるシミュレーターと、公正な比較のための複数のベンチマーク データセットをサポートします。
私たちは、モデルの実装を検証し、一方のシミュレーターからの実験がもう一方のシミュレーターで参照できるようにシミュレーターを調整するために実験を実施しました。
このペーパーでは、検証されたモデルと調整された環境に基づいて、さまざまなデータセットとシミュレーターにわたる現在の最先端の RL アルゴリズムのパフォーマンスを比較し、報告します。
これらの手法が、異なるシミュレータを使用して同じデータセットの下で公平に比較​​されたのはこれが初めてです。

要約(オリジナル)

This paper introduces a library for cross-simulator comparison of reinforcement learning models in traffic signal control tasks. This library is developed to implement recent state-of-the-art reinforcement learning models with extensible interfaces and unified cross-simulator evaluation metrics. It supports commonly-used simulators in traffic signal control tasks, including Simulation of Urban MObility(SUMO) and CityFlow, and multiple benchmark datasets for fair comparisons. We conducted experiments to validate our implementation of the models and to calibrate the simulators so that the experiments from one simulator could be referential to the other. Based on the validated models and calibrated environments, this paper compares and reports the performance of current state-of-the-art RL algorithms across different datasets and simulators. This is the first time that these methods have been compared fairly under the same datasets with different simulators.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google