UniTSA: A Universal Reinforcement Learning Framework for V2X Traffic Signal Control

要約

都市部では交通渋滞が根深い問題となっており、効果的な交通信号制御（TSC）システムの開発が求められています。
既存の強化学習 (RL) ベースの手法は TSC の最適化において有望なパフォーマンスを示していますが、これらの手法をさまざまな構造の交差部分にわたって一般化することは困難です。
この研究では、Vehicle-to-Everything (V2X) 環境向けにユニバーサル RL ベースの TSC フレームワークが提案されています。
提案されたフレームワークは、交差状態を特徴付ける結合行列を組み込んだ新しいエージェント設計を導入し、提案されたモデルをさまざまな交差に適用できるようにします。
提案された RL ベースのフレームワークにさまざまな交差点構造を処理する強化された機能を装備するために、新しい交通状態拡張手法が信号灯制御システムに合わせて作成されています。
最後に、複数の交差点構成から得られた広範な実験結果により、提案されたフレームワークの有効性が確認されています。
この作品のソースコードは https://github.com/wmn7/Universal_Light から入手できます。

要約(オリジナル)

Traffic congestion is a persistent problem in urban areas, which calls for the development of effective traffic signal control (TSC) systems. While existing Reinforcement Learning (RL)-based methods have shown promising performance in optimizing TSC, it is challenging to generalize these methods across intersections of different structures. In this work, a universal RL-based TSC framework is proposed for Vehicle-to-Everything (V2X) environments. The proposed framework introduces a novel agent design that incorporates a junction matrix to characterize intersection states, making the proposed model applicable to diverse intersections. To equip the proposed RL-based framework with enhanced capability of handling various intersection structures, novel traffic state augmentation methods are tailor-made for signal light control systems. Finally, extensive experimental results derived from multiple intersection configurations confirm the effectiveness of the proposed framework. The source code in this work is available at https://github.com/wmn7/Universal_Light

arxiv情報

提供元, 利用サービス

arxiv.jp, Google