本文介绍了一个名为 LemgoRL 的基准工具，为了关闭现有交通信号控制器在简化的模拟环境下不能正确地执行任务的差距，提出在更真实的模拟环境中进行 RL 算法的训练，以在真实世界的交通系统中应用。通过在这个基准工具上训练一个深度 RL 算法的性能表现，论文指出本基准工具推动 RL 算法向着真实世界应用方向的发展。

Mar, 2021

通过结合交通流理论和机器学习，我们提出了一种全面的数据驱动和免费模拟器的实现逼真交通信号控制框架 (D2TSC)。我们利用历史交通数据构建了一个奖励推断模型，通过粗粒度的交通数据来推断奖励信号，并进一步使用样本高效的离线 RL 方法，从真实世界交叉口的离线历史数据集中直接学习信号控制策略。通过广泛实验证明，我们的方法在传统方法和离线 RL 基准上取得了卓越的性能，并且具有更好的实际应用性。

Nov, 2023

在这项研究中，提出了一个基于强化学习的交通信号控制框架，能有效地处理城市地区持久存在的交通拥堵问题，通过引入交叉口矩阵来刻画交叉口状态，使该模型适用于不同结构的交叉口，并通过定制化的交通状态增强方法增加了处理各种交叉口结构的能力，多个交叉口配置的实验结果证实了该框架的有效性。

Dec, 2023

本论文详细研究采用深度强化学习（RL）算法解决交通拥堵问题，并开发了一个开源框架以评估这些算法在不同的交通模拟环境下的表现。通过考虑一系列外生不确定因素，如需求激增、容量减少和传感器故障等。我们得出了深度强化学习算法在交通控制领域的关键见解，并提出了具体的设计以减轻这些考虑过的外生不确定因素对系统的影响。

Apr, 2019

本文综述了以深度强化学习（RL）为基础的交通控制应用，并将现有工作按照应用类型、控制模型和研究算法进行分类总结。

May, 2020

本文提出了一种名为 UGAT 的仿真到真实世界转移方法，通过动态转换模拟中的不确定行动来减小转移动态的领域差异，从而将在仿真环境中训练的学习策略转移到真实环境中，显著提高了转移强化学习策略在真实世界中的性能。

Jul, 2023

提出一种用马尔科夫决策过程描述控制器设计问题和解决方案建模的新型 ATSC 方法，并分析现有研究中常被忽视的系统性问题，并提出未来可能的解决方向。

Nov, 2022

本文提出了一种基于循环离线数据集的数据驱动方法来解决真实交通信号控制中部署的问题。在仿真与真实环境中进行了广泛实验，结果表明，引入循环离线数据集的数据驱动方法在某些情况下可以实现令人满意的性能，COD 可以被视为用于交通信号控制问题的可靠离线数据集。

Mar, 2023

通过对潜在的模拟参数分析和对两种策略（Domain Randomization 和 Model-Agnostic Meta-Learning）的研究，我们研究了交通信号控制系统中的现实差距问题，并在实验中证明这两种方法优于现有的强化学习算法，有望缓解现实差距。

Jul, 2023

提出了一种新颖的交通信号控制系统框架，通过与多个相邻的边缘计算服务器协作收集道路网络上的交通信息，采用多智能体软 actor-critic 强化学习算法结合超图学习，以实现交通信号控制的智能化，优化交通流量，并且能够捕捉多个交叉口之间的复杂时空相关性，实现更智能、更具响应性的城市交通管理解决方案。

Apr, 2024