Mar, 2024

LLM 辅助光：利用大型语言模型能力进行复杂城市环境下人类仿真交通信号控制

PDF
TL;DR本研究介绍了一种创新方法，将大型语言模型（LLMs）与交通信号控制系统相结合，提供先进的推理和决策能力，以应对都市交通流量的复杂性和变动性。通过在感知和决策工具套件中引入 LLMs，并将其放置在决策过程的核心位置，以结合外部交通数据和现有的交通信号控制方法，该方法在多种交通环境下表现出无需额外训练即可适应的高效性。在传感器故障情况下，相比传统基于强化学习（RL）的系统，该方法减少了平均等待时间 20.4%。本研究的进展为交通信号控制策略带来重大突破，并为将 LLMs 整合到真实、动态场景中铺平了道路，突显其革命性改变交通管理的潜力。
traffic congestiontraffic signal controllarge language modelsperception and decision-making toolssimulation platform
发现论文，激发创造
  • 大型语言模型作为交通信号控制代理：容量和机会

    LLMLight 通过利用大型语言模型（LLMs）进行交通信号控制任务，实现了人类般的决策过程，确保道路网络的最优效率。

    Dec, 2023

  • 基于 LLM 的仿真到现实交通信号控制迁移

    利用大型语言模型（LLMs）通过基于提示的动作转换理解和建模系统动力学，以解决交通信号控制（TSC）任务中从模拟到实际应用的性能差距问题。

    Aug, 2023

  • CityLight：一种面向现实世界城市规模交通信号控制协调的通用模型

    交通信号控制是一项具有潜力的低成本措施，可以提高交通效率而不影响现有道路基础设施。本篇论文提出了基于增强学习的城市规模高可靠道路网络交通信号控制方法 CityLight，通过参数共享的 MAPPO 优化框架来实现多个智能体的协同控制和大规模异质交叉口的适配，采用邻域集成奖励以达到全局最优。大量实验证明 CityLight 具有出人意料的效果和推广性，整体性能提升 11.66%，在迁移场景中吞吐量提高了 22.59%。

    Jun, 2024

  • 面向交通信号控制的强化学习实际应用

    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

  • 基于轻量级 Transformer 的交通信号控制：离线到在线强化学习方法

    DTLight 是一种基于 Decision Transformer 和知识蒸馏的简单而强大的轻量级交通信号控制方法，可从易于获取的离线数据集中学习策略，并通过适配器模块实现在线调整，其在合成和真实场景的广泛实验中表现出色。

    Dec, 2023

  • 真正的交易：将基于强化学习的交通信号控制系统向现实迈进的挑战和机遇综述

    本篇研究检验了强化学习对于交通信号控制中的应用，探讨了其中的挑战与不确定性，提出了需要更多系统性思维的研究来解决这些挑战。

    Jun, 2022

  • DenseLight：大规模交通信号的高效密集反馈控制

    本研究提出利用无偏奖励函数提供密集反馈信息和非本地增强交通信号控制智能体更好地预测交通状况以实现更精确的交通控制的新型增强学习交通信号控制（TSC）方法，并经过了大量实验和消融研究验证其性能优于先进的基线方法。

    Jun, 2023

  • 基于预训练大型语言模型的交通预测框架：TPLLM

    TPLLM 是一种基于大型语言模型的交通预测框架，通过构建基于 CNN 的序列嵌入层和基于 GCN 的图嵌入层，提取序列特征和空间特征，并与 LLMs 集成，实现在有限历史交通数据地区的准确预测和良好的泛化能力。

    Mar, 2024

  • 基于视觉的交通信号控制及微观仿真的整体框架

    该研究探讨了基于计算机视觉的交通信号控制方法，通过视觉观测调节道路上的交通流量，引入了名为 TrafficDojo 的综合交通模拟框架，通过将 SUMO 提供的微观交通流量集成到驾驶模拟器 MetaDrive 中进行基线算法的比较和综合评估，为设计和发展基于视觉的交通信号控制方法打开了新的研究机会。

    Mar, 2024

  • UniTSA：一种用于 V2X 交通信号控制的通用强化学习框架

    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